深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 32372 篇文献，本页显示第 721 - 740 篇。
| 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2025-10-05 |
Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26585
PMID:37650367
|
研究论文 | 介绍UM-TBM和Zheng团队在CASP15蛋白质单体与复合物结构预测中的方法及成果 | 结合深度学习、线程比对和多MSA策略，开发了D-I-TASSER和DMFold-Multimer算法，在传统蒙特卡洛模拟中融合深度学习约束 | 病毒蛋白建模和复合物模型排序方面仍有改进空间 | 提高蛋白质单体与复合物结构预测的准确性 | 蛋白质单体结构和蛋白质复合物结构 | 计算生物学 | NA | 多序列比对(MSA)、深度学习、蒙特卡洛模拟 | 注意力网络、端到端深度学习模型 | 蛋白质序列与结构数据 | 47个自由建模目标（单体）和38个复合物目标 | AlphaFold2, I-TASSER | D-I-TASSER, DMFold-Multimer, DeepMSA2 | TM-score, Interface Contact Score | NA |
| 722 | 2025-10-05 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26602
PMID:37876231
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法，将蛋白质评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估 | 在非标准碱基对建模、模型排名以及预测冷冻电镜或晶体学解析的多种结构方面仍存在挑战 | 评估RNA三维结构预测方法的准确性和实用性 | RNA三维结构预测模型 | 结构生物信息学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习,传统计算方法 | RNA结构数据,冷冻电镜图谱,X射线衍射数据 | 12个含RNA的目标结构，42个预测组参与 | NA | NA | GDT,lDDT,Z-score | NA |
| 723 | 2025-10-05 |
Impact of AlphaFold on structure prediction of protein complexes: The CASP15-CAPRI experiment
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26609
PMID:37905971
|
研究论文 | 本文介绍了CASP15-CAPRI蛋白质复合物结构预测挑战赛的结果，评估了AlphaFold对蛋白质复合物结构预测的影响 | 首次系统评估AlphaFold2和AlphaFold2-Multimer在蛋白质复合物结构预测中的表现，展示了深度学习方法的显著进步 | 对缺乏结合伴侣间进化关系的抗体/纳米抗体复合物以及具有构象灵活性的复合物预测性能仍然较差 | 评估蛋白质复合物结构预测的最新进展，特别是AlphaFold技术的影响 | 37个蛋白质复合物靶标，包括同源二聚体、同源三聚体、异源二聚体和大型组装体 | 计算生物学 | NA | 蛋白质结构预测，深度学习 | AlphaFold2, AlphaFold2-Multimer | 蛋白质序列和结构数据 | 37个靶标，21,941个模型，60+参与组 | AlphaFold | AlphaFold2, AlphaFold2-Multimer | CAPRI模型质量指标，DockQ评分 | NA |
| 724 | 2025-10-05 |
Estimation of model accuracy in CASP15 using the ModFOLDdock server
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26532
PMID:37314190
|
研究论文 | 介绍CASP15竞赛中用于多聚体模型质量评估的ModFOLDdock服务器及其三种变体的性能表现 | 开发了三种针对不同质量评估维度的ModFOLDdock变体，在CASP15的EMA类别中均取得领先排名 | NA | 优化多聚体蛋白质结构模型的质量评估方法 | 多聚体蛋白质结构模型 | 生物信息学 | NA | 深度学习, 聚类分析 | 深度学习模型 | 蛋白质结构模型 | 41个组装结构（来自CASP15竞赛） | NA | NA | Pearson相关系数, 寡聚体-lDDT | NA |
| 725 | 2025-10-05 |
Estimating protein complex model accuracy based on ultrafast shape recognition and deep learning in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26564
PMID:37553848
|
研究论文 | 本文报告了在CASP15中基于超快形状识别和深度学习的蛋白质复合物模型精度估计方法的研究成果 | 提出了基于三级特征集成与深度残差/图神经网络的多聚体复合物模型精度估计新方法，设计了整体和单体间超快形状识别特征 | NA | 开发蛋白质复合物模型精度估计方法 | 蛋白质复合物模型 | 生物信息学 | NA | 超快形状识别, 深度学习 | 深度残差网络, 图神经网络 | 蛋白质结构数据 | 39个目标蛋白质 | NA | 深度残差网络, 图神经网络 | Pearson相关系数, lDDT, TM-score | NA |
