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
8741	2026-01-02	A Transformer-Based Deep Learning Approach to Predicting Air Organic Pollutant-Human Protein Interactions 2025-Dec-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c12915 PMID:41381047	研究论文	本文提出了一种基于Transformer的深度学习模型tipFormer，用于预测空气有机污染物与人类蛋白质之间的相互作用	结合双预训练语言模型编码蛋白质和有机污染物，并利用交叉注意力机制学习污染物-蛋白质结合的复杂相互作用模式	当前方法在系统识别新兴空气污染物早期结合事件方面仍有限制	预测空气有机污染物与人类蛋白质的相互作用，以促进对污染相关毒性的机制理解和风险评估	空气有机污染物和人类蛋白质	自然语言处理	NA	深度学习	Transformer	文本	NA	NA	Transformer	AUC	NA
8742	2025-12-24	Cross-cohort genetic risk prediction for Alzheimer's disease: a transfer learning approach using GWAS and deep learning models 2025-Dec-22, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00506-0 PMID:41430307	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8743	2026-01-02	Deep learning-based non-contrast MRI model for nasopharyngeal carcinoma diagnosis: an end-to-end gadolinium-free solution 2025-Dec-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02247-0 PMID:41430426	研究论文	本研究提出了一种基于深度学习的无对比剂MRI模型，用于鼻咽癌诊断，旨在减少对钆基对比剂的依赖	开发了一种创新的知识蒸馏模态融合模型，仅使用非对比MRI进行鼻咽癌诊断，避免了钆基对比剂的安全风险，并缩短了扫描时间	研究未明确说明模型在更广泛人群或不同MRI设备上的泛化能力，且外部测试集的AUC略低于内部测试集	开发一种无需钆基对比剂的鼻咽癌诊断方法，以提高安全性并降低成本	鼻咽癌患者	数字病理学	鼻咽癌	非对比MRI	深度学习模型	MRI图像	854例病例用于开发模型，内部测试集257例，外部测试集277例	NA	知识蒸馏模态融合模型	AUC	NA
8744	2026-01-02	CaliciBoost: Performance-driven evaluation of molecular representations for caco-2 permeability prediction 2025-Dec-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01137-7 PMID:41430621	研究论文	本研究系统评估了八种分子特征表示类型结合自动化机器学习技术，用于预测Caco-2渗透性，并开发了性能优异的CaliciBoost模型	首次系统比较了包括2D/3D描述符、结构指纹和深度学习嵌入在内的多种分子表示方法，结合AutoML优化，在公开排行榜上取得最佳性能，并强调了3D描述符在提升预测准确性中的关键作用	研究主要基于两个特定数据集（TDC基准和OCHEM数据），可能在不同化学多样性或规模的数据上泛化能力有限，且未深入探讨模型在更广泛ADMET属性预测中的适用性	提高Caco-2渗透性预测的准确性和效率，为早期药物发现中的口服吸收预测提供计算工具	药物候选分子的Caco-2渗透性	机器学习	NA	自动化机器学习（AutoML），分子描述符计算（2D/3D），特征重要性分析（SHAP，置换重要性）	集成学习模型（具体为CaliciBoost，基于AutoML优化）	分子结构数据（包括2D/3D描述符、指纹、嵌入）	两个数据集：TDC基准数据集和OCHEM数据集，具体样本数量未在摘要中明确说明	AutoML框架（具体框架未指定，可能包括如AutoGluon、H2O.ai或自定义流程），结合RDKit、PaDEL、Mordred等化学信息学工具	CaliciBoost（基于AutoML优化的集成模型），具体基础架构未详细说明，可能包括梯度提升树（如XGBoost、LightGBM）等	MAE（平均绝对误差），在TDC Caco-2排行榜上的排名	NA
8745	2026-01-02	Deep learning to predict emergency department revisit using static and dynamic features (Deep Revisit): development and validation study 2025-Dec-20, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00509-x PMID:41422240	研究论文	本研究开发并验证了一种结合静态和动态特征的深度学习模型，用于预测急诊科再就诊风险	提出了一种结合TCN和FT-Transformer的混合深度学习模型，首次有效整合了静态特征和短期动态生命体征数据，并开发了处理时间不规则性的预处理策略	研究仅基于单一医疗中心的数据，未在多中心数据上进行验证，且高风险再就诊的基础率较低（0.01）	开发能够准确预测急诊科再就诊风险的深度学习模型，特别关注高风险再就诊病例的识别	急诊科就诊患者	机器学习	NA	临床数据挖掘	TCN, Transformer	结构化临床数据（静态特征和动态生命体征）	国立台湾大学医院2016-2019年及2020-2022年的急诊科就诊数据	NA	Temporal Convolutional Network, FT-Transformer	AUROC, AUPRC, 精确率	NA
