深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
7341	2025-02-05	Improving deep learning protein monomer and complex structure prediction using DeepMSA2 with huge metagenomics data 2024-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02130-4 PMID:38167654	研究论文	本文介绍了DeepMSA2管道，利用基因组和宏基因组序列数据库进行迭代比对搜索，显著提高了蛋白质三级和四级结构预测的准确性	DeepMSA2通过平衡的比对搜索和有效的模型选择，结合庞大的宏基因组数据库，显著提升了蛋白质结构预测的准确性	未明确提及具体限制	提高深度学习蛋白质单体及复合物结构预测的准确性	蛋白质单体和复合物结构	机器学习	NA	宏基因组测序	深度学习	序列数据	大规模基准测试
7342	2025-02-05	MyoV: a deep learning-based tool for the automated quantification of muscle fibers 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad528 PMID:38271484	研究论文	本文介绍了一种名为MyoV的深度学习工具，用于自动量化肌肉纤维	MyoV工具通过结合卷积神经网络、残差网络和特征金字塔网络，实现了对不同大小和年龄肌肉纤维的自动处理，并在量化性能上超越了手动方法和常用算法	NA	开发一种自动化工具，用于准确量化肌肉纤维，以支持生物医学研究和肉类生产	肌肉纤维	计算机视觉	NA	深度学习	CNN, 残差网络, 特征金字塔网络	图像	超过660,000个手动和半自动标记的肌肉纤维，以及超过400,000个全片图像中的肌肉纤维
7343	2025-02-05	Multi-modal features-based human-herpesvirus protein-protein interaction prediction by using LightGBM 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae005 PMID:38279649	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7344	2025-02-05	Recognition of rare antinuclear antibody patterns based on a novel attention-based enhancement framework 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad531 PMID:38279651	研究论文	本文介绍了一种基于注意力机制的增强框架，用于识别ANA间接免疫荧光图像中的罕见抗核抗体模式	首次专门针对罕见ANA模式的识别进行研究，并引入了注意力机制以加速神经网络的学习过程，提取更本质和独特的特征	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高罕见抗核抗体（ANA）模式的识别精度，以辅助临床实验室的常规ANA筛查	ANA间接免疫荧光图像	计算机视觉	NA	深度学习	注意力机制增强的神经网络	图像	未提及具体样本数量
7345	2025-02-05	scMMT: a multi-use deep learning approach for cell annotation, protein prediction and embedding in single-cell RNA-seq data 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad523 PMID:38300515	研究论文	本文提出了一种名为scMMT的监督学习方法，用于单细胞RNA测序数据中的细胞注释、蛋白质预测和嵌入	提出了一种新的特征提取技术，并构建了一个基于GradNorm方法的多任务学习框架，以增强对具有相似分子特征但功能不同的免疫细胞的识别，并减少标签噪声对模型精度的影响	NA	提高单细胞RNA测序数据中细胞类型注释的准确性，以促进生物学和医学研究，特别是在理解疾病进展和肿瘤微环境方面	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	多任务学习框架	RNA测序数据	多个公共数据集
7346	2025-02-05	Deqformer: high-definition and scalable deep learning probe design method 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae007 PMID:38305453	研究论文	本研究提出了一种名为Deqformer的深度学习模型，用于准确预测探针覆盖深度，以提高目标富集测序技术的性能	Deqformer模型首次结合了Watson-Crick碱基配对原理和两个BERT编码器，分别从正向和反向探针链中捕获信息，并通过前馈网络进行精确预测	尽管在多个数据集上表现出色，但Deqformer在不同类型探针面板上的泛化能力仍需进一步验证	提高探针设计的效率和有效性，以优化目标富集测序技术的性能	探针覆盖深度的预测	机器学习	NA	目标富集测序技术	BERT编码器 + 前馈网络	序列数据	四个数据集：SNP面板（38,200探针）、lncRNA面板（2,000探针）、合成面板（5,899探针）和HD-Marker面板（11,000探针）
7347	2025-02-05	ChemMORT: an automatic ADMET optimization platform using deep learning and multi-objective particle swarm optimization 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae008 PMID:38385872	研究论文	本文介绍了一个名为ChemMORT的自动ADMET优化平台，该平台利用深度学习和多目标粒子群优化技术来优化药物的吸收、分布、代谢、排泄和毒性（ADMET）特性	ChemMORT平台结合了深度学习与多目标粒子群优化策略，实现了药物ADMET特性的高效优化，同时保持生物活性，这在药物设计中是一个创新点	尽管ChemMORT在ADMET优化方面表现出色，但其在广泛化学空间中的应用仍需进一步验证，且依赖于有限的专家知识	开发一个自动化的平台，用于优化药物的ADMET特性，以提高药物开发的成功率	药物的ADMET特性	机器学习	NA	深度学习，多目标粒子群优化	NA	分子结构数据	NA
