深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
801	2025-12-13	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本研究通过单核RNA测序技术，结合深度学习模型APA-Net，揭示了肌萎缩侧索硬化症和额颞叶变性中眶额皮质的细胞类型特异性转录变化和选择性多聚腺苷酸化调控机制	开发了深度学习模型APA-Net，整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中解析细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要聚焦于C9orf72相关和散发性ALS病例，样本可能未覆盖所有ALS/FTLD亚型，且仅限于眶额皮质区域	探究ALS和FTLD的细胞类型特异性转录变化和选择性多聚腺苷酸化机制，以理解疾病病理生理学	ALS和FTLD患者的眶额皮质组织，包括C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据	未明确指定样本数量，但涉及C9orf72相关和散发性ALS病例的眶额皮质组织	NA	APA-Net	NA	NA
802	2025-12-13	Radiomics for differentiation of somatic BAP1 mutation on CT scans of patients with pleural mesothelioma 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064501 PMID:39669009	研究论文	本研究探讨了基于CT扫描的放射组学特征在区分胸膜间皮瘤患者体细胞BAP1基因突变状态中的潜力	首次利用放射组学方法结合机器学习模型，自动从CT图像中提取纹理特征来识别胸膜间皮瘤相关的体细胞BAP1突变，为无创基因状态评估提供了新思路	研究样本量相对较小（149例），模型性能有限（AUC 0.69），且尚未应用于胚系突变检测，需要进一步验证和扩展	探索放射组学在CT扫描中识别胸膜间皮瘤患者体细胞BAP1基因突变的可行性，并为未来胚系突变研究奠定基础	149例已知体细胞BAP1突变状态的胸膜间皮瘤患者	数字病理学	胸膜间皮瘤	CT扫描，放射组学特征提取	机器学习模型（包括决策树等）	医学图像（CT扫描）	149例患者	Scikit-learn	决策树	ROC AUC	NA
803	2025-12-13	Personalized phenotype encoding and prediction of pathological head development from cross-sectional images 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783545 PMID:41367399	研究论文	本文提出了一种新颖的深度学习架构，用于仅使用横截面数据对规范和病理性头部发育进行个性化预测	首次创建了与年龄和性别无关的患者表型表示，并能够在无需纵向数据训练的情况下实现病理性发育的个性化预测	NA	预测解剖发育，以辅助儿科外科治疗的选择和规划	儿科患者的头部发育，包括规范发育和病理性发育	计算机视觉	颅骨病理	深度学习	深度学习架构	图像	NA	NA	表型编码器, 生长预测器	头部表面生长预测误差, 体积误差	NA
804	2025-12-13	STDAN: Deformable Attention Network for Space-Time Video Super-Resolution 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243029 PMID:37027773	研究论文	提出一种用于时空视频超分辨率的可变形注意力网络（STDAN），通过长短期特征插值和时空可变形特征聚合模块提升视频重建质量	设计了长短期特征插值模块（LSTFI）利用双向RNN结构从更多相邻帧挖掘信息，并提出时空可变形特征聚合模块（STDFA）自适应捕获动态视频中的时空上下文	未明确说明模型在极端运动场景或计算资源受限环境下的性能表现	提升低分辨率低帧率视频的时空分辨率	视频序列	计算机视觉	NA	深度学习	RNN, 注意力网络	视频	多个数据集（未指定具体数量）	PyTorch（根据GitHub仓库推断）	STDAN（包含LSTFI和STDFA模块）	未明确说明，但提及超越现有方法	NA
805	2025-12-13	Deep Learning Sequence Models for Transcriptional Regulation 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-021623-024727 PMID:38594933	研究论文	本文综述了基于深度学习的序列模型在转录调控中的应用，包括预测非编码变异的功能后果	利用深度学习模型预测人类基因组中任何非编码变异的功能后果，包括罕见或未观察到的变异，并应用可解释性方法识别关键序列模式	未明确提及具体模型或实验的局限性	解码基因表达的调控代码并解释基因组变异对转录的影响	人类基因组DNA序列，包括非编码变异	自然语言处理	NA	深度学习序列模型	深度学习序列模型	DNA序列数据	NA	NA	NA	NA	NA
806	2025-12-13	Integrating Large-Scale Protein Structure Prediction into Human Genetics Research 2024-08, Annual review of genomics and human genetics IF:7.7Q1 DOI:10.1146/annurev-genom-120622-020615 PMID:38621234	综述	本文综述了深度学习模型在蛋白质结构和变异预测方面的最新进展，并探讨了其在人类遗传学和健康研究中的应用	强调将最先进的蛋白质信息学技术（如AlphaFold2）整合到人类遗传学研究中，以优先考虑未注释的错义变异	未具体讨论数据可用性、模型泛化能力或特定技术实施的局限性	促进蛋白质结构预测技术在人类遗传学研究中的更好整合，以注释变异对蛋白质功能的影响	人类蛋白质及其错义变异	自然语言处理	NA	深度学习，序列基结构预测	深度学习模型	蛋白质序列数据	数百万人类错义蛋白变异	NA	AlphaFold2	NA	NA
