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,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!
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10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。
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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
7801 | 2025-02-07 |
Optimal Transport Based Graph Kernels for Drug Property Prediction
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3480708
PMID:39906265
|
研究论文 | 本文提出了一种基于最优传输理论的图核方法,用于预测药物的ADMET属性 | 利用最优传输理论构建了三种图核,用于预测药物的ADMET属性,并在多个数据集上表现出色,超越了现有的图深度学习模型 | 未明确提及具体局限性 | 开发一种计算工具,用于早期药物开发阶段准确预测药物的ADMET属性 | 药物的ADMET属性 | 机器学习 | NA | 最优传输理论、图匹配 | 图核方法 | 图数据 | 19个不同的ADMET数据集 |
7802 | 2025-02-07 |
ChromosomeNet: Deep Learning-Based Automated Chromosome Detection in Metaphase Cell Images
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3512932
PMID:39906268
|
研究论文 | 本研究提出了一种基于深度学习的系统,用于自动检测和识别中期细胞图像中的染色体 | 结合了一阶段和两阶段模型的优势,无需预处理即可使用原始图像,适用于临床环境 | 需要进一步研究以确认其临床适用性,包括使用其他医院的数据进行跨医院验证 | 开发一种自动染色体检测和识别系统,以减轻人工分析的负担 | 中期细胞图像中的染色体 | 计算机视觉 | 染色体异常 | 深度学习 | ChromosomesNet | 图像 | 5,000张中期细胞图像,包含229,852条染色体 |
7803 | 2025-02-07 |
Evaluating the advancements in protein language models for encoding strategies in protein function prediction: a comprehensive review
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1506508
PMID:39906415
|
综述 | 本文全面回顾了蛋白质语言模型在蛋白质功能预测编码策略中的进展 | 深入分析了最新蛋白质语言模型在蛋白质功能预测中的应用现状,并与传统预测方法进行了详尽的性能比较 | NA | 评估蛋白质语言模型在蛋白质功能预测中的编码策略进展 | 蛋白质序列数据 | 生物信息学 | NA | 深度学习 | 蛋白质语言模型 | 蛋白质序列数据 | NA |
7804 | 2025-02-07 |
ECG-LM: Understanding Electrocardiogram with a Large Language Model
2025, Health data science
DOI:10.34133/hds.0221
PMID:39906894
|
研究论文 | 本文介绍了ECG-LM,一种能够处理自然语言并理解心电图信号的多模态大语言模型 | 首次开发出能够处理自然语言并理解心电图信号的多模态大语言模型,解决了文本-ECG数据稀缺的问题 | 由于文本-ECG数据的稀缺性,模型的应用范围可能受到限制 | 开发一种能够整合患者数据和心电图读数并提供临床建议的多模态大语言模型 | 心电图信号和患者信息 | 自然语言处理 | 心血管疾病 | 多模态大语言模型 | ECG-LM | 文本和心电图信号 | 利用医疗指南中的详细心电图模式描述生成的文本-ECG对,以及来自医院的真实临床数据 |
7805 | 2025-02-07 |
Intelligent cholinergic white matter pathways algorithm based on U-net reflects cognitive impairment in patients with silent cerebrovascular disease
2024-Dec-30, Stroke and vascular neurology
IF:4.4Q1
DOI:10.1136/svn-2023-002976
PMID:38569895
|
研究论文 | 本文开发了一种基于U-net的智能算法,用于评估静默性脑血管病患者的胆碱能白质通路损伤,并反映其认知功能下降 | 首次建立了基于深度学习的智能算法,用于评估胆碱能白质通路损伤,并与金标准相比具有较高的准确性 | 算法的外部验证样本量较小(100例),可能需要更大规模的外部验证 | 评估静默性脑血管病患者的胆碱能白质通路损伤及其与认知功能的关系 | 静默性脑血管病(SCD)患者 | 数字病理学 | 脑血管疾病 | 深度学习 | CNN(卷积神经网络) | 医学影像 | 内部训练和测试集464例SCD患者,外部验证集100例SCD患者 |
