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
81	2026-09-09	Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer 2025-09, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100805 PMID:40473111	研究论文	本研究通过整合单细胞RNA测序和空间转录组分析，识别出触发肝转移的恶性细胞类型，并基于此开发了一个深度学习模型（结直肠癌肝转移病理组学模型）来预测结直肠癌患者的肝转移风险	首次将单细胞与空间转录组分析结合病理组学，利用弱监督学习在无需人工标注的情况下构建预测结直肠癌肝转移的深度学习模型，并识别出特定的细胞通讯轴（COL1A1-CD44/SDC4 和 LAMA4-CD44）促进肝转移	仅基于标题和摘要，未提及明确局限性，可能包括外部验证队列规模有限、模型泛化性需进一步验证等	开发一种基于病理组学的深度学习模型，以预测结直肠癌患者的肝转移风险，并识别肝转移触发细胞及其通讯机制	结直肠癌患者，包括肝转移和非肝转移患者，以及其病理切片和转录组数据	数字病理学	结直肠癌	单细胞RNA测序、空间转录组分析、批量RNA测序	深度学习模型（ResNet18）	病理全切片图像、单细胞转录组数据、空间转录组数据、批量RNA测序数据	内部测试集为TCGA-CRC组织学图像，外部验证集包括西南医科大学附属医院和西南医科大学附属中医医院的两个队列（具体样本数未在摘要中给出）	PyTorch（推断，未明确）	ResNet18	AUC	未提及（推断使用GPU，但摘要未提供具体型号）
82	2026-09-09	GIN-CRC-Pareto: A graph-based Pareto-optimal multi-task learning framework to identify miRNA-target interactions in colorectal cancer 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.10.669528 PMID:40832303	研究论文	提出了一种基于图的Pareto最优多任务学习框架GIN-CRC-Pareto，用于结直肠癌中miRNA-mRNA相互作用的预测、种子匹配对鉴定及亚型分类	结合图神经网络与Pareto最优梯度平衡策略，动态调整多任务学习中的任务权重，以优化各任务而不相互影响	未在摘要中提及具体局限性，可能需进一步验证模型在更大队列或临床环境中的适用性	开发一个能同时预测miRNA-mRNA结合对、识别种子匹配对并分类种子匹配亚型的多任务学习框架，以阐明CRC的分子机制并促进治疗开发	结直肠癌中的miRNA-mRNA相互作用	机器学习	结直肠癌	NA	图神经网络	NA	NA	NA	图神经网络	准确率, 精确率, AUC	NA
83	2026-09-09	Improving RNA Secondary Structure Prediction Through Expanded Training Data 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.03.652028 PMID:40654677	研究论文	本文介绍了通过扩展训练数据来提高RNA二级结构预测性能的研究，开发了大型多样化数据集RNASSTR并重新训练了深度学习模型SincFold。	创建了一个大规模且多样化的RNA序列与二级结构配对数据集RNASSTR，并通过在该数据上重新训练SincFold模型，展示了其在预测先前未见RNA家族结构方面的改进泛化能力。	未在摘要中明确指出，但可能受限于数据集的覆盖范围和模型对未知家族的泛化能力有限。	探究深度学习在RNA二级结构预测中的局限性，通过扩充训练数据来提高预测准确性和泛化能力。	RNA序列及其对应的二级结构。	深度学习，计算生物学	不适用	深度学习，数据增强	深度学习模型	序列数据和结构数据	大型多样化数据集，具体数量未提及。	不适用	SincFold	泛化能力（改进）	不适用
84	2026-09-09	Multimodal CustOmics: A unified and interpretable multi-task deep learning framework for multimodal integrative data analysis in oncology 2025-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013012 PMID:40526743	研究论文	提出了一种统一且可解释的多任务深度学习框架Multimodal CustOmics，用于肿瘤学中全切片图像和多组学数据的整合分析	提出了一个可解释的多模态融合框架，能够在通路和基因水平上提取各模态活性及其交互评分，并扩展富集分析到空间数据	文中未明确提及局限性，但可能涉及数据缺失处理的鲁棒性有待进一步验证	开发一种可解释的深度学习框架，用于精准医学中多组学和组织病理学数据的整合分析	多种TCGA数据集和验证队列中的癌症数据，包括组织学图像和分子谱	数字病理学、机器学习	肿瘤	多组学测序、组织病理成像	多任务深度学习模型	组织学图像和多组学数据	涉及多个TCGA数据集和验证队列，具体数量未在摘要中提供	NA	NA	NA（提到优于state-of-the-art方法，但未指定具体指标）	NA