807	2025-12-12	Enhanced magnetic hyperthermia in graphene-magnetite nanohybrids for cancer therapy: Artificial intelligence-driven validation via Nonlinear Autoregressive with Exogenous Inputs-Long Short-Term Memory (NARX-LSTM) forecasting 2026-Mar, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214572 PMID:41151171	研究论文	本研究评估了石墨烯-磁铁矿纳米杂化物在不同成分和交变磁场下的加热效率，并利用NARX-LSTM混合深度学习模型预测温度演变，以优化癌症磁热疗效果	结合人工智能（NARX-LSTM模型）与纳米技术，实现磁热疗中温度演变的精确预测和个性化癌症治疗优化	高频（982 kHz）下因纳米颗粒弛豫动力学不匹配导致疗效降低，模型可能受实验数据范围限制	优化磁热疗的加热效率，推动个性化癌症治疗	石墨烯-磁铁矿纳米杂化物（GMNHs）	机器学习	癌症	磁热疗，交变磁场（AMFs）	NARX-LSTM	实验数据（温度、成分、磁场参数）	不同FeO:石墨烯比例（0-100%）和交变磁场条件（163-982 kHz, 12.7-23.9 mT）下的纳米杂化物样本	NA	NARX-LSTM	R值（≥0.997）	NA
808	2025-12-12	Advancing deep learning based knee cartilage segmentation in MRI: Innovations, challenges and applications 2026-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100702 PMID:41362327	综述	本文综述了基于深度学习的膝关节软骨MRI分割的最新进展、挑战与应用	系统评估了多种深度学习架构与技术，并重点讨论了数据稀缺、域偏移和成像变异性等关键挑战的解决方案，如半监督学习、域适应、数据增强策略和基础模型	未提出新的原创模型或算法，主要基于现有文献进行综述；未涉及具体实验验证或性能比较	回顾和评估深度学习在膝关节软骨MRI分割中的最新方法、挑战及临床意义	膝关节软骨的MRI图像分割	计算机视觉	骨关节炎	MRI	深度学习模型	MRI图像	NA	NA	NA	分割准确性, 效率	NA
809	2025-12-12	Advancing biomaterial research with artificial intelligence 2026-Mar, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214535 PMID:41075468	综述	本文详细探讨了人工智能（包括机器学习和深度学习）在聚合物、金属、陶瓷和复合材料等各类生物材料研究中的应用，并讨论了AI在解决前向和逆向设计问题中的角色及其局限性	系统综述了AI在生物材料研究中的多类别应用，并引入了可解释人工智能（如SHAP和LIME）作为解决模型可解释性等挑战的新兴方案	讨论了AI在生物材料研究中的关键限制，包括模型可解释性、数据质量和过拟合问题	加速生物材料的开发与创新，提升其性能、效率和可扩展性，同时应对传统制造与表征过程中的挑战	各类生物材料，包括聚合物、金属、陶瓷和复合材料	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
810	2025-12-12	FoodABSANet: Developing an adaptive graph convolutional neural network for aspect-based sentiment analysis of food reviews with a weighted polarity score 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108635 PMID:40914996	研究论文	本文提出了一种名为FoodABSANet的自适应图卷积神经网络，用于食品评论的方面级情感分析，并引入了加权极性评分	开发了一种自适应图卷积神经网络，结合加权极性评分，以处理方面级情感分析中多个方面相互影响的问题	NA	改进方面级情感分析（ABSA）方法，特别是在食品评论领域，以实现更精确的消费者情感极性挖掘	食品评论	自然语言处理	NA	NA	图卷积神经网络（GCN）	文本	NA	NA	FoodABSANet	NA	NA
811	2025-12-12	Construction and optimization of a LAMP-based diagnostic platform for acute hepatopancreatic necrosis disease in Penaeus vannamei 2026-Feb, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2025.108481 PMID:41173175	研究论文	本研究开发并优化了一种基于环介导等温扩增（LAMP）的低成本、便携式诊断平台，用于快速检测南美白对虾的急性肝胰腺坏死病（AHPND）	平台整合了荧光检测与智能手机兼容设备，开发了基于深度学习的感染检测算法以实现自动化诊断，并筛选了适应性最佳的荧光核酸染料以提升等温扩增方法的性能	研究未明确提及平台在野外或极端环境下的稳定性测试，也未讨论与其他现有诊断方法的直接比较	开发一种快速、低成本、便携的诊断工具，用于早期检测南美白对虾的急性肝胰腺坏死病（AHPND），以控制疾病传播	南美白对虾（Penaeus vannamei）及其感染的急性肝胰腺坏死病（AHPND）病原体	数字病理学	急性肝胰腺坏死病	环介导等温扩增（LAMP）、荧光检测	深度学习算法	荧光信号、图像数据	未明确提及具体样本数量，仅说明用于虾样本检测	未明确提及	未明确提及	特异性、灵敏度、检测限（1 copies/µL）	未明确提及