| 726 | 2025-10-05 |
zPoseScore model for accurate and robust protein-ligand docking pose scoring in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26573
PMID:37606194
|
研究论文 | 提出了一种基于深度学习的配体构象评分模型zPoseScore，用于蛋白质-配体复合物结构预测 | 重新设计了受AlphaFold2启发的zFormer模块，开发了数据增强和采样方法，实现了原子级别的蛋白质-配体特征编码和融合 | NA | 开发准确的蛋白质-配体对接构象评分方法 | 蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | Transformer | 蛋白质结构数据，配体构象数据 | CASP15和CASF-2016数据集 | NA | zFormer | Pearson相关系数，局部距离差异测试(lDDT) | NA |
| 727 | 2025-10-05 |
Breaking the conformational ensemble barrier: Ensemble structure modeling challenges in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26584
PMID:37872703
|
研究论文 | 本文评估了CASP15实验中蛋白质和RNA结构多构象建模的挑战与成果 | 首次在CASP社区实验中系统评估多构象建模方法，展示了AlphaFold2增强采样在蛋白质构象预测中的突破性表现 | 存在处理稀疏或低分辨率实验数据的困难，且目前缺乏有效的RNA/蛋白质复合物建模方法 | 评估蛋白质和RNA结构多构象建模方法的有效性与挑战 | 蛋白质和RNA的三维结构构象 | 计算生物学 | NA | 深度学习增强采样 | AlphaFold2 | 蛋白质和RNA结构数据 | 9个靶标结构 | AlphaFold2 | AlphaFold2 | 构象重现成功率 | NA |
| 728 | 2025-10-05 |
Critical assessment of methods of protein structure prediction (CASP)-Round XV
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26617
PMID:37920879
|
研究论文 | 总结了CASP15蛋白质结构预测社区实验的结果，重点分析了深度学习方法的进展 | 首次在CASP实验中纳入RNA结构和蛋白质-配体复合物的计算评估 | 深度学习在蛋白质复合物预测中的性能尚未完全达到单蛋白质水平，界面区域准确性估计略不可靠 | 评估蛋白质结构预测方法的最新进展 | 蛋白质结构、蛋白质复合物、RNA结构、蛋白质-配体复合物 | 计算结构生物学 | NA | 深度学习 | 深度学习 | 氨基酸序列、蛋白质结构数据 | CASP15实验目标蛋白质 | NA | AlphaFold2 | 结构准确性、局部和全局准确性估计 | NA |
| 729 | 2025-10-05 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-Oct-03, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.25.538330
PMID:37162955
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法，并将蛋白质结构评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估 | 在非经典碱基对建模、模型排序以及多结构预测方面仍存在挑战 | 评估当前RNA三维结构预测方法的准确性和实用性 | RNA三维结构预测模型 | 计算生物学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习,传统计算方法 | RNA三维结构数据 | 12个含RNA的目标结构，42个预测组参与 | NA | NA | GDT, lDDT, Z-score | NA |
| 730 | 2025-10-05 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-Mar-12, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.08.531814
PMID:36945536
|
研究论文 | 开发了一种结合成对结构相似性和深度学习界面接触预测的混合方法MULTICOM_qa，用于评估蛋白质复合物模型准确性 | 首次将成对结构相似性方法与深度学习界面接触预测相结合，解决了传统方法在低质量模型聚集时失效的问题 | 未明确说明方法在特定类型蛋白质复合物上的局限性 | 开发蛋白质复合物模型准确性评估方法 | 蛋白质复合物和组装体的四级结构模型 | 生物信息学 | NA | 深度学习界面接触预测 | 深度学习 | 蛋白质结构模型 | CASP15评估中的24个预测器参与比较 | NA | NA | 相关系数, 排序损失 | NA |
| 731 | 2025-10-05 |
Development of a multi-feature predictive model for risk stratification in stage IB-IIA non-small cell lung cancer: a multicenter analysis
