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
961	2026-07-07	Quantifying Geographic Atrophy in Age-Related Macular Degeneration: A Comparative Analysis Across 12 Deep Learning Models 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.42 PMID:39046755	研究论文	比较12种深度学习模型在年龄相关性黄斑变性中地理萎缩分割的性能	系统比较多种编码器-解码器组合（包括视觉变换器）在GA分割中的效果，发现视觉变换器与FPN和UNet架构更优	样本量有限且仅使用两个数据集，未探索其他可能更优的架构组合	确定用于GA分割的最有效的深度学习架构	眼底自发荧光图像中的地理萎缩区域	计算机视觉	年龄相关性黄斑变性	NA	深度学习模型（包括CNN和视觉变换器）	图像	训练集601张FAF图像（AREDS2研究），验证集156张FAF图像（GlaxoSmithKline研究）	NA	FPN, UNet, PSPNet, EfficientNet, ResNet, VGG, Mix Vision Transformer (mViT)	平均绝对差异，Dice系数 (DC)	NA
962	2026-07-07	Sequence of Morphological Changes Preceding Atrophy in Intermediate AMD Using Deep Learning 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.30 PMID:39028907	研究论文	利用深度学习分析中间AMD中外丛状层下陷前形态变化序列	首次使用高精度人工智能量化OCT图像中中间AMD向外层丛状层下陷演变的形态学序列，并揭示光感受器和外核层变薄是早期亚临床特征	NA	研究中间AMD中在外丛状层下陷之前的形态变化序列以预测进展为地图样萎缩	中间AMD患者（280只眼，来自140名个体）	计算机视觉	老年性黄斑变性	OCT成像	CNN	图像	280只眼，来自140名中间AMD患者	PyTorch	U-Net	NA	NA
963	2026-07-07	Fusion of multi-source relationships and topology to infer lncRNA-protein interactions 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102187 PMID:38706631	研究论文	提出一种基于路径掩盖和度回归策略的图自编码器模型FMSRT-LPI，用于预测lncRNA-蛋白质相互作用	首次将路径掩盖和度回归策略整合到图自编码器框架中用于lncRNA-蛋白质相互作用推断，并引入PolyLoss函数优化预测任务	现有深度学习模型在LPI预测中尚未取得满意结果，但本文未明确说明自身模型的局限性	提升lncRNA-蛋白质相互作用预测的准确性，以阐明lncRNA的功能和致病机制	lncRNA和蛋白质之间的相互作用	机器学习	NA	NA	图自编码器	蛋白质序列和lncRNA序列数据	多个公共数据集	PyTorch	图自编码器	NA	NA
964	2026-07-07	D3EGFR: a webserver for deep learning-guided drug sensitivity prediction and drug response information retrieval for EGFR mutation-driven lung cancer 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae121 PMID:38555474	研究论文	构建了一个用于EGFR突变驱动的肺癌药物敏感性预测和药物响应信息检索的深度学习网络服务器D3EGFR	首个实现临床级别对EGFR突变驱动的肺癌所有获批小分子药物进行药物响应预测的平台	NA	开发用于EGFR突变驱动的非小细胞肺癌药物敏感性预测的深度学习模型和相关数据库	EGFR突变驱动的非小细胞肺癌患者	机器学习	肺癌	文献挖掘	深度学习模型	临床病理特征和药物响应数据	1339名EGFR突变患者	NA	NA	准确率	NA
965	2026-07-07	KDGene: knowledge graph completion for disease gene prediction using interactional tensor decomposition 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae161 PMID:38605639	研究论文	提出一种基于交互张量分解的知识图谱补全框架KDGene，用于疾病基因预测	在张量分解中引入交互模块桥接实体和关系嵌入，以提升领域特定生物数据中语义相似概念的表示能力	当前表示学习技术在域特定生物数据上的性能仍不理想，且忽略知识图谱中实体间的复杂关系	实现准确的疾病相关基因预测，为湿实验提供参考	疾病与基因为中心的生物知识图谱	机器学习	疾病（通用）	NA	知识图谱嵌入模型	知识图谱	NA	PyTorch	交互张量分解	准确率、精确率、召回率、F1分数、AUC	NA