85	2026-09-09	The role of learned song in the evolution and speciation of Eastern and Spotted towhees 2025-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013135 PMID:40526780	研究论文	本研究通过分析东部和斑驳鹀的歌声特征，利用机器学习模型评估歌曲在物种识别中的作用，并探讨其在生殖隔离中的贡献。	首次利用大规模公民科学录音和多种机器学习模型量化分析两个姊妹种的歌曲分化，并评估其在物种形成中的潜在作用。	遗传数据样本有限，且无法完全排除环境因素对歌曲特征的影响。	探究学习性歌曲在东部和斑驳鹀进化及物种形成中的作用，特别是其在生殖隔离中的功能。	东部鹀和斑驳鹀的歌曲录音及其公开遗传数据。	数字病理学、机器学习	不适用	声学分析、机器学习分类	卷积神经网络、随机森林、梯度提升机、深度学习模型	音频录音、遗传数据	未明确说明样本量，但使用了大规模公民科学录音。	未明确说明，可能包括Scikit-learn、TensorFlow或PyTorch。	卷积神经网络（CNN）	准确性	未提及，使用NA。
86	2026-09-09	Multiobjective learning and design of bacteriophage specificity 2025-May-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.19.654895 PMID:40475446	研究论文	本研究运用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以实现增强感染性、预定义特异性和对未知菌株的高普适性攻击能力，并通过实验验证了针对26种不同任务优化的噬菌体。	首次在多目标机器学习框架下设计噬菌体特异性，展示了以实现低通量验证的高成功率设计复杂特异性，揭示了T7靶向能力的高度可塑性，并提出了适用于其他蛋白质或可突变生物系统的通用策略。	未提及具体限制，可能包括实验验证范围有限（仅针对26个任务）以及模型对未知菌株的泛化能力需进一步探索。	理解并设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以实现感染性、特异性和广谱毒力的多目标优化。	T7噬菌体受体结合蛋白以及针对的宿主菌株。	深度学习、蛋白质设计、噬菌体生物学	不适用	深度学习、蛋白质设计	多种模型架构，具体类型未明确	序列数据	26种不同设计任务对应的噬菌体变体	未提及	多种模型架构，具体如CNN、Transformer等未明确列出	感染性、特异性、攻击普适性等指标	未提及
87	2026-09-09	RETINA: Reconstruction-based pre-trained enhanced TransUNet for electron microscopy segmentation on the CEM500K dataset 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013115 PMID:40435368	研究论文	提出RETINA方法，结合在CEM500K数据集上的预训练与混合神经网络架构，实现电子显微镜图像中细胞结构的自动分割	结合大规模无标记EM图像预训练与融合局部卷积和全局Transformer的混合架构，提升跨数据集分割泛化性能	未在摘要中明确说明	开发一种在多样电子显微镜数据集上具有良好泛化性能的自动化细胞结构分割方法	CEM500K数据集中的电子显微镜图像及细胞结构	计算机视觉	不适用	深度学习方法用于图像分割	TransUNet	图像	CEM500K数据集，未指定具体数量	NA	TransUNet, Transformer, 卷积层	未明确列出，但提及分割性能优于现有模型	NA