2025-Nov, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112379
PMID:40902436
|
研究论文 | 开发了一种整合临床病理数据与CT影像的多特征预测模型，用于IB-IIA期非小细胞肺癌的风险分层 | 首次将临床病理特征、放射组学特征和深度学习特征整合到单一预测模型中，并采用SHAP方法进行模型可解释性分析 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发IB-IIA期非小细胞肺癌的预后预测模型，实现风险分层 | IB-IIA期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT成像，放射组学分析 | CNN，逻辑回归 | 医学影像（CT），临床数据 | 训练集370例，内部验证120例，外部验证70例 | PyTorch/TensorFlow（基于ResNet架构推断） | ResNet50 | AUC，C-index，风险比（HR） | NA |
| 732 | 2025-10-05 |
A Guided Refinement Network Model With Joint Denoising and Segmentation for Low-Dose Coronary CTA Subtle Structure Enhancement
2025-Oct, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3561338
PMID:40293900
|
研究论文 | 提出一种基于联合学习的引导精炼网络模型，用于从低剂量冠状动脉CTA中恢复高质量图像 | 将冠状动脉分割整合到去噪过程中，通过相互引导实现有效交互和协同优化 | 未明确说明样本数据的具体来源和多样性限制 | 提升低剂量冠状动脉CTA成像质量，同时实现噪声抑制和细微结构增强 | 低剂量冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | 深度学习网络 | 医学图像 | NA | NA | 引导精炼网络 | 噪声抑制、细微结构恢复、视觉感知改善 | NA |
| 733 | 2025-10-05 |
Quantitative radiomic analysis of computed tomography scans using machine and deep learning techniques accurately predicts histological subtypes of non-small cell lung cancer: A retrospective analysis
2025-Oct, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110376
PMID:40803192
|
研究论文 | 本研究通过机器学习和深度学习技术对CT扫描进行定量影像组学分析，准确预测非小细胞肺癌的组织学亚型 | 首次系统比较多种机器学习模型和深度神经网络在基于CT影像组学特征预测NSCLC组织学亚型中的性能 | 回顾性研究设计，样本量相对有限（422例），缺乏外部验证 | 开发基于CT影像组学特征的机器学习模型来预测非小细胞肺癌的组织学亚型 | 非小细胞肺癌患者的肺部CT扫描图像 | 医学影像分析 | 肺癌 | CT影像组学分析 | 机器学习模型, 深度神经网络 | 医学影像 | 422例肺部CT扫描 | PyRadiomics, 多种机器学习框架 | 逻辑回归, 支持向量机, 随机森林, XGBoost, LightGBM, CatBoost, 深度神经网络 | 准确率, AUC-ROC | NA |
| 734 | 2025-10-05 |
VNWoodKnot: A benchmark image dataset for wood knot detection and classification
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112039
PMID:41018861
|
研究论文 | 本文介绍了用于木材节疤检测和分类的基准图像数据集VNWoodKnot | 填补了木材缺陷检测领域公开数据集的空白，提供了包含三种节疤类别的高分辨率图像数据集 | NA | 开发用于工业级木材缺陷检测的实时、可扩展且可靠的深度学习模型 | 木材表面节疤缺陷 | 计算机视觉 | NA | 图像采集 | 深度学习 | 图像 | 1,515张高分辨率木材表面图像（活节519张、死节496张、无节疤500张） | NA | NA | NA | NA |
| 735 | 2025-10-05 |
Global mapping of artificial intelligence applications in breast cancer from 1988-2024: a machine learning approach
2025-Sep-29, Breast cancer (Tokyo, Japan)
DOI:10.1007/s12282-025-01783-7
PMID:41016987
|
研究论文 | 通过机器学习方法分析1988-2024年间人工智能在乳腺癌应用中的全球研究格局 | 首次对36年间AI在乳腺癌护理全流程中的应用进行系统性映射分析，结合合作网络分析和主题建模 | 仅包含Web of Science英文文献，机器人技术和ML在手术肿瘤学和术后护理应用的研究仍然有限 | 批判性考察AI在乳腺癌护理连续体中的应用，阐明关键研究进展、新兴趋势和普遍模式 | 1988-2024年间发表的8,711篇乳腺癌AI研究相关文献 | 机器学习 | 乳腺癌 | 共现映射、聚类分析、主题建模 | LDA, 线性回归 | 文献元数据 | 8,711篇出版物 | NA | NA | NA | NA |