7806 | 2025-02-07 |
Application of deep learning models on single-cell RNA sequencing analysis uncovers novel markers of double negative T cells
2024-12-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82406-7
PMID:39732739
|
研究论文 | 本研究应用深度学习模型于单细胞RNA测序分析,揭示了双阴性T细胞的新标记物 | 使用深度学习模型(如scVI)捕捉非线性基因表达模式,揭示了双阴性T细胞的新标记物,并验证了这些标记物在流式细胞术分析中的有效性 | 研究主要基于C57BL/6小鼠,人类样本的验证较少 | 揭示双阴性T细胞的新标记物,并验证其在健康和疾病中的表型和功能特征 | C57BL/6小鼠和MRL/lpr小鼠的双阴性T细胞 | 生物信息学 | 自身免疫疾病 | 单细胞RNA测序(scRNA-seq) | Single Cell Variational Inference (scVI) | 基因表达数据 | C57BL/6小鼠和MRL/lpr小鼠的双阴性T细胞样本 |
7807 | 2025-02-07 |
Predicting RNA Structure and Dynamics with Deep Learning and Solution Scattering
2024-Dec-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.08.598075
PMID:39764023
|
研究论文 | 本文介绍了一种名为SCOPER的管道,结合了基于运动学的构象采样和创新的深度学习模型IonNet,用于预测RNA分子的结构和动力学 | SCOPER通过整合Mg离子结合位点预测的深度学习模型IonNet和构象采样,显著提高了SAXS剖面拟合的质量 | 需要初始的足够准确的结构,且需谨慎调整可塑性和离子密度以避免过拟合实验SAXS数据 | 预测RNA分子在溶液中的结构和动力学 | RNA分子 | 机器学习 | NA | 小角X射线散射(SAXS) | 深度学习模型IonNet | 实验SAXS数据 | 14个实验数据集 |
7808 | 2025-02-07 |
Automatic detection and counting of wheat spike based on DMseg-Count
2024-11-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80244-1
PMID:39613805
|
研究论文 | 本文提出了一种基于DMseg-Count模型的小麦穗自动检测与计数方法,以提高复杂田间环境下小麦穗计数的准确性 | 通过增强局部上下文监督信息,改进了现有的目标对象计数模型DM-Count,提出了DMseg-Count模型,并设计了逐元素点乘机制来融合全局和局部上下文监督信息 | 未提及具体的数据集大小或模型在不同环境下的泛化能力 | 提高小麦穗图像的自动检测与计数准确性,以支持产量预测和品种评估 | 小麦穗图像 | 计算机视觉 | NA | 深度学习 | DMseg-Count | 图像 | 未提及具体样本数量 |
7809 | 2025-02-06 |
Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning
2024-Nov-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54771-4
PMID:39614072
|
研究论文 | 本研究介绍了一种无监督深度学习模型MOSA,用于整合和增强癌症依赖图谱(DepMap),通过生成分子和表型特征,增加了多组学特征的数量,并生成了1523个癌细胞系的完整DepMap | MOSA模型首次利用无监督深度学习技术整合和增强多组学数据,显著增加了多组学特征的数量,并揭示了与药物抗性相关的机制 | 研究主要依赖于癌细胞系数据,可能无法完全反映体内肿瘤的复杂性 | 整合和增强多组学数据,以更全面地理解癌症生物学 | 癌细胞系 | 机器学习 | 癌症 | 无监督深度学习 | MOSA | 多组学数据 | 1523个癌细胞系 |
7810 | 2025-02-07 |
nPOD-Kidney: A Heterogenous Donor Cohort for the Investigation of Diabetic Kidney Disease Pathogenesis and Progression
2024-Nov-05, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000620
PMID:39499578
|
研究论文 | 本文介绍了nPOD-K项目,旨在通过使用器官捐赠者的肾脏来增强对糖尿病肾病(DKD)进展的理解 | 利用器官捐赠者的肾脏样本,结合传统和数字病理学方法,深入研究了DKD的病理机制和进展 | 研究依赖于器官捐赠者的样本,可能受到样本来源和数量的限制 | 研究目的是通过分析器官捐赠者的肾脏样本,深入了解糖尿病肾病的病理机制和进展 | 研究对象为糖尿病肾病患者的肾脏样本 | 数字病理学 | 糖尿病肾病 | 传统病理学和数字病理学方法,包括深度学习和机器学习图像分析工具 | 深度学习分割和机器学习图像分析工具 | 图像 | nPOD-K队列中的肾脏样本 |