966	2026-07-07	MS-BACL: enhancing metabolic stability prediction through bond graph augmentation and contrastive learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae127 PMID:38555479	研究论文	提出基于键图增强和对比学习的MS-BACL模型，用于预测分子代谢稳定性	首次在代谢稳定性预测任务中考虑分子图中键与键之间的关系，构建基于“原子-键-原子”的键图，并采用对比学习策略增强分子表示	未明确讨论模型的局限性	提升分子代谢稳定性预测的准确性和可靠性	分子代谢稳定性	机器学习	NA	NA	图神经网络、对比学习	分子图数据	公共数据集（具体样本数未提及）	NA	MS-BACL（基于键图增强的图神经网络）	准确率等（未具体列出）	NA
967	2026-07-07	scNovel: a scalable deep learning-based network for novel rare cell discovery in single-cell transcriptomics 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae112 PMID:38555470	研究论文	介绍scNovel，一个基于深度学习的可扩展神经网络，专门用于单细胞转录组学中发现新的稀有细胞类型	针对现有自动注释工具未能充分解决新稀有细胞类型发现的问题，提出scNovel模型，其在AUROC性能上显著优于现有方法，平均AUROC结果超过94%，比第二好的方法高出16.26%	NA	开发一个可扩展的深度学习网络，专门用于从单细胞转录组数据中发现新的稀有细胞类型，以支持高通量临床数据分析	单细胞转录组学数据中的稀有细胞类型	机器学习, 数字病理学	COVID-19	单细胞RNA测序	神经网络	单细胞转录组数据	多个不同规模、协议和不平衡程度的数据集，包括一百万规模的数据集和临床COVID-19数据集	PyTorch	scNovel	AUROC	NA
968	2026-07-07	A microbial knowledge graph-based deep learning model for predicting candidate microbes for target hosts 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae119 PMID:38555472	研究论文	基于微生物知识图谱的深度学习模型用于预测目标宿主的候选微生物	构建了新型异质微生物网络（HMN）模型KGVHI，结合知识图谱嵌入与自然语言处理算法，融合全局拓扑结构和局部生物属性信息进行预测	NA	开发计算模型预测微生物与宿主间的相互作用，以降低湿实验的高风险和成本	人类蛋白质、病毒和致病细菌及其生物属性	机器学习	微生物感染	宏基因组测序	深度神经网络（DNN）	生物属性数据	三个微生物-宿主相互作用数据集	NA	深层神经网络	与现有方法比较的精确度、预测能力	NA
969	2026-07-07	SpatialcoGCN: deconvolution and spatial information-aware simulation of spatial transcriptomics data via deep graph co-embedding 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae130 PMID:38557675	研究论文	提出了一种基于深度图共嵌入的空间转录组数据去卷积和空间信息感知模拟框架	首次引入深度图共嵌入框架同时解决空间转录组数据的低分辨率问题和有限转录本检测问题，并通过自监督共图卷积网络实现细胞类型去卷积和未检测转录本的空间分布恢复	未提及该方法在处理大规模数据时的计算效率或对噪声数据的鲁棒性等潜在限制	开发改进空间转录组数据分析的方法，包括细胞类型去卷积和空间信息感知模拟	模拟空间转录组数据和真实空间转录组数据集（人类导管原位癌、发育中人类心脏和小鼠大脑）	数字病理学	导管原位癌	空间转录组学	共图卷积网络	空间转录组数据、单细胞数据	多个人类和小鼠组织样本，具体数量未明确	NA	共图卷积网络	准确性	NA
970	2026-07-07	ConvNeXt-MHC: improving MHC-peptide affinity prediction by structure-derived degenerate coding and the ConvNeXt model 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae133 PMID:38561979	研究论文	开发了一种基于结构衍生简并编码和ConvNeXt模型的MHC-I肽结合亲和力预测方法	引入简并编码方法增强泛特异性预测，结合迁移学习和半监督学习与ConvNeXt深度学习框架	预期在未来免疫信息学领域有新发现，但未明确当前局限性	提高MHC-I与肽结合亲和力的预测准确性，支持癌症免疫治疗中新抗原的识别	MHC-I肽结合亲和力预测	机器学习	癌症免疫治疗	NA	ConvNeXt	肽序列数据	未明确说明样本数量	PyTorch	ConvNeXt	准确率	NA