| 736 | 2025-10-05 |
Prediction of regional cropland soil organic carbon content and distribution using deep learning: a case study of the Northeast China Plain
2025-Sep-29, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14622-1
PMID:41017007
|
研究论文 | 本研究利用深度学习方法预测东北平原农田土壤有机碳空间分布并识别其关键驱动因素 | 首次将ResNet与Deep Forest算法集成应用于土壤有机碳空间分布预测，结合多源数据（遥感、气象、地形）进行综合分析 | 研究区域仅限于东北平原，模型在其他地理区域的适用性有待验证 | 开发高效的土壤有机碳空间分布预测方法，为农田土壤质量改善和碳固存提供科学依据 | 东北平原农田土壤有机碳 | 机器学习 | NA | 遥感技术, 气象观测, 地形分析 | CNN, Deep Forest | 遥感数据, 气象数据, 地形数据, 实地测量数据 | 1000个实地测量样本 | NA | ResNet, Deep Forest | MSE, R | NA |
| 737 | 2025-10-05 |
Genotype-by-sex interaction analyses for alcohol use disorder across biobanks
2025-Sep-29, Alcohol, clinical & experimental research
DOI:10.1111/acer.70173
PMID:41017299
|
研究论文 | 通过多祖先群体数据研究基因型与性别对酒精使用障碍风险的交互作用 | 首个酒精使用障碍的全基因组基因型-性别交互作用研究，发现了多个与性别特异性相关的遗传位点 | 研究结果需要在更多样化的群体中进一步验证 | 探索遗传变异如何与生物性别相互作用影响酒精使用障碍风险 | 酒精使用障碍患者和对照人群 | 基因组学 | 酒精使用障碍 | 全基因组关联分析, 深度学习, 表达数量性状位点分析 | 深度学习 | 基因组数据, 临床数据 | 1,039,476名参与者（150,429例病例和889,046例对照） | NA | NA | p值 | NA |
| 738 | 2025-10-05 |
AI-driven advances in metal-organic frameworks: from data to design and applications
2025-Sep-29, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04220h
PMID:41017480
|
综述 | 本文全面概述人工智能在加速金属有机框架研究中的策略与应用 | 系统整合了AI在MOF领域的多种驱动策略，包括性质预测、结构生成与合成规划的规模化实现 | 面临数据质量、模型可解释性和实验验证的挑战 | 加速金属有机框架材料的研究与创新 | 金属有机框架材料 | 机器学习 | NA | 图神经网络，生成模型，AI-模拟混合框架 | 深度学习，生成模型 | 化学结构数据，材料属性数据 | NA | NA | 图神经网络，生成模型 | NA | NA |
| 739 | 2025-10-05 |
Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials
2025-Sep-29, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00561
PMID:41017675
|
综述 | 探讨人工智能在神经再生生物材料开发中的应用及其对外周神经病变修复的潜力 | 将人工智能与生物材料开发相结合，通过机器学习和深度学习优化材料性能并预测神经再生效果 | 面临数据整合困难、算法复杂性高以及临床转化难度大等挑战 | 开发用于外周神经病变修复的智能再生生物材料 | 外周神经病变修复材料 | 机器学习 | 外周神经病变 | 3D生物打印 | 机器学习,深度学习 | 材料性能数据,虚拟实验数据 | NA | NA | NA | 生物相容性,机械性能 | NA |
| 740 | 2025-10-05 |
Personalised sports rehabilitation analysis using a fitness enhanced model based on big data and deep learning
2025-Sep-29, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2561926
PMID:41020342
|
研究论文 | 本研究开发了一种基于大数据和深度学习的个性化运动康复分析模型，通过整合可穿戴设备和环境传感器技术来监测健身气功训练效果 | 将嵌入式技术和大数据分析应用于健身气功康复管理，创建了技术增强的个性化康复模型 | NA | 建立现代健康康复管理模式，通过技术整合提升康复效果 | 健身气功训练参与者 | 机器学习 | 康复医学 | 可穿戴设备,环境传感器,大数据分析 | 深度学习模型 | 生理数据,运动数据 | NA | NA | NA | 心率变异性,呼吸频率,运动效率,压力水平,依从率 | NA |