8746	2026-01-02	Semi-inductive dataset construction and framework optimization for practical drug target interaction prediction with ScopeDTI 2025-Dec-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66311-9 PMID:41390462	研究论文	本文提出了SCOPE-DTI框架，通过整合大规模半归纳数据集和深度学习模型，优化药物-靶点相互作用预测的实用性和性能	构建了大规模平衡的半归纳人类DTI数据集，并开发了结合三维蛋白质与化合物表示、图神经网络和双线性注意力机制的统一预测框架	未明确说明模型在特定药物类别或靶点家族上的泛化能力限制	提高药物-靶点相互作用预测的实用性和准确性，以加速药物发现研究	药物-靶点相互作用数据，特别是人类相关的药物和蛋白质靶点	机器学习	癌症	深度学习，图神经网络，注意力机制	图神经网络，注意力机制	三维蛋白质和化合物表示，药物-靶点相互作用数据	从13个公共存储库整合的数据集，相比常见基准（如Human数据集）数据量扩展高达100倍	未明确指定，但可能基于深度学习框架如PyTorch或TensorFlow	图神经网络，双线性注意力机制	未明确指定，但可能包括准确率、精确率、召回率、F1分数等	未明确指定
8747	2026-01-02	Generalizable morphological profiling of cells by interpretable unsupervised learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66267-w PMID:41381503	研究论文	本文介绍了一种名为MorphoGenie的无监督深度学习框架，用于单细胞形态学分析，通过解耦表示学习和高保真图像重建，构建了一个紧凑且可解释的潜在空间	结合解耦表示学习与高保真图像重建，创建了一个无需标注即可捕获生物学有意义特征的紧凑、可解释潜在空间，并系统地将潜在表示与层次化形态属性关联，确保语义和生物学可解释性，同时支持组合泛化，适用于多种成像模态和实验条件	未明确提及具体局限性	开发一种通用、无偏的单细胞形态学分析方法，以克服传统手动特征提取的偏见和深度学习在可解释性及标注数据依赖方面的挑战	单细胞	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
8748	2026-01-02	AI-assisted sentinel lymph node examination and metastatic detection in breast cancer: the potential of ChatGPT for digital pathology research 2025-Dec, Pathologica IF:4.4Q1 DOI:10.32074/1591-951X-N1068 PMID:41454765	研究论文	本研究评估了ChatGPT-4在乳腺癌前哨淋巴结冰冻切片中检测转移的潜力	首次将ChatGPT-4应用于乳腺癌前哨淋巴结冰冻切片的转移检测，探索其在数字病理研究中的实际应用	样本量较小（仅90个前哨淋巴结），且为回顾性研究，可能影响结果的普遍性	评估AI模型在乳腺癌前哨淋巴结转移检测中的诊断性能，以提升病理工作流程的准确性和效率	乳腺癌患者的前哨淋巴结冰冻切片	数字病理	乳腺癌	冰冻切片，数字病理	深度学习模型	图像	90个前哨淋巴结	NA	ChatGPT-4	准确率，灵敏度，特异性	NA
8749	2026-01-02	Accurate Generation of Conformational Ensembles for Intrinsically Disordered Proteins with IDPFold 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511636 PMID:41082321	研究论文	本文介绍了一种名为IDPFold的新方法，该方法利用微调的扩散模型直接从序列生成内在无序蛋白的构象集合	IDPFold消除了对多序列比对或实验数据的依赖，能够更详细地表征IDP集合的结构特征	NA	研究内在无序蛋白的构象特性	内在无序蛋白	机器学习	癌症, 糖尿病, 阿尔茨海默病	扩散模型	扩散模型	蛋白质序列	27个IDP系统	NA	IDPFold	回转半径误差, Cα二级化学位移的均方根偏差	NA
8750	2026-01-02	RiboMicrobe: An Integrated Translatome Atlas for Microorganism 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509877 PMID:41082396	研究论文	本文介绍了RiboMicrobe，一个专为原核微生物Ribo-seq数据设计的综合数据库，并集成了基于Transformer的深度学习模型用于sORF预测	开发了首个专门针对原核微生物翻译组的综合数据库，并引入了两种基于Transformer架构的新型sORF预测模型	数据库目前仅涵盖36种原核生物和2种病毒，数据覆盖范围有限	构建一个集成数据库和工具平台，以支持微生物翻译组学研究和sORF注释	原核微生物和病毒的翻译组数据	生物信息学	NA	Ribo-seq, RNA-seq, 蛋白质组学	Transformer	测序数据	891个Ribo-seq数据集、369个匹配的RNA-seq数据集和62个蛋白质组数据集	NA	Transformer	NA	NA