7348	2025-02-05	ADH-Enhancer: an attention-based deep hybrid framework for enhancer identification and strength prediction 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae030 PMID:38385876	研究论文	本文提出了一种基于注意力机制的深度混合框架ADH-Enhancer，用于增强子识别和强度预测	该框架采用语言建模策略将DNA序列转换为统计特征空间，并结合卷积神经网络和注意力机制的优势，提出了一种新颖的分类器	未明确提及具体局限性	加速和促进与增强子识别和强度预测相关的研究	DNA序列中的增强子	生物信息学	血友病、膀胱癌、糖尿病、先天性疾病	语言建模、深度学习	卷积神经网络（CNN）、注意力机制	DNA序列	未明确提及具体样本数量
7349	2025-02-05	A comprehensive computational benchmark for evaluating deep learning-based protein function prediction approaches 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae050 PMID:38388682	研究论文	本文介绍了一个名为BeProf的综合基准，用于评估基于深度学习的蛋白质功能预测方法	提出了一个新的综合评估指标，并设计了八个应用场景来评估现有方法的性能	未明确提及具体局限性	评估和比较不同的计算蛋白质功能预测方法，以确定每种算法在特定情况下的适用性	蛋白质功能预测方法	生物信息学	NA	高通量测序技术	深度学习	生物数据	NA
7350	2025-02-05	CRISPR-DIPOFF: an interpretable deep learning approach for CRISPR Cas-9 off-target prediction 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad530 PMID:38388680	研究论文	本文提出了一种名为CRISPR-DIPOFF的深度学习方法，用于预测CRISPR Cas-9的脱靶效应，并提供了模型的解释性分析	首次结合高效性、解释性以及精确度和召回率之间的理想平衡，提出了一个基于循环神经网络的模型，并利用遗传算法进行超参数调优，同时采用集成梯度方法解释模型	尽管模型在脱靶预测方面表现出色，但仍需进一步验证其在不同数据集和实际应用中的泛化能力	提高CRISPR Cas-9脱靶预测的准确性和解释性	CRISPR Cas-9的脱靶效应	机器学习	NA	深度学习、遗传算法、集成梯度方法	循环神经网络（RNN）	序列数据	NA
7351	2025-02-05	Deeply integrating latent consistent representations in high-noise multi-omics data for cancer subtyping 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae061 PMID:38426322	研究论文	本文提出了一种基于变分自编码器的深度学习模型DILCR，用于高噪声多组学数据中的癌症亚型分类	提出了一种新的变分自编码器模型DILCR，通过设计多个独立的变分自编码器和对比损失函数，有效分离噪声并捕捉潜在一致表示，并提出了注意力深度整合网络和改进的深度嵌入聚类算法	未明确提及具体局限性	提高癌症亚型分类的准确性，以制定个性化治疗方案并提高患者生存率	癌症多组学数据	机器学习	癌症	变分自编码器	DILCR（基于变分自编码器的深度学习模型）	多组学数据	10个典型癌症数据集（来自The Cancer Genome Atlas）
7352	2025-02-05	DFMA: an improved DeepLabv3+ based on FasterNet, multi-receptive field, and attention mechanism for high-throughput phenotyping of seedlings 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1457360 PMID:39886686	研究论文	本文提出了一种基于改进的DeepLabv3+模型DFMA，用于高效植物幼苗表型分析	引入了新的ASPP结构PSPA-ASPP，结合FasterNet、多感受野和注意力机制，提高了模型性能	未提及模型在不同环境或光照条件下的鲁棒性	提高植物幼苗表型分析的效率和准确性	水稻、拟南芥、短柄草和白芥的幼苗	计算机视觉	NA	深度学习	DeepLabv3+	图像	自建的水稻幼苗数据集及公开数据集（拟南芥、短柄草和白芥）
7353	2025-02-05	Advancements and Applications of Artificial Intelligence in Pharmaceutical Sciences: A Comprehensive Review 2024 Jan-Dec, Iranian journal of pharmaceutical research : IJPR IF:1.8Q3 DOI:10.5812/ijpr-150510 PMID:39895671	综述	本文综述了人工智能在药学科学中的进展和应用，涵盖了从药物发现到个性化患者护理的多个领域	本文综合分析了人工智能在药学多个子领域中的具体应用，包括药物合成规划、制剂开发、毒理学预测、药房自动化和市场分析等	本文主要是一篇综述，未涉及具体实验数据或案例研究，可能缺乏对新技术的深入技术细节分析	探讨人工智能在药学科学中的实际应用和潜力	药学科学的多个子领域，包括药物化学、药剂学、药理学与毒理学、临床药学、制药生物技术、制药纳米技术、生药学以及药物管理与经济学	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 机器人自动化	NA	NA	NA
