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
861	2026-05-31	Modelling discrete states and long-term dynamics in functional brain networks 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1237 PMID:42212226	研究论文	提出动态网络状态模型，利用变分贝叶斯推断和循环神经网络建模功能脑网络中的离散状态与长期时间动态	通过整合变分贝叶斯推断、循环神经网络和Gumbel-Softmax分布，在保持可解释性的同时捕捉脑网络状态的长期时间依赖结构	文章摘要未明确讨论局限性	开发一种兼具可解释性和时间建模能力的模型，以表征功能脑网络的离散状态与长期动态	模拟数据及真实静息态脑磁图数据中的功能脑网络状态	机器学习	NA	脑磁图, 模拟数据	循环神经网络, 隐马尔可夫模型	时间序列数据	模拟数据及真实静息态脑磁图数据（未明确具体样本量）	NA	动态网络状态模型, Gumbel-Softmax	NA	NA
862	2026-05-31	Classification and functional prediction of fungal glycosyltransferases using machine learning and deep learning methods 2025-12, Fungal genetics and biology : FG & B IF:2.4Q3 DOI:10.1016/j.fgb.2025.104045 PMID:41202912	研究论文	利用机器学习和深度学习方法对真菌糖基转移酶进行分类和功能预测	创新性的整合了生化与结构变量，使用卷积变分自编码器（CVAE）模型将多维信息降维至五维向量，并加入新衍生变量与描述性统计，实现了比传统基于序列的方法更全面的GTs分类	未明确提及局限性	利用机器学习和深度学习算法揭示真菌糖基转移酶的结构与功能关联模式，建立数据驱动的分类系统	来自88种代表性真菌物种的3340个糖基转移酶	机器学习	NA	NA	CVAE（卷积变分自编码器）、k-means聚类	蛋白质序列、预测三维折叠结构、氨基酸生化特征	3340个GTs，来自88种真菌物种	NA	CVAE（卷积变分自编码器）	NA	NA
863	2026-05-31	Robust evaluation of tissue-specific radiomic features for classifying breast tissue density grades 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22010 PMID:40453545	研究论文	评估一种基于RFE-SHAP特征选择方法在乳腺组织密度分级分类中的稳健性，使用来自数字乳腺断层合成扫描的放射组学特征	结合传统机器学习与可解释AI方法（RFE-SHAP）进行特征选择，并利用组织特异性放射组学特征，以提升乳腺密度分级的自动分类稳健性和可解释性	未明确提及局限性，但可能包括样本量有限（尤其是密度D级）、外部验证中密度D级AUC较低（0.673），以及仅使用逻辑回归分类器	开发鲁棒的乳腺组织密度自动评估方法以改善乳腺癌风险评估	数字乳腺断层合成筛查的原始中央投影图像	数字病理	乳腺癌	RFE-SHAP特征选择方法	逻辑回归（LR）	医学影像	751例（651例训练集，100例验证集）	NA	NA	NA	NA
864	2026-05-31	Advances in Protein-RNA aptamer recognition and modeling: Current trends and future perspectives 2025-Oct, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103133 PMID:40815918	综述	综述RNA适配体结构预测与设计的计算模型进展	系统总结了基于深度学习的RNA适配体结构预测与设计算法的最新突破	未明确指出具体限制	概述RNA适配体结构预测与设计的计算模型研究现状与未来方向	RNA适配体及其与蛋白质的识别模型	机器学习	NA	NA	深度学习模型	NA	NA	NA	NA	NA	NA
865	2026-05-31	InfEHR: Clinical phenotype resolution through deep geometric learning on electronic health records 2025-Sep-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63366-6 PMID:41006287	研究论文	提出一种名为InfEHR的框架，利用深度几何学习从电子健康记录中自动计算临床可能性，无需大量标注数据	将电子健康记录转换为时序图以捕捉表型动态，实现无偏表示，并在低患病率疾病中表现出高效推理性能	未提及	开发一种能够从电子健康记录中自动计算临床可能性的框架，减少对大量标注数据的依赖	电子健康记录中的临床表型解析与概率推理	机器学习	新生儿培养阴性败血症、术后急性肾损伤	深度几何学习	几何深度学习模型	电子健康记录数据	来自西奈山卫生系统和加州大学欧文分校医学中心的电子健康记录	NA	NA	敏感性、特异性	NA