7811 | 2025-02-07 |
Machine learning-optimized targeted detection of alternative splicing
2024-Sep-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.20.614162
PMID:39386495
|
研究论文 | 本文介绍了一种高效的靶向RNA测序方法LSV-seq,用于全面检测和量化选择性剪接 | 提出了基于机器学习的引物设计算法Optimal Prime,显著提高了剪接事件的检测效率和灵敏度 | NA | 优化选择性剪接的检测和量化 | RNA剪接事件 | 机器学习 | NA | RNA-seq, LSV-seq | 深度学习 | RNA测序数据 | NA |
7812 | 2025-02-07 |
Empowering Portable Age-Related Macular Degeneration Screening: Evaluation of a Deep Learning Algorithm for a Smartphone Fundus Camera
2024-09-05, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2023-081398
PMID:39237272
|
研究论文 | 本研究评估了一种用于智能手机眼底相机的深度学习算法在检测可转诊的年龄相关性黄斑变性(AMD)方面的性能 | 首次评估了基于智能手机眼底相机的AI系统在AMD筛查中的应用,并展示了深度学习算法在不同数据集上的高敏感性和特异性 | 研究依赖于回顾性图像数据库,且样本主要来自特定人群(亚洲人),可能限制了结果的普遍性 | 评估深度学习算法在便携式智能手机眼底相机上检测可转诊AMD的性能 | 年龄相关性黄斑变性(AMD)患者 | 计算机视觉 | 年龄相关性黄斑变性 | 深度学习 | 深度学习算法 | 图像 | 训练集包括108,251张图像(AREDS数据集)和1,108张图像(亚洲人数据集),测试集包括909张图像(AREDS数据集)和238张图像(亚洲人数据集) |
7813 | 2025-02-07 |
Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities
2024-Sep, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-024-03427-6
PMID:39107521
|
研究论文 | 本文评估了一种基于深度学习的脑电图(EEG)监测视觉趋势,用于新生儿缺氧缺血性脑病(HIE)的严重程度评估 | 使用深度学习模型Brain State of the Newborn (BSN)作为床边标记,早期区分正常和异常结果,并与Total Sarnat Score相关 | 样本量较小,仅包括46名HIE新生儿 | 评估深度学习在新生儿缺氧缺血性脑病(HIE)严重程度评估中的应用 | 46名HIE新生儿与健康婴儿 | 机器学习 | 新生儿缺氧缺血性脑病 | 深度学习 | BSN | EEG数据 | 46名HIE新生儿 |
7814 | 2025-02-07 |
AI and Big Data approaches to addressing the opioid crisis: a scoping review protocol
2024-08-31, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2024-084728
PMID:39645274
|
综述协议 | 本文概述了评估人工智能(AI)和大数据技术在应对阿片类药物危机中的最新发展及其相关性的必要步骤 | 首次提出对AI驱动技术在检测、治疗、预防或应对阿片类药物危机中的有效性进行全面范围审查 | 尚未进行全面的范围审查,缺乏对AI和大数据技术在阿片类药物危机中应用效果的系统评估 | 评估AI和大数据技术在应对阿片类药物危机中的最新发展及其相关性 | 阿片类药物危机 | 自然语言处理, 机器学习 | 阿片类药物危机 | 机器学习, 深度学习, 自然语言处理 | NA | 文本, 数据 | NA |
7815 | 2025-02-07 |
Focal liver lesion diagnosis with deep learning and multistage CT imaging
2024-Aug-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51260-6
PMID:39147767
|
研究论文 | 本研究开发了一种使用多期增强CT的自动诊断系统,用于诊断肝脏病变 | 开发了Liver Lesion Network (LiLNet),并在多个外部中心验证了其有效性,展示了高准确率和AUC值 | 未提及具体局限性 | 开发一种自动诊断系统,用于诊断肝脏病变 | 4039名来自六个数据中心的患者 | 计算机视觉 | 肝癌 | 多期增强CT | 深度学习 | 图像 | 4039名患者 |
7816 | 2025-02-07 |
CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning
2024-Aug-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03698-y
PMID:39122750
|
研究论文 | 本文介绍了CREMP,一个用于快速开发和评估大环肽机器学习模型的资源 | CREMP提供了36,198种独特的大环肽及其高质量的结构集合,这些集合是使用Conformer-Rotamer Ensemble Sampling Tool (CREST)生成的,包含近31.3百万种独特的大环几何结构,每种结构都附有半经验扩展紧束缚(xTB) DFT计算得出的能量注释 | 尽管CREMP提供了大量数据,但大环肽的独特性质使得其建模仍然具有挑战性 | 开发能够改进肽设计和优化的机器学习模型,以用于新型治疗药物的开发 | 大环肽 | 机器学习 | NA | Conformer-Rotamer Ensemble Sampling Tool (CREST), 半经验扩展紧束缚(xTB) DFT计算 | NA | 结构数据 | 36,198种独特的大环肽,包含近31.3百万种独特的大环几何结构 |
7817 | 2025-02-07 |
Artificial intelligence for gastric cancer in endoscopy: From diagnostic reasoning to market
2024-Jul, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2024.04.019
PMID:38763796
|
综述 | 本文综述了人工智能在内窥镜检查中用于胃癌诊断的现状、挑战及临床应用前景 | 全面评估了人工智能在内窥镜成像中用于评估胃癌前病变和癌变的应用现状及广泛实施的技术障碍 | 需要更稳健的验证研究和克服监管障碍 | 评估人工智能在内窥镜成像中用于胃癌诊断的现状及临床应用障碍 | 胃癌前病变和癌变 | 计算机视觉 | 胃癌 | 深度学习模型 | NA | 图像 | NA |
7818 | 2025-02-07 |
Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63367-3
PMID:38871739
|
研究论文 | 本文通过深度学习技术对YouTube上关于哈马斯-以色列战争的评论进行情感分析,以确定公众意见 | 开发了一种基于深度学习的情感分析方法,结合了CNN和Bi-LSTM的混合模型,并使用Word2vec进行特征提取,达到了95.73%的分类准确率 | 研究仅限于YouTube平台上的评论,且样本量相对较小(24,360条评论),可能无法全面反映公众意见 | 通过情感分析评估公众对哈马斯-以色列战争的意见和情感 | YouTube上关于哈马斯-以色列战争的评论 | 自然语言处理 | NA | NLP, Word2vec, FastText, GloVe, SMOTE | LSTM, Bi-LSTM, GRU, CNN和Bi-LSTM的混合模型 | 文本 | 24,360条评论 |
7819 | 2025-02-07 |
The Neurobeachin-like 2 protein (NBEAL2) controls the homeostatic level of the ribosomal protein RPS6 in mast cells
2024-05, Immunology
IF:4.9Q2
DOI:10.1111/imm.13756
PMID:38272677
|
研究论文 | 本文研究了Neurobeachin-like 2蛋白(NBEAL2)在肥大细胞中控制核糖体蛋白RPS6稳态水平的功能 | 首次揭示了NBEAL2与RPS6的相互作用,并阐明了NBEAL2在肥大细胞中调控RPS6蛋白稳态的机制 | 研究主要基于小鼠模型和体外细胞系,尚未在人体中进行验证 | 探究NBEAL2在肥大细胞中的具体功能及其与RPS6的相互作用 | 小鼠肥大细胞及MC/9细胞系 | 分子生物学 | NA | CRISPR/Cas9、RoseTTAFold、Pymol、共免疫沉淀、Western blot、ELISA、流式细胞术 | NA | 蛋白质结构数据、分子相互作用数据 | 野生型和Nbeal2基因敲除小鼠的肥大细胞及MC/9细胞系 |
7820 | 2025-02-07 |
Deep Learning-Based Glucose Prediction Models: A Guide for Practitioners and a Curated Dataset for Improved Diabetes Management
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3365290
PMID:38899015
|
研究论文 | 本研究利用从可穿戴传感器收集的生理数据,构建了一系列基于深度学习的数据驱动模型,旨在为糖尿病患者和风险人群提供准确的短期和中期血糖预测 | 系统比较了多种深度学习架构,确定了最佳输入变量集,比较了群体模型、微调模型和个性化模型,并评估了个体数据量对模型性能的影响,同时引入了一个精心策划的数据集 | 未提及具体模型的局限性 | 开发准确的血糖预测模型,以改善糖尿病管理 | 糖尿病患者和风险人群 | 机器学习 | 糖尿病 | 深度学习 | 深度学习模型 | 生理数据 | 包括健康个体和糖尿病患者的数据 |