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
901	2026-05-27	Energy-driven innovations in computational de novo protein engineering 2026-03, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.01.005 PMID:41570866	综述	综述能量驱动计算从头蛋白质工程中的创新方法，涵盖从经典力场到AI驱动预测的完整技术路线	首次系统整合分子动力学、热力学积分和蒙特卡洛采样等能量策略，提出基于精度-成本-吞吐量权衡的方法选择决策框架	未量化AI预测模型在不同蛋白质体系中的泛化能力瓶颈，且缺乏对计算资源消耗的系统性比较	为治疗性和工业蛋白质设计提供物理与数据协同驱动的技术路线图	计算从头蛋白质工程中的能量模型及其在生物技术、医学和合成生物学中的应用	机器学习	NA	分子动力学模拟,热力学积分,蒙特卡洛采样,机器学习,深度学习	机器学习模型,深度学习模型	蛋白质结构数据,能量景观模拟数据	NA	NA	NA	结合亲和力,折叠路径预测精度,稳定性评估指标	NA
902	2026-05-27	Computational advances in RNA-small molecule binding site prediction 2026-03, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.02.003 PMID:41654089	综述	综述了RNA与小分子结合位点预测的计算方法进展	从早期统计模型到深度学习框架，特别是大语言模型在捕捉长程序列依赖和上下文模式中的应用，以及多模态特征整合方法	RNA结构柔性、瞬时结合口袋及高分辨率复合体结构有限带来的挑战	总结RNA-配体结合位点预测的计算策略，推动RNA靶向药物发现	RNA-小分子相互作用及其结合位点	机器学习	NA	NA	大语言模型	序列、结构、能量、拓扑信息	NA	NA	NA	NA	NA
903	2026-03-02	Deep learning prediction model based on multi-modal transvaginal ultrasound scan images for endometrial cancer 2026-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-01013-z PMID:41764582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
904	2026-05-27	SpliceRead: Improving Canonical and Non-Canonical Splice Site Prediction with Residual Blocks and Synthetic Data Augmentation 2026-Feb-09, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.05.703825 PMID:41726927	研究论文	SpliceRead利用残差块和合成数据增强改善规范及非规范剪接位点预测	提出SpliceRead模型，结合残差卷积块和合成数据增强方法，有效提升非规范剪接位点的识别能力，降低假阴性率	依赖多物种数据集，但可能对极端非规范序列的泛化能力仍有局限	改进规范和非规范剪接位点的分类预测，提升基因注释准确性	多物种的400和600核苷酸序列，包括规范与非规范剪接位点	机器学习	NA	合成数据增强	残差卷积网络	核苷酸序列	多物种数据集，包含400和600核苷酸序列	NA	残差卷积块	F1分数, 准确率, 精确率, 召回率	NA
905	2026-05-27	Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank 2026-02, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01702-w PMID:40576910	研究论文	利用神经网络Cox模型预测38种与年龄相关疾病的发病加速风险	首次利用相对发病加速关联来表征疾病模式，并开发了OnsetNet神经网络架构用于预测发病加速风险	NA	预测与年龄相关疾病的发病加速风险	来自英国生物银行的60,396名个体和218,530个结果事件	机器学习	老年疾病	NA	神经网络Cox模型	人口统计学、人体测量学、影像学、血液生物标志物特征	60,396名个体，218,530个结果事件	NA	OnsetNet	Harrell's一致性指数(C-index)，Kaplan-Meier曲线，对数秩检验，Schoenfeld残差	NA