812	2025-12-12	Deep learning and molecular dynamics reveal promising EZH2 inhibitors for epigenetic cancer targeting 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108784 PMID:41237543	研究论文	本研究结合深度生成模型与计算药物设计方法，识别新型EZH2抑制剂用于表观遗传癌症靶向治疗	整合了微调的REINVENT生成模型与结构及配体为基础的计算方法，用于发现新型EZH2抑制剂，并通过多维度验证（分子对接、动力学模拟、药代动力学预测）筛选出优于参考药物的先导化合物	研究主要基于计算模拟和预测，缺乏体外或体内实验验证化合物的实际疗效和毒性	加速EZH2抑制剂的发现，用于表观遗传癌症靶向治疗	EZH2蛋白及其潜在抑制剂化合物	机器学习	癌症	分子对接, 分子动力学模拟, QSAR建模, DFT计算	生成模型, 分类模型	分子结构数据, 化学性质数据	从ChEMBL化合物库生成并筛选，优先考虑了511个经过PAINS过滤的化合物进行基于结构的筛选，最终鉴定出4个先导化合物（161, 225, 234, 383）	NA	REINVENT	ROC-AUC, R², Q², 结合亲和力 (kcal/mol), RMSD (Å), RMSF (Å)	NA
813	2025-12-12	Research on a novel gene sequence prediction and homomorphic encryption method based on Mamba-VMD 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108780 PMID:41240440	研究论文	本研究提出了一种结合Mamba神经网络基因序列预测与同态加密的分析方法，用于在云环境中安全地进行基因序列预测与相似性分析	创新性地将Mamba神经网络用于基因序列预测，并结合变分模态分解（VMD）与同态加密技术，实现了在保护隐私前提下的云环境基因数据分析	仅以猴痘病毒的一个实验序列（SRX17751190/SRR21755835）为例进行验证，样本规模有限，未在不同物种或大规模数据集上测试泛化能力	开发一种能够在云环境中安全进行基因序列预测与隐私保护的分析方法	猴痘病毒基因序列（实验ID SRX17751190，测序ID SRR21755835）	生物信息学	猴痘	基因序列分析，同态加密	Mamba神经网络	基因序列数据	1个病毒基因序列（猴痘病毒SRX17751190/SRR21755835）	NA	Mamba神经网络，VMD（变分模态分解）	MAE, MSE, RMSE, MAPE, MSPE, CKKS同态加密计算误差	云计算环境
814	2025-12-12	Constructing a deep learning-assisted smartphone application for intelligent recognition of steak doneness during cooking 2026-Feb, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109995 PMID:41241987	研究论文	本研究构建了一个深度学习驱动的智能手机应用，用于烹饪过程中牛排熟度的智能识别	结合深度学习模型与理化特性，构建非破坏性牛排熟度评估框架，并开发移动端优化应用实现实时识别	NA	开发智能烹饪设备，提高牛排熟度识别的准确性和实时性	牛排	计算机视觉	NA	NA	CNN	图像	1803张图像来自601块不同牛排，153个样本的理化特性来自51块不同牛排	NA	DenseNet121	准确率	移动端边缘计算
815	2025-12-12	A two-step joint model based on deep learning realizes intelligent recognition of exfoliated cells in serous effusion 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108616 PMID:40784070	研究论文	提出一种基于深度学习的两步联合模型，用于实现浆膜腔积液脱落细胞的智能识别	通过整合在线卷积重参数化模块改进YOLOv8模型，并结合双注意力视觉变换器，构建了两步联合框架，以标准化和增强诊断过程	未明确提及研究的具体局限性	标准化和增强浆膜腔积液的细胞学诊断过程，减少误诊和漏诊	浆膜腔积液中的脱落细胞，包括异常细胞以及正常细胞（淋巴细胞、间皮细胞、组织细胞、中性粒细胞）	数字病理学	恶性肿瘤	深度学习	YOLOv8, DaViT	图像	未明确提及具体样本数量	未明确提及	YOLOv8, DaViT	灵敏度, 准确率	未明确提及
816	2025-12-12	A unified graph-based approach for protein function prediction using AlphaFold structures and sequence features 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108609 PMID:40815964	研究论文	提出了一种名为StructSeq2GO的新型混合模型，通过结合AlphaFold预测的蛋白质结构和序列特征来预测蛋白质功能	首次将AlphaFold预测的高精度蛋白质结构信息与ProteinBERT生成的序列嵌入相结合，利用图表示学习进行蛋白质功能预测	模型性能受AlphaFold结构预测质量影响，未来可从结构置信度建模方面改进；目前尚未扩展到通路水平或疾病相关注释预测	开发一种整合蛋白质结构和序列信息的统一方法，以提升蛋白质功能预测的准确性	蛋白质及其功能注释（基因本体GO标签）	计算生物学	NA	AlphaFold结构预测，ProteinBERT语言模型，图表示学习	图神经网络，语言模型	蛋白质序列，蛋白质结构，蛋白质-蛋白质相互作用网络	NA	NA	StructSeq2GO（自定义混合架构）	F分数，AUC，AUPR	NA