866	2026-05-31	Scalable Deep Learning of Histology Images Reveals Genetic and Phenotypic Determinants of Adipocyte Hypertrophy 2025-Sep-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本文介绍了一种用于脂肪组织组织学图像语义分割的深度学习模型Adipocyte U-Net 2.0，并对超过2700万个脂肪细胞进行分析，揭示了脂肪细胞肥大的遗传和表型决定因素	首次实现大规模脂肪细胞形态的深度学习分析，并通过最大规模的脂肪细胞大小全基因组关联研究，发现了四个全基因组显著位点	NA	探讨脂肪细胞形态的遗传基础及其与代谢疾病的关系	来自2667名个体的脂肪组织组织学图像中的脂肪细胞	计算机视觉, 数字病理学	心血管疾病, 代谢疾病	NA	U-Net	图像	2667名个体，超过2700万个脂肪细胞	NA	U-Net	NA	NA
867	2026-05-31	Dwarf Updated Pelican Optimization Algorithm for Depression and Suicide Detection from Social Media 2025-09, The Psychiatric quarterly DOI:10.1007/s11126-024-10111-9 PMID:39946018	研究论文	提出一种新颖的基于社会媒体的抑郁与自杀检测方法，通过改进的鹈鹕优化算法优化深度学习集成模型	引入矮化更新鹈鹕优化算法（DU-POA）优化深度学习集成模型权重，结合改进互信息分数进行特征融合	未提及模型在不同社会媒体平台或语言上的泛化能力验证，且未讨论数据隐私和伦理问题	解决社会媒体数据中抑郁和自杀检测的变异性及模型泛化挑战	社会媒体文本数据中的抑郁和自杀倾向检测	自然语言处理	抑郁症、自杀倾向	自然语言处理（NLP）	RNN, DBN, 改进LSTM	文本	NA	NA	RNN, DBN, 改进LSTM	准确率	NA
868	2026-05-31	Machine learning driven semi-automated framework for yeast sporulation efficiency quantification using ilastik segmentation and Fiji nuclear enumeration 2025-09, Fungal genetics and biology : FG & B IF:2.4Q3 DOI:10.1016/j.fgb.2025.104024 PMID:40876769	研究论文	提出一个基于机器学习驱动的半自动化框架，结合ilastik分割和Fiji细胞核计数，用于酵母孢子形成效率的定量分析	创新性地结合ilastik纹理特征优化分割与Fiji图像处理，避免显式四联体判别，实现不同孢子形态的鲁棒量化，并引入人工质控检查点平衡通量与精度	需要手动质控检查点（分割验证），无法完全自动化；未提供与其他深度学习工具（如cellpose）的直接性能对比	开发一种可替代人工计数的酵母孢子形成效率半自动化定量方法，提高处理速度并减少主观偏差	酵母孢子形成过程中的母细胞及孢子（二联体、三联体、四联体）	机器学习	不适用	荧光显微镜成像	ilastik纹理特征分割模型	图像	未明确说明样本数量，但提及Hsp82磷酸化突变体验证	ilastik, Fiji	ilastik随机森林分类器	与人工计数的一致性（93.4%）、组内相关系数（ICC=0.94）、处理时间减少（68%）	标准显微镜设备（未指定GPU或高性能计算资源）
869	2026-05-31	A Systematic Review of Multimodal Deep Learning and Machine Learning Fusion Techniques for Prostate Cancer Classification 2025-Aug-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.07.25333235 PMID:40832371	综述	系统回顾了用于前列腺癌分类的多模态深度学习与机器学习融合技术	系统地总结了多模态融合方法在前列腺癌分类中的应用现状，并比较了不同融合策略的性能	仅纳入了2021至2025年间发表的27篇研究，可能存在发表偏倚；未深入探讨算法的可解释性和临床部署障碍	概述当前基于深度学习和机器学习的多模态融合技术在前列腺癌分类中的实现、性能、挑战及临床适用性	已发表的使用多模态深度学习或机器学习融合技术进行前列腺癌分类的研究论文	机器学习	前列腺癌	NA	CNN	图像、临床数据	27篇研究	NA	卷积神经网络	准确率、敏感度、特异度	NA
870	2026-05-31	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	研究论文	提出一种基于物理约束的深度学习方法LOCA-PRAM，用于光谐振吸收显微镜中金纳米颗粒的定位与定量，实现数字分辨率的分子诊断	利用光子晶体-金纳米颗粒共振耦合增强信号对比度，通过配准经验获得点扩散函数实现逼真训练数据生成，在无需样本分割或酶扩增下实现数字分辨率检测	未提及	实现高精度、高灵敏度的金纳米颗粒定位与定量，推动数字分辨率分子诊断	金纳米颗粒标记的生物分子	计算机视觉	NA	光谐振吸收显微镜	深度学习	图像	NA	NA	LOCA-PRAM	准确性、灵敏度、亚像素分辨率	NA