906	2026-05-27	Hallucination at low radiation dose: Evaluation of two deep-learning reconstruction methods in high-resolution chest CT 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3087772 PMID:42181036	研究论文	评估两种深度学习重建方法在高分辨率胸部CT中低辐射剂量下的幻觉表现	首次系统评估辐射剂量降低对两种深度学习重建算法（DLR1和DLR2）在高分辨率胸部CT中产生幻觉的影响，特别是在接近胸部X射线剂量的极低剂量水平（8%）	NA	评估低辐射剂量下两种深度学习重建方法在高分辨率胸部CT中产生幻觉的情况	胸部CT图像中的间质性肺病病变	计算机视觉	间质性肺病	CT	深度学习重建	图像	30个图像系列（5名患者 × 3种剂量 × 2种DLR算法）	NA	DLR1, DLR2	幻觉评分（5点李克特量表）	NA
907	2026-05-27	Multi-window temporal analysis for enhanced arrhythmia classification: leveraging long-range dependencies in electrocardiogram signals 2026-01-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae3937 PMID:41539004	研究论文	提出S4ECG深度学习架构，通过多窗口时间分析捕捉心电图信号中的长期依赖关系，提高心律失常分类准确性和跨数据集鲁棒性	首次将结构化状态空间模型应用于心电图多窗口联合分析，有效捕捉房颤等心律失常在长时间尺度（2分钟至10~20分钟）上出现的诊断特征，显著降低假阳性率	未明确提及局限性，但窗口长度超过20分钟后性能趋于平稳或下降，提示可能存在最优窗口限制	利用多窗口时间分析增强心律失常分类性能，特别是房颤检测的准确性和跨数据集泛化能力	心电图信号中的心律失常分类，包括房颤、房扑等多种类型	机器学习	心血管疾病	心电图	结构化状态空间模型	时间序列信号	NA	NA	S4ECG	宏平均AUC, 特异性, 敏感性, 假阳性率	NA
908	2026-05-27	Emotion recognition from auditory autonomous sensory meridian response (ASMR) using multi-modal physiological signals 2026-01-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35ca PMID:41505907	研究论文	利用多模态生理信号从听觉自主感觉经络反应（ASMR）中识别情绪	以往研究主要关注ASMR引发的低唤醒度积极情绪（如放松和宁静），本论文首次探索了ASMR听觉刺激引发的更广泛情绪类型，包括快乐、悲伤和厌恶，并采用多模态生理信号与深度学习分类器进行情绪分类	NA	探索ASMR听觉刺激诱发的多种情绪，并验证多模态生理信号结合深度学习在情绪识别中的有效性	23名ASMR体验者的脑电图、光电容积描记图和皮肤电活动等多模态生理数据	机器学习	NA	可穿戴生物传感器、rmANOVA统计检验	人工神经网络和卷积神经网络	生理信号	23名ASMR体验者	NA	ANN, CNN	分类准确率	NA
909	2026-05-27	A novel adaptive CNN-LSTM fusion network for electrocardiogram diagnosis 2026-01-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2f8a PMID:41418332	研究论文	提出一种自适应CNN-LSTM融合网络用于心电图诊断	设计了一种自适应卷积核，能根据局部信号方差动态调整大小，结合空间-时间融合机制，提升了心电图诊断的效率和准确性	未在更多样化的数据集或临床环境中验证模型的泛化能力，且未讨论计算资源需求或模型复杂度	提高自动心电图诊断的效率和准确性，为早期心血管疾病筛查提供技术支持	心电图信号	机器学习	心血管疾病	NA	CNN-LSTM	信号	PTB-XL数据集	NA	自适应CNN, LSTM	准确率, 宏平均F1分数, 加权平均F1分数	NA
910	2026-05-27	AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338799 PMID:41671210	research paper	提出一个混合深度学习框架，用于检测短视频内容中的网络欺凌	整合了CNN、BiLSTM和Transformer三种模型，并通过语义一致性验证层实现跨模态对齐，以惩罚不协调的线索	该信息在标题和摘要中未提及	检测短视频中多模态（视觉、听觉和文本）的网络欺凌内容	短视频平台（如Instagram Reels、TikTok、YouTube Shorts）中的视频内容	multimodal machine learning	NA	NA	CNN, BiLSTM, Transformer	视频、音频、文本	两个基准数据集：CAVD和SocialVidMix	NA	CNN（空间特征）、BiLSTM（时间声学模式）、Transformer（文本编码器）、语义一致性验证层	准确率、精确率、召回率、F1分数	该信息在标题和摘要中未提及