8751	2026-01-02	Cytological Classification Diagnosis for Thyroid Nodules via Multimodal Model Deep Learning 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511369 PMID:41098080	研究论文	本文开发了AI-TFNA平台，通过多模态深度学习模型提高甲状腺结节细胞学分类诊断的准确性和临床效率	提出了结合BRAF突变数据和图像外观迁移（IAM）技术的多模态模型，显著提升了模型在不同机构间的泛化能力	研究主要基于中国七个医疗中心的数据，可能在其他地区或人群中的适用性有待进一步验证	开发一个稳健的人工智能平台，以提高甲状腺结节诊断的准确性和临床效率	甲状腺结节样本，特别是甲状腺细针穿刺（TFNA）样本	数字病理学	甲状腺结节	甲状腺细针穿刺（TFNA）、BRAF突变检测	深度学习模型	图像、突变数据	总样本20,803个，其中4,421个TFNA样本用于训练，2,153个样本用于外部验证	NA	多模态模型	准确率、灵敏度、特异性	NA
8752	2026-01-02	Molecular Motif Learning as a pretraining objective for molecular property prediction 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66685-w PMID:41309631	研究论文	本文提出了一种名为分子基序学习的无监督预训练方法，用于学习分子表示，以提升分子性质预测的准确性	MotiL方法直接从原生分子图中学习，同时保留整体分子结构和基序水平信息，能够捕捉小分子和蛋白质的相似结构与功能	NA	提高分子性质预测的准确性，以支持药物发现	小分子和蛋白质	机器学习	NA	分子图学习	NA	分子图	至少16个分子基准数据集	NA	NA	准确性	NA
8753	2026-01-02	Cognitive embodied learning for anomaly active target tracking 2025-Nov-27, Communications engineering DOI:10.1038/s44172-025-00556-6 PMID:41310085	研究论文	本文提出了一种受人类大脑双决策系统启发的认知具身学习方法，用于解决复杂物理场景中的异常主动目标跟踪问题	提出了一种新颖的认知具身学习方法，该方法能动态切换正常跟踪与异常处理模式，并引入了分类目标函数来解决严重异常导致的函数不可测性和数据混淆问题	未在摘要中明确说明	解决复杂物理场景中主动目标跟踪的鲁棒性和准确性问题	无人机异常主动目标跟踪	机器视觉	NA	具身智能、强化学习、深度学习	NA	模拟场景数据、真实世界场景数据	NA	NA	NA	成功率、任务完成效率	NA
8754	2026-01-02	A clinically validated AI framework for kidney cancer detection and characterization 2025-Nov-27, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01264-0 PMID:41310187	研究论文	本文介绍了一种名为BMVision的深度学习工具，用于检测和表征肾癌，并通过临床验证评估其性能	BMVision是首个经过临床验证的商业化AI工具，用于肾癌检测和表征，能显著提高放射科医生的工作效率和诊断一致性	研究为回顾性设计，可能未完全反映实际临床环境中的表现	开发并验证一个AI工具，以辅助放射科医生提高肾癌诊断的准确性和效率	肾细胞癌的对比增强计算机断层扫描图像	计算机视觉	肾癌	对比增强计算机断层扫描	深度学习	图像	200份扫描图像	NA	NA	诊断敏感性、病变测量、报告效率、放射科医生间一致性	NA
8755	2026-01-02	A deep learning-based multiscale integration of spatial omics with tumor morphology 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66691-y PMID:41310346	研究论文	本文提出了一种基于深度学习的多尺度集成方法MISO，用于从H&E染色组织切片预测空间转录组学数据	开发了MISO方法，首次实现从常规H&E切片预测高分辨率空间基因表达，达到近单细胞水平	方法依赖于现有数据集，未来需在更多癌症类型和更大样本中验证	整合空间转录组学与肿瘤形态学，实现从H&E切片预测基因表达	肿瘤组织样本，包括72个10X Genomics Visium样本和348个MOSAIC联盟样本	数字病理学	肿瘤	空间转录组学，H&E染色	深度学习模型	图像，基因表达数据	420个样本（72个验证样本+348个测试样本）	NA	NA	NA	NA