88	2026-09-09	Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82639-6 PMID:39952935	研究论文	本研究验证了Cellpose深度学习网络在自发荧光显微图像中用于单细胞分割的可靠性，并开发了针对NAD(P)H图像的自动荧光训练模型。	首次将Cellpose应用于自发荧光显微图像的单细胞分割，并针对低信噪比图像训练了专用模型，提高了分割的重复性和准确性。	未明确提及，但可能依赖于手动分割掩膜进行训练，且测试范围仅限于特定细胞类型和治疗条件。	验证Cellpose在自发荧光显微图像中单细胞分割的可靠性，并评估其在2D和3D细胞培养中的功能变化捕捉能力。	PANC-1细胞和来自9名患者的癌症类器官，均在化疗或代谢抑制剂处理下观察。	计算机视觉	癌症	自发荧光显微镜，多光子成像，荧光寿命成像显微镜（FLIM）	深度学习网络（Cellpose）	图像（自发荧光显微图像，包括NAD(P)H强度图像和FLIM图像）	PANC-1细胞和来自9名患者的癌症类器官样本	未明确提及，但Cellpose通常基于PyTorch	Cellpose（可能基于U-Net架构）	Dice得分，相关性（R值），均值、方差和效应大小比较	未在标题和摘要中提及，因此为不适用（NA）
89	2026-09-09	Early detection of Parkinson's disease using a multi area graph convolutional network 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82027-0 PMID:39952991	研究论文	本研究提出了一种多区域注意力时空有向图卷积网络（Ma-ST-DGN），用于早期检测帕金森病，通过分析步态视频数据实现高精度诊断	引入了多区域自注意力机制和有向图重构人体骨骼特征，能够自适应关注不同区域的关键信息并有效融合全局与局部特征，提高了对帕金森病细微运动异常的敏感性	文中未提及明确的局限性	提高早期帕金森病检测的准确性，并增强运动识别模型的鲁棒性	帕金森病患者和健康个体的步态视频数据	计算机视觉	帕金森病	视频分析	图卷积网络	视频	95名帕金森病患者和96名健康个体的行走视频	NA	Ma-ST-DGN	准确率	NA
90	2026-09-09	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-12, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	本研究开发并验证了一种基于人工智能的心电图算法，用于从智能手表生成的单导联心电图中预测终末期肾病患者的血清钾水平。	首次利用AI-ECG算法在智能手表单导联心电图上预测血清钾水平，并进行了多中心、前瞻性国际队列验证。	文章标题和摘要中未提及局限性。	开发并验证一种AI-ECG算法，以利用智能手表生成的心电图波形预测终末期肾病患者的血清钾水平。	终末期肾病患者。	机器学习	慢性肾病	心电图	深度学习模型	心电图信号	训练集包括152,508名患者的293,557份心电图；微调集包括1,463名ESRD患者的4,337份心电图；外部验证集和前瞻性国际队列分别来自斯坦福医疗中心（SHC）和长庚纪念医院的40名ESRD患者。	NA	Kardio-Net	AUC, 平均绝对误差（MAE）	NA
91	2026-09-09	Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103066 PMID:38748882	研究论文	本文展示了一种使用可解释深度学习技术moETM对高维单细胞多模态数据进行整合分析的操作流程，包括数据预处理、多组学整合、先验通路知识纳入和跨组学插补。	提出了一种名为moETM的可解释深度学习方法，专门用于高维单细胞多模态数据的整合分析。	NA	提供一种可解释的深度学习技术moETM，用于单细胞多模态数据整合分析，并给出详细操作步骤。	单细胞多模态数据，特别是来自骨髓单核细胞的多组学数据。	机器学习	NA	单细胞多组学测序技术（如scRNA-seq、scATAC-seq等）	深度学习（moETM，基于主题模型的深度学习方法）	单细胞多模态数据（例如基因表达、染色质可及性等）	使用了GSE194122数据集中的人骨髓单核细胞样本	NA	moETM（基于ETM的主题模型架构）	NA	NA
92	2026-09-09	A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103067 PMID:38748883	研究论文	介绍了一个基于动态批处理对抗自编码器的深度学习框架DB-AAE，用于单细胞RNA测序数据的去噪和排序	提出了动态批处理对抗自编码器（DB-AAE）框架，通过动态调整批处理策略来改善去噪效果和细胞排序	未明确提及局限性，可能依赖于具体数据集且需进一步验证泛化性	开发一种深度学习框架用于scRNA-seq数据的去噪和细胞排序，以提高数据分析准确性	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	scRNA-seq	对抗自编码器（AAE）	基因表达数据	NA	NA	自编码器、对抗网络	NA	NA