911	2026-05-27	EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342647 PMID:41931557	研究论文	基于EfficientNetV2的深度学习框架用于光伏电池故障检测，提升识别准确率	首次系统比较三种EfficientNetV2变体（B0、B2、M）在光伏电池缺陷检测中的性能，并采用先进的图像预处理和增强技术优化异常检测	未提及在真实场景中的泛化能力验证及计算资源需求分析	提高光伏电池故障检测的准确性和自动化水平，支持预防性维护	光伏电池中的缺陷（包括制造缺陷和环境退化）与非缺陷样本	计算机视觉	NA	图像预处理与增强	卷积神经网络（EfficientNetV2）	图像	2,500张光伏电池图像（含缺陷与非缺陷样本）	NA	EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M	准确率、精确率、召回率、F1分数	NA
912	2026-05-27	A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343141 PMID:41931562	研究论文	提出一种结合混合自编码器与模糊中值滤波器的深度学习方法，用于高效滤除高密度脉冲噪声并恢复图像质量	创新性地将深度卷积神经网络（DnCNN）与自编码器结合模糊中值滤波器，实现高密度脉冲噪声的检测与去除，在图像恢复中兼顾细节保留与噪声消除	未提及具体局限性	开发一种鲁棒的深度学习降噪技术，以有效检测和消除图像中的高密度脉冲噪声，提升图像恢复质量	脉冲噪声污染的图像（使用12张标准测试图像评估）	计算机视觉	NA	NA	深度卷积神经网络（DnCNN）、自编码器、模糊中值滤波器	图像	12张标准测试图像	NA	DnCNN、自编码器	准确率、假正率、假负率、F1分数、峰值信噪比、结构相似性指数	NA
913	2026-05-27	SpaGene: A Deep Adversarial Framework for Spatial Gene Imputation 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0102 PMID:42146899	研究论文	提出SpaGene，一种用于整合单细胞RNA测序数据和空间转录组数据的深度学习框架，以填补空间数据中缺失的基因表达	采用两个编码器-解码器对，结合两个转换器和两个判别器，实现空间转录组数据中缺失基因表达的有效填补	目前仅在特定数据集和评价协议下验证，可能在不同组织类型或噪声条件下泛化性有限	整合scRNA-seq和空间转录组数据，提升空间基因表达的恢复准确性	单细胞RNA测序数据和空间转录组数据	机器学习	肺癌	NGS, 单细胞RNA测序, 空间转录组测序	CNN, GAN	文本	多数据集（具体数量未在摘要中明确）	PyTorch	编码器-解码器, 生成对抗网络	Pearson相关系数, 结构相似性指数, 均方根误差	NA
914	2026-05-27	Artificial intelligence for cell-free systems 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.08.009 PMID:41581993	综述	探讨人工智能与无细胞系统的整合，重点关注最新进展、工业应用及合成生物学未来方向	系统性地总结AI技术在无细胞系统优化中的应用，包括通过深度学习发现抗菌肽、主动学习提升蛋白质产量34倍等突破性成果	存在数据需求、模型可迁移性和可扩展性方面的挑战	研究AI与无细胞系统的兼容性及其在生物制造、制药和诊断中的潜力	无细胞系统（蛋白质合成、代谢等生物过程）	机器学习	NA	无细胞蛋白合成、深度学习、主动学习、贝叶斯优化	深度学习、生成模型、神经网络、贝叶斯优化	实验数据	NA	NA	NA	蛋白产量提升倍数、抗菌肽发现效率	NA
915	2026-05-27	Artificial Intelligence (AI) in microbiome-directed biotherapeutics development 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.005 PMID:41714088	综述	讨论人工智能在微生物组导向的生物治疗产品开发中的应用	系统阐述AI如何通过模式识别和复杂相互作用分析，从微生物组数据中发现可用于活体生物治疗产品的候选微生物	数据的改进需求仍是主要挑战	综述AI在微生物组导向诊断和治疗中的应用方式、挑战和未来前景	人体肠道微生物组及其与健康、疾病的关联，以及活体生物治疗产品的开发	机器学习	NA	NA	机器学习、深度学习	微生物组数据和宿主组学数据	NA	NA	NA	NA	NA