971	2026-07-07	DeepFGRN: inference of gene regulatory network with regulation type based on directed graph embedding 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae143 PMID:38581416	研究论文	提出基于有向图嵌入的深度学习模型DeepFGRN，从基因表达谱中推断兼具调控类型和方向的基因调控网络	通过节点双向表示模块和对抗学习策略捕获有向图嵌入表示，并设计相关性分析模块提取基因表达特征及调控相关性	未提及具体局限性	重建带有调控类型和方向的精细基因调控网络	基因表达谱数据及基准数据集	机器学习	乳腺癌、肝癌、肺癌、COVID-19	基因表达谱分析	深度学习	基因表达数据	NA	PyTorch	GNN	NA	NA
972	2026-07-07	From tradition to innovation: conventional and deep learning frameworks in genome annotation 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae138 PMID:38581418	综述	综述了从传统方法到深度学习框架在基因组注释中的应用，并强调了该领域的动态进展	对比传统方法如浅层学习与当代深度学习框架，提供了基因组注释挑战的新视角	未提及具体局限，但综述性文章可能缺乏实证比较	回顾和比较基因组注释中的传统与深度学习框架，突出挑战与创新	基因组序列中的基因及功能元件	机器学习	NA	RNA-Seq, ChIP-Seq	深度学习框架	序列数据	未提及具体样本量	NA	NA	NA	NA
973	2026-07-07	A new paradigm for applying deep learning to protein-ligand interaction prediction 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae145 PMID:38581420	研究论文	提出一种利用蛋白质-配体复合物几何信息预测对接姿态均方根偏差与结合强度的新型深度学习框架IGModel	通过在同一预测框架内同时输出具有直观物理意义的对接姿态偏差和结合亲和力分数，并引入几何特征编码的潜空间可视化与可解释性分析	NA	开发具有物理意义的高精度蛋白质-配体相互作用预测方法，推动药物设计领域发展	蛋白质-配体复合物的对接姿态和结合亲和力	机器学习	NA	分子对接	深度学习（DL）	蛋白质-配体复合物结构数据	包含CASF-2016基准测试集、PDBbind-CrossDocked-Core和DISCO等多类测试集	PyTorch	IGModel	均方根偏差、结合亲和力（pKd）预测精度、AUROC等	NA
974	2026-07-07	SPDesign: protein sequence designer based on structural sequence profile using ultrafast shape recognition 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae146 PMID:38600663	研究论文	提出了一种基于结构序列图谱和超快形状识别的蛋白质序列设计方法SPDesign，显著优于现有方法	利用超快形状识别向量加速搜索类似蛋白质结构，并结合结构预训练知识与几何特征，通过增强图神经网络进行序列预测	NA	探索结构序列图谱在蛋白质序列设计中的应用，以提高设计准确率	蛋白质序列及其对应的三维骨架结构	机器学习	NA	蛋白质序列设计, 结构比对	增强图神经网络 (GNN)	蛋白质结构数据	CATH 4.2基准数据集，孤儿基准和从头设计基准	NA	增强图神经网络	序列恢复率	NA
975	2026-07-07	Improving drug response prediction via integrating gene relationships with deep learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae153 PMID:38600666	研究论文	提出一种名为DIPK的深度学习框架，通过整合基因相互作用关系、基因表达谱和分子拓扑结构来提升药物反应预测的准确性和鲁棒性	采用自监督技术整合多种信息源（基因相互作用关系、表达谱和分子拓扑结构），首次将基因关系显式融入深度学习模型以提升药物反应预测效果，并扩展到单细胞RNA-seq数据分析	NA	通过深度学习整合基因关系信息，提高抗癌药物反应预测性能，助力个性化癌症治疗	癌细胞系的药物反应预测，包括已知和新型细胞及药物	机器学习	癌症	RNA-seq（含单细胞RNA-seq）	深度学习（自监督深度神经网络）	基因表达谱、分子拓扑结构、基因相互作用关系	NA	PyTorch	Deep neural network Integrating Prior Knowledge（DIPK）	accuracy, robustness (与现有方法比较)	NA