871	2026-05-31	Prediction of mammographic breast density based on clinical breast ultrasound images using deep learning: a retrospective analysis 2025-Jun, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101096 PMID:40290129	研究论文	基于深度学习从临床乳腺超声图像预测乳腺钼靶密度的回顾性分析	首次探索利用人工智能从乳腺超声图像预测BI-RADS乳腺密度类别，并在乳腺癌风险模型中证明其与钼靶密度具有相似的预测能力	未明确提及，但基于回顾性设计可能存在选择偏倚和泛化性限制	评估深度学习模型从临床乳腺超声图像预测乳腺密度的准确性，并比较其与临床BI-RADS密度在乳腺癌风险预测中的表现	来自三所机构的14,066名女性的405,120张临床乳腺超声图像	计算机视觉, 机器学习	乳腺癌	NA	深度学习模型（CNN相关）	图像（乳腺超声图像）	14,066名女性，405,120张图像（训练集10,393人/302,574张，验证集2,593人/69,842张，测试集1,074人/28,616张）	NA	卷积神经网络（具体架构未说明）	AUROC	NA
872	2026-05-31	MRI-based multimodal AI model enables prediction of recurrence risk and adjuvant therapy in breast cancer 2025-06, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2025.107765 PMID:40345352	research paper	本研究介绍了一种基于MRI和多模态AI的3D深度学习模型（3D-MMR-model），用于预测非转移性乳腺癌患者的复发风险	结合多模态MRI数据和AI驱动的3D深度学习模型，实现乳腺癌复发风险的无创预测，并通过RNA-seq分析探索肿瘤区域热点与微环境的关系	NA	开发并验证一种基于MRI的多模态AI模型，用于预测非转移性乳腺癌的复发风险，并指导辅助治疗决策	非转移性乳腺癌患者	machine learning	乳腺癌	MRI, RNA-seq	3D深度学习模型（3D-MMR-model）	MRI图像（T1+C, T2WI）和临床数据	来自中国四家机构的1199名非转移性乳腺癌患者	PyTorch	改进的3D-UNet（肿瘤分割），DenseNet121（无病生存预测）	AUC	NA
873	2026-05-31	High-throughput markerless pose estimation and home-cage activity analysis of tree shrew using deep learning 2025-05, Animal models and experimental medicine IF:3.8Q2 DOI:10.1002/ame2.12530 PMID:39846430	研究论文	利用深度学习方法实现树鼩的无标记姿态估计和居家笼活动分析	首次将深度学习用于树鼩的无标记姿态估计和多种自发行为识别，并开发了同时监测16只树鼩的高通量系统	NA	开发一种高效的方法来量化树鼩的居家笼活动，为理解其日常行为和建立疾病模型提供可靠基础	树鼩	计算机视觉	NA	深度学习	CNN	行为视频	16只树鼩	NA	NA	抓取行为中位持续时间0.20秒	NA
874	2026-05-31	Cyber-physical security of biochips: A perspective 2025-May, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0252554 PMID:40454326	综述	从多层面探讨微流控生物芯片的网络安全与物理安全威胁及防御策略	首次系统阐述微流控生物芯片面临的结构篡改、材料降解、样本干扰和知识产权盗窃等多维度安全威胁，并提出基于深度学习、机械响应染料、分子条形码和物理不可克隆函数等跨学科综合防御框架	作为前瞻性观点文章，未提供具体实验验证或定量分析各防御技术的有效性	揭示微流控生物芯片在关键应用中的安全漏洞并推荐多层防御机制	微流控生物芯片及其安全威胁与防御技术	计算机视觉, 机器学习	不适用	微流控	深度学习	图像	不适用	不适用	不适用	不适用	不适用
875	2026-05-31	Non-local modeling of enhancer-promoter interactions, a correspondence on "LOCO-EPI: Leave-one-chromosome-out (LOCO) as a benchmarking paradigm for deep learning based prediction of enhancer-promoter interactions" 2025-May, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-025-06378-5 PMID:42210916	评述	对Tahir等人2024年关于增强子-启动子相互作用预测模型的论文提出质疑，指出其结论重复了2018年的工作，并解释模型性能差的原因与DNA环化等最新进展一致	纠正了已有研究记录的遗漏，并指出模型性能差与DNA环化、黏连蛋白挤压和CTCF约束下增强子-启动子相互作用建模的最新进展一致	未提供新的实验数据或模型改进，仅基于已有文献分析	纠正对增强子-启动子相互作用建模的误解，阐明模型性能差的可能原因	Tahir等人提出的LOCO-EPI模型及其与先前研究的比较	机器学习	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