916	2026-05-27	Artificial Intelligence in the prediction of 3D chromatin structure and gene regulation 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.018 PMID:41986002	研究论文	利用人工智能预测三维染色质结构与基因调控	首次系统综述人工智能特别是深度学习在预测三维染色质结构及基因调控中的应用，强调整合多模态数据及自监督模型的优势	未提及具体模型性能评估及计算资源需求，缺乏实际应用中的局限性讨论	探讨人工智能在解析染色质三维结构与其基因调控关系中的潜力	染色质三维结构（如区室、拓扑关联结构域和环）及基因调控机制	机器学习，数字病理学	NA	Hi-C, ChIA-PET, HiChIP	深度学习	序列及表观基因组特征数据	NA	NA	自监督模型	NA	NA
917	2026-05-27	Artificial intelligence in multimodal data analysis for cancer survival prediction 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.03.001 PMID:41986003	综述	综述人工智能在癌症生存预测中多模态数据分析的融合与对齐方法	系统梳理了2015至2025年间31项基于深度学习的多模态对齐与融合研究，并区分了先对齐后融合与独立融合两类策略	当前融合技术面临数据对齐和数据融合两大障碍，尚未提及具体模型的可扩展性或临床部署挑战	探索人工智能在癌症生存预测中处理多模态异构数据的对齐与融合方法，提高预测准确性和可解释性	31项多模态机器学习研究（2015-2025年），涉及三种关键数据类型	机器学习	癌症	NA	深度学习	多模态数据（图像、文本等）	31项研究	NA	NA	NA	NA
918	2026-05-27	AI in biomolecular structural data analysis 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.024 PMID:41986008	综述	本文概述了人工智能在生物分子结构数据分析中的应用，特别是深度学习模型如AlphaFold2和RoseTTAFold在从序列数据快速预测三维结构中的作用	系统性地展示了深度学习架构（CNN、GNN、RNN和Transformer）在结构生物学中的综合应用，并探讨了AI与传统实验数据的互补性	模型可解释性、数据质量和伦理问题仍是挑战，且内容面向初学者，深度有限	为初学者提供AI在生物分子结构分析中的基本知识，推动跨学科探索	蛋白质和核酸的生物分子结构数据	机器学习	NA	深度学习	CNN, GNN, RNN, Transformer	序列数据	NA	NA	AlphaFold2, RoseTTAFold	NA	NA
919	2026-05-27	Multi-omics applications in health and diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.012 PMID:41986011	综述	综述多组学技术在健康与疾病研究中的应用，强调人工智能驱动整合方法的潜力和挑战	系统性地总结了从传统统计到深度学习等计算模型在多组学数据整合中的应用，并展望可解释AI、数字健康记录整合等未来方向	数据标准化、可扩展性、可解释性及基因组信息伦理使用方面仍存在挑战	阐述多组学整合在精准医学、疾病异质性研究和发病机制探索中的价值	多组学数据（基因组、转录组、表观组、蛋白质组、代谢组、微生物组）	机器学习	NA	NGS, RNA-seq, 甲基化测序, 蛋白质组学, 代谢组学, 微生物组学	CNN, LSTM	多组学文本数据	NA	NA	NA	NA	NA
920	2026-05-27	Integrating Artificial Intelligence into metabolomics for predicting diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.010 PMID:41986004	综述	该文章全面概述了如何将人工智能（特别是机器学习和深度学习）整合到代谢组学工作流程中，以克服数据分析挑战并预测疾病	系统性地介绍了AI在代谢组学中的应用，涵盖技术和概念框架，并通过最新案例研究和方法学进展加以说明	未明确提及	探讨如何利用人工智能技术（尤其是机器学习和深度学习）提升代谢组学在疾病预测中的能力	代谢组学数据及其在疾病预测中的应用	机器学习	癌症、糖尿病及并发症、脑部、心脏、肝脏、肾脏等主要器官疾病	NA	机器学习、深度学习	代谢组学数据	NA	NA	NA	NA	NA