817	2025-12-12	Systemic Lupus Erythematosus prediction using Epistatic-Quantile Fusion Transformer network with integrated multi-omics and clinical data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108617 PMID:40818386	研究论文	本文提出了一种名为Epistatic-Quantile Fusion Transformer (EQF-T)的统一框架，用于整合多组学和临床数据以预测系统性红斑狼疮	引入了Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA)进行数据预处理，以及Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT)来捕获高阶基因-基因相互作用和跨组学层的结构依赖性	未在摘要中明确说明	开发一个深度学习框架，以有效整合高维多组学数据和电子健康记录，实现系统性红斑狼疮的早期预测	系统性红斑狼疮患者的多组学数据和临床数据	机器学习	系统性红斑狼疮	多组学数据整合，电子健康记录分析	Transformer, Autoencoder	多组学数据，临床数据	未在摘要中明确说明	未在摘要中明确说明	Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA), Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT), SLE-Net	准确率, 精确率, 召回率, F1分数, ROC-AUC	未在摘要中明确说明
818	2025-12-12	A novel hybrid deep learning model using MEResNext for autism spectrum disorder detection 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108619 PMID:40834741	研究论文	本文提出了一种结合MoNet和ResNeXt的混合深度学习模型MEResNeXt，用于自闭症谱系障碍的检测	提出了一种名为DeSEHO的特征选择方法（结合双指数平滑和麋鹿群优化器），并构建了新型混合深度学习模型MEResNeXt	未提及模型在独立外部数据集上的验证情况，也未讨论计算复杂度或实时应用可行性	开发一种用于自闭症谱系障碍检测的混合深度学习方法	自闭症谱系障碍患者的数据	机器学习	自闭症谱系障碍	Yeo-Jhonson变换，双指数平滑，麋鹿群优化器	深度学习，混合模型	未明确说明（可能是医学或行为数据）	NA	NA	MEResNeXt（MoNet与ResNeXt的组合）	准确率，灵敏度，特异性	NA
819	2025-12-12	LYnet: Computational identification of tumor T cell antigens using convolutional and recurrent neural networks 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108630 PMID:40876398	研究论文	本研究提出了一种名为LYnet的新型深度学习模型，用于准确预测肿瘤T细胞抗原，以改进癌症疫苗的开发	构建了一个结合一维卷积神经网络和双向长短期记忆层的混合架构，以同时捕捉局部基序模式和长程序列依赖性，并采用SMOTE-Tomek策略处理类别不平衡问题	未在更广泛、更多样化的独立数据集上进行验证，模型性能可能受限于训练数据的质量和代表性	开发一种高精度的计算模型，以改进肿瘤T细胞抗原的识别，从而促进更有效的治疗性癌症疫苗的开发	肿瘤T细胞抗原的氨基酸序列	生物信息学/计算生物学	癌症	深度学习，序列特征提取（AAindex, AAK-mer, CKSAAP/CKSAAGP, 理化组成向量）	CNN, LSTM	序列数据（氨基酸序列）	使用了LYnet基准数据集进行训练和10折交叉验证，并在两个独立基准集（TAP 1.0和iTTCA-RF）上进行评估	NA	一维CNN与双向LSTM的混合架构（LYnet）	AUC, 灵敏度, 特异性, MCC	NA
820	2025-12-12	Diagnosis of leukemia using microarray analysis based on Hidden Markov Model and Random Convolutional Kernel Transform 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108676 PMID:40946356	研究论文	本研究提出了一种结合生成对抗网络、隐马尔可夫模型和随机卷积核变换的深度学习模型，用于基于微阵列数据的白血病高精度诊断	首次将GAN（U-Net架构）用于生成白血病诊断相关的合成微阵列数据，并结合HMM进行特征排序与ROCKET方法进行分类，实现了对五种白血病亚型的高精度分类	未明确说明模型在独立外部验证集上的泛化性能，也未讨论计算复杂度和临床部署可行性	提高基于微阵列数据的白血病亚型诊断准确率	白血病患者的基因微阵列数据	机器学习	白血病	微阵列分析	GAN, HMM, ROCKET	基因表达数据	NA	NA	U-Net	准确率	NA