876	2026-05-31	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	提出一种基于深度学习的监督方法miniML，用于自动检测和分类自发突触事件，并验证其在多种实验条件下的通用性	首次将深度学习框架miniML应用于自发突触事件的自动化分析，在精确度和召回率上优于传统方法，且易于跨物种、跨记录技术和跨突触类型泛化	未提及具体局限，但依赖监督学习需要大量标注数据，可能对罕见突触事件检测不足	开发一种自动化、可靠且标准化的突触事件分析框架，以促进神经功能的高通量研究	模拟真实数据和多种生物样本中的自发突触事件	机器学习	神经疾病	电生理记录, 光学记录	CNN（卷积神经网络）	电信号, 图像	未在标题和摘要中明确说明样本数量	NA	NA	精确度, 召回率	NA
877	2026-05-31	Deep learning methods for protein function prediction 2025-01, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	综述	综述近期深度学习在蛋白质功能预测中的进展，涵盖数据源和评估指标	深入总结该领域的重要进展，识别主要挑战并探讨未来方向	未提供具体实验或方法比较，仅依赖于现有文献分析	梳理深度学习在蛋白质功能预测中的现状并指引未来发展	蛋白质功能预测方法	机器学习	NA	NA	深度学习	序列、结构、相互作用数据	NA	NA	NA	评估指标	NA
878	2026-05-31	iACP-DFSRA: Identification of Anticancer Peptides Based on a Dual-channel Fusion Strategy of ResCNN and Attention 2024-11-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168810 PMID:39362624	研究论文	提出了一种基于深度学习的双通道融合策略模型iACP-DFSRA，用于识别抗癌肽	结合了ProtBert_BFD预训练语言模型和手工特征进行序列编码，采用LightGBM进行特征选择，并利用ResCNN和注意力机制分别提取局部和全局特征，最后通过注意力机制深度融合关键特征	未明确提及，但可能依赖于现有数据集和特定特征编码技术，泛化性需进一步验证	开发一种准确且成本有效的抗癌肽识别方法	抗癌肽序列的识别	自然语言处理	癌症	蛋白质序列嵌入技术	ResCNN和注意力机制	序列数据	未明确说明，但使用了独立测试数据集和额外数据集	PyTorch	ResCNN, Attention机制, LightGBM	特异性(Sp), 敏感性(Sn), 准确率(Acc), 马修斯相关系数(MCC)	NA
879	2026-05-31	Prediction of peptide hormones using an ensemble of machine learning and similarity-based methods 2024-10, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400004 PMID:38803012	研究论文	提出了一种结合机器学习与基于相似性方法的集成策略，用于高精度预测激素肽	创新性地将基于相似性的方法（BLAST和MERCI）与机器学习模型（逻辑回归）集成，并开发了可识别激素相关基序的网络服务器HOPPred	基于相似性的方法存在无匹配结果或预测序列有限的问题，且集成模型在独立验证集上的性能仍有提升空间	开发一种高准确率的激素肽预测方法，并提供一个实用的网络工具	激素肽和非激素肽序列（各1174条）	机器学习	NA	NA	逻辑回归	序列	2348条肽序列（1174条激素肽和1174条非激素肽）	NA	NA	AUROC, 准确率, 马修斯相关系数 (MCC)	NA
880	2026-05-31	Model fusion for predicting unconventional proteins secreted by exosomes using deep learning 2024-09, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300184 PMID:38643383	研究论文	提出一种融合多个深度学习模型的方法，用于预测外泌体分泌的非传统分泌蛋白	首次结合卷积神经网络和多种密集连接神经网络，融合蛋白质序列与进化信息，提升了预测准确性	未提及模型在实际应用中的泛化能力或计算资源消耗	提高外泌体介导的非传统分泌蛋白预测准确性，探索非经典蛋白分泌和细胞间通讯的调控机制	外泌体分泌的非传统蛋白质	机器学习	NA	蛋白质序列分析、进化信息分析	CNN, DNN	蛋白质序列数据	独立测试数据集	NA	CNN, DNN	ACC, MCC	NA