976	2026-07-07	DSNetax: a deep learning species annotation method based on a deep-shallow parallel framework 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae157 PMID:38600668	研究论文	提出一种基于深度-浅层并行框架的深度学习物种分类方法DSNetax，用于微生物群落分析中的物种注释	结合深度-浅层并行网络结构提取16S rRNA基因序列的语义和细节特征，利用DNABERT模型生成词向量，实现更准确的属和种级别分类	未提及具体计算资源消耗或对长序列处理效率的详细比较，且依赖SILVA数据库的序列特征	解决现有微生物物种注释方法在准确性、时间和内存方面的限制，提供高效准确的分类方法	16S rRNA基因序列	自然语言处理, 机器学习	NA	16S rRNA基因测序	平行神经网络	基因序列	428,748条长度为1500碱基对的16S rRNA序列	PyTorch	DNABERT, DSNetax并行网络（包括深层和浅层模块）	准确率	NA
977	2026-07-07	Correction to: A new paradigm for applying deep learning to protein-ligand interaction prediction 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae226 PMID:38701423	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
978	2026-07-07	Malignancy diagnosis of liver lesion in contrast enhanced ultrasound using an end-to-end method based on deep learning 2024-03-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01247-y PMID:38515044	研究论文	提出一种基于深度学习的端到端方法，用于超声造影中肝脏病变的恶性诊断	无需手动特征选择，直接利用CNN和LSTM从不同造影期相的CEUS动态序列中提取时空特征，实现端到端的恶性诊断	研究样本量相对有限（420例），且未探讨模型在不同设备和参数设置下的泛化能力	开发一种基于深度学习的端到端方法，提高超声造影中肝脏病变恶性诊断的准确性和客观性	超声造影中的局灶性肝脏病变（良性136例和恶性284例）	计算机视觉	肝癌	超声造影	CNN-LSTM	超声造影动态视频序列	420例局灶性肝脏病变（136例良性，284例恶性）	NA	二维卷积神经网络，长短期记忆网络，线性分类器（Sigmoid）	AUC	NA
979	2026-07-07	Automatic de-identification of French electronic health records: a cost-effective approach exploiting distant supervision and deep learning models 2024-02-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02422-5 PMID:38365677	研究论文	提出了一种利用远程监督和深度学习模型自动去识别法语电子健康记录的成本效益方法	采用远程监督方法显著降低手动标注成本，并利用eHOP临床数据仓库和国家知识库实现自动化标注，同时结合Prodigy工具进行辅助数据标注	研究未明确说明外部验证或不同临床机构间的泛化能力	开发一种自动去识别临床文档的管道，减少手动标注成本，便于在不同临床中心推广	法语电子健康记录中的个人识别信息	自然语言处理	NA	NA	Bi-LSTM + CRF	文本	基于法国雷恩大学医院eHOP临床数据仓库的电子健康记录数据集	NA	Bi-LSTM + CRF, Flair + FastText词嵌入	F1分数	NA
980	2026-07-07	InsightSleepNet: the interpretable and uncertainty-aware deep learning network for sleep staging using continuous Photoplethysmography 2024-02-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02437-y PMID:38355559	研究论文	基于连续光电容积描记信号，开发了可解释且具不确定性意识的睡眠分期深度学习网络InsightSleepNet	创新性地融合局部注意力模块、InceptionTime、时间分布密集层、时间卷积网络和1D卷积网络，同时考虑模型预测的可解释性和不确定性，并引入能量分数估计进行选择性预测	未明确提及	利用穿戴设备连续监测睡眠，开发更高效的睡眠分期方法，为医学决策提供支持	从连续PPG信号中提取的睡眠分期数据	机器学习	睡眠相关疾病	光电容积描记	CNN, TCN, InceptionTime	信号数据	使用三个数据集：MESA、CFS、CAP，样本量未明确	NA	InceptionTime, TCN, 1D CNN	准确率，Cohen's kappa，加权F1分数	NA