7354	2025-02-05	Multimodal Alzheimer's disease classification through ensemble deep random vector functional link neural network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2590 PMID:39896355	研究论文	本研究通过集成深度随机向量功能链接神经网络（edRVFL）模型，结合临床和遗传信息的多模态数据，提高了阿尔茨海默病（AD）和轻度认知障碍（MCI）的早期检测能力	采用多模态数据集成和深度随机向量功能链接神经网络（edRVFL）模型，结合有效的数据填补技术（如Winsorized-mean），显著提高了AD早期检测的准确性	研究主要依赖于多模态数据的集成，可能面临数据变异性和不完整性的挑战	提高阿尔茨海默病（AD）和轻度认知障碍（MCI）的早期检测能力	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	老年病	深度学习（DL）	集成深度随机向量功能链接神经网络（edRVFL）	临床和遗传信息的多模态数据	NA
7355	2025-02-05	Enhancing breast cancer diagnosis using deep learning and gradient multi-verse optimizer: a robust biomedical data analysis approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2578 PMID:39896354	研究论文	本文提出了一种结合梯度搜索机制和多宇宙优化器（MVO）的混合优化算法，用于优化深度学习模型在乳腺癌诊断中的参数，以提高分类准确性	提出了一种新的混合优化算法，结合梯度搜索机制和多宇宙优化器（MVO），以解决深度学习模型在高维搜索空间中易陷入局部最优的问题	实验仅在两个乳腺癌数据集上进行，未在其他类型的数据集上验证其泛化能力	提高乳腺癌早期诊断的准确性，推动计算机辅助诊断（CAD）系统的发展	乳腺癌诊断	数字病理学	乳腺癌	深度学习（DL）	深度神经网络（DNN）	医疗数据	威斯康星乳腺癌数据集（WBCD）和威斯康星诊断乳腺癌数据集（WDBC），分别划分为70%训练集和30%测试集
7356	2025-02-05	AI in dermatology: a comprehensive review into skin cancer detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2530 PMID:39896358	综述	本文系统回顾了人工智能在皮肤癌分类中的应用，全面概述了其优势、挑战、方法和功能	本文通过综合分析和分类现有文献，提供了人工智能在皮肤癌检测中的全面视角，强调了其在提高诊断准确性、效率和可及性方面的潜力	数据隐私问题、将AI系统整合到现有工作流程中的复杂性以及需要大规模高质量数据集等挑战仍然存在	探讨人工智能在皮肤癌检测和诊断中的应用及其潜力	皮肤癌	计算机视觉	皮肤癌	深度学习算法、图像处理技术、特征提取方法	CNN, SVM, 集成学习技术	图像	95篇科学文章
7357	2025-02-05	Sentiment analysis of pilgrims using CNN-LSTM deep learning approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2584 PMID:39896353	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度学习方法，用于对朝圣者进行情感分析	使用了一种新颖且专门的数据集Catering-Hajj，并提出了一个结合CNN和LSTM的模型来进行情感分析	数据集仅限于社交媒体上的朝圣者情感数据，可能无法全面反映所有朝圣者的情感	研究目的是通过情感分析了解朝圣者对朝觐体验的感受	朝圣者	自然语言处理	NA	深度学习	CNN-LSTM	文本	NA
7358	2025-02-05	A novel device-free Wi-Fi indoor localization using a convolutional neural network based on residual attention 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2471 PMID:39896360	研究论文	本文提出了一种基于残差注意力卷积神经网络的无设备Wi-Fi室内定位方法，旨在提高定位精度和通用性	提出了一种独特的注意力增强残差卷积神经网络（RACNN），充分利用CSI数据中的全局上下文信息，解决了现有CNN指纹定位算法感受野有限的问题	未明确提及具体限制，但暗示了在不同惯性维度单元精度变化可能对跟踪性能产生负面影响	提高Wi-Fi室内定位的精度和通用性	室内定位系统	机器学习	NA	NA	卷积神经网络（CNN），残差注意力卷积神经网络（RACNN）	信道状态信息（CSI）指纹	NA
7359	2025-02-05	Enhancing e-learning through AI: advanced techniques for optimizing student performance 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2576 PMID:39896364	研究论文	本研究探讨了如何通过人工智能（AI）技术优化电子学习，以提高学生的学习成绩	提出了一个基于AI的框架来监控和分析学生互动，并评估在线学习平台对学生理解的影响，使用先进的算法确定混合学习系统的最有效方法	部分内容已作为预印本发布，可能存在重复内容	通过AI技术优化电子学习，提高学生成绩	学生互动数据、在线学习平台、混合学习系统	机器学习	NA	机器学习、深度学习	CNN、RNN	学生互动数据	NA
7360	2025-02-05	Enhancing sentiment analysis of online comments: a novel approach integrating topic modeling and deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2542 PMID:39896372	研究论文	本文提出了一种结合主题建模和深度学习的新方法，用于增强在线评论的情感分析	整合了LDA、Shuffle-enhanced RealNVP、双层双向改进LSTM网络和多头自注意力机制，有效处理文本相关性和时间性	未提及具体的数据集规模或模型计算资源需求	提高在线评论情感分析的准确性和效果	在线评论	自然语言处理	NA	LDA, RealNVP, LSTM, 多头自注意力机制	DBiLSTM	文本	中英文在线评论数据集