8756	2026-01-02	Expediting hit-to-lead progression in drug discovery through reaction prediction and multi-dimensional optimization 2025-Nov-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66324-4 PMID:41290653	研究论文	本研究展示了一种集成药物化学工作流程，通过反应预测和多维优化加速药物发现中的命中到先导优化阶段	结合微型化高通量实验与深度学习及分子性质优化，显著缩短命中到先导的周期时间	NA	加速药物发现中的命中到先导优化阶段	单酰基甘油脂肪酶（MAGL）抑制剂候选分子	机器学习	NA	高通量实验（HTE），Minisci型C-H烷基化反应	图神经网络	化学反应数据	13,490个新颖的Minisci型C-H烷基化反应	NA	深度图神经网络	NA	NA
8757	2026-01-02	Deep learning model outperforms traditional models in clinical data-based prognostic prediction for adult-type diffuse glioma 2025-Nov-26, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04123-5 PMID:41296239	研究论文	本研究系统比较了传统统计方法与机器学习方法在成人型弥漫性胶质瘤生存预测中的表现，发现深度学习模型DeepSurv在性能与稳定性上优于传统模型	首次在成人型弥漫性胶质瘤预后预测中系统比较了传统统计模型与深度学习模型，并公开了模型包	基于回顾性真实世界数据，存在异质性和部分数据缺失	比较不同方法在成人型弥漫性胶质瘤生存预测中的性能、可解释性和临床适用性	成人型弥漫性胶质瘤患者	机器学习	胶质瘤	NA	Cox Proportional Hazards, Random Survival Forest, Neural Multi Task Logistic Regression, DeepSurv	临床数据	两个公共数据集和一个私人回顾性队列	NA	DeepSurv	生存预测性能、稳定性	NA
8758	2026-01-02	Deep learning-extracted high-resolution dataset of rural courtyards and rooftops in northern China 2025-Nov-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06260-6 PMID:41290723	研究论文	本研究利用深度学习技术从亚米级遥感影像中提取了中国北方农村地区庭院和屋顶的高分辨率空间数据集	首次通过深度学习自动化方法生成了农村宅基地庭院边界和屋顶足迹的精细尺度数据集，填补了微观尺度农村数据的空白	未明确说明模型在更广泛地理区域或不同季节条件下的泛化能力	分析农村聚落结构以支持可持续农村发展、资源管理和环境规划	中国北方代表性地区的农村家庭庭院和建筑屋顶	计算机视觉	NA	亚米级遥感影像	CNN	图像	NA	NA	NA	准确性	NA
8759	2026-01-02	Interpretable multimodal MRI radiomics for predicting neoadjuvant chemotherapy response in nasopharyngeal carcinoma 2025-Nov-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02071-8 PMID:41291491	研究论文	本研究探讨了多模态MRI影像组学模型在预测鼻咽癌新辅助化疗反应中的价值，并比较了机器学习和深度学习模型的性能差异	结合DCE-MRI特征的多模态MRI影像组学深度学习模型，通过SHAP分析增强模型可解释性，在预测鼻咽癌新辅助化疗反应中表现出优越性能	回顾性研究设计，样本量有限（370例患者），且仅部分患者（126例）进行了DCE-MRI检查	预测鼻咽癌患者对新辅助化疗的反应	鼻咽癌患者	数字病理学	鼻咽癌	多模态MRI（包括T1WI、PDWI、CE-T1WI和DCE-MRI）	机器学习模型（逻辑回归、支持向量机、随机森林、极端梯度提升）和深度学习模型（多层感知机）	MRI图像	370例鼻咽癌患者，其中126例进行了DCE-MRI检查	Scikit-learn, TensorFlow或PyTorch（具体未明确说明）	多层感知机	AUC, 敏感性, 特异性	NA
8760	2026-01-02	OMetaNet: an efficient hybrid deep learning model based on multimodal data fusion and contrastive learning for predicting 2'-O-methylation sites in human RNA 2025-Nov-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06324-9 PMID:41286599	研究论文	本文提出了一种基于多模态数据融合和对比学习的混合深度学习模型OMetaNet，用于预测人类RNA中的2'-O-甲基化位点	构建了低冗余数据集，创新性地提出了KN-PairMatrix编码方案，并开发了集成残差和降采样优化CNN模块、Mamba网络及专有跨模态交互融合模块的深度学习框架，采用对比学习驱动的自适应混合损失函数和渐进特征解缠策略	未在摘要中明确提及	准确识别RNA 2'-O-甲基化位点，以深入理解RNA调控机制	人类RNA中的2'-O-甲基化位点	机器学习	NA	KN-PairMatrix编码方案	CNN, Mamba网络	多模态数据	NA	NA	残差和降采样优化CNN模块, Mamba网络, 跨模态交互融合模块	NA	NA