93	2026-09-09	Discovery of antibiotics that selectively kill metabolically dormant bacteria 2024-04-18, Cell chemical biology IF:6.6Q1 DOI:10.1016/j.chembiol.2023.10.026 PMID:38029756	研究论文	本研究结合静态期筛选方法与深度学习虚拟筛选及毒性过滤，发现能选择性杀死代谢休眠细菌的抗生素，并揭示其作用机制	采用非传统筛选方法（静态期筛选）与深度学习模型结合，发现针对代谢休眠细菌的选择性抗生素，突破了传统筛选偏好活性代谢细胞的局限，并揭示药物通过结合脂多糖破坏外膜的新机制	摘要中未提及明显的局限性，但可能涉及化合物在体内有效性和安全性验证不足等未知限制	发现并开发非毒性、针对代谢休眠细菌有效的抗生素，以应对慢性感染和抗生素耐药性问题	代谢休眠细菌（包括大肠杆菌和鲍曼不动杆菌）及抗炎药物塞马莫德	机器学习	细菌感染性疾病	深度学习虚拟筛选、静态期筛选、微生物学检测、生化测量、单细胞显微镜	深度学习模型	化合物结构数据、微生物学图像及生化数据	未明确，涉及多种化合物和细菌菌株（大肠杆菌、鲍曼不动杆菌）	未提及具体框架，可能涉及常用深度学习框架	未明确指定，可能采用常用的神经网络架构	未明确提及具体指标，可能包括杀伤效率和毒性相关指标	未提及具体计算资源
94	2026-09-09	Combining enhanced spectral resolution of EMG and a deep learning approach for knee pathology diagnosis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302707 PMID:38713653	研究论文	本研究开发了一种基于肌电信号（EMG）和深度学习的方法，用于膝关节骨关节炎的诊断，通过高阶谱分析增强信号分辨率，并利用改进的ResNet101模型进行分类。	采用高阶谱分析（HOSA）增强EMG信号的频谱分辨率，结合深度学习的图像识别方法，实现了对膝关节骨关节炎的高精度诊断。	尽管所提方法表现出优越性，但仍存在一些局限，需要在未来研究中进一步解决。	开发一种基于肌电信号的膝关节病理诊断方法，特别是对膝关节骨关节炎的诊断。	正常个体和膝关节骨关节炎患者的EMG信号，涉及股四头肌、腓肠肌内侧、股直肌、半腱肌和股内侧肌等肌肉。	机器学习、数字病理学	膝关节骨关节炎	肌电图（EMG）、高阶谱分析（HOSA）	CNN	EMG信号图像	从公开数据库中提取的EMG信号，具体样本数量未在标题和摘要中指定	NA	ResNet101	准确率、AUC	NA
95	2026-09-09	A new protocol for multispecies bacterial infections in zebrafish and their monitoring through automated image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304827 PMID:39116043	研究论文	该论文提出了一种在斑马鱼内耳（耳囊）中建立和追踪单种及多种细菌感染的方案，并通过自动化图像分析进行实时监测的流程	首次建立了针对特定器官（耳囊）的多物种细菌感染斑马鱼协议，并开发了结合深度学习和荧光强度测量的自动化图像分析流程，以量化病原体频率	未明确说明局限性	开发一种用于斑马鱼多物种细菌感染研究的新协议，并通过自动化图像分析实现感染的实时追踪和量化，以探究病原体-病原体和病原体-宿主相互作用	斑马鱼（Danio rerio）及其耳囊（otic vesicle）结构；病原体包括铜绿假单胞菌、鲍曼不动杆菌和肺炎克雷伯菌	数字病理学	细菌感染性疾病	荧光成像	深度学习模型（未指定具体类型）	图像	未明确说明	未明确说明	未明确说明	未明确说明	未明确说明
96	2026-09-09	A hybrid TCN-GRU model for classifying human activities using smartphone inertial signals 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304655 PMID:39137226	研究论文	本文提出一种结合增强时间卷积网络（TCN）与门控循环单元（GRU）的轻量级混合模型，用于基于智能手机惯性信号的人体活动识别	在TCN-GRU模型中引入膨胀卷积以扩展感受野而不增加参数，并采用少量短滤波器减少参数，同时利用残差连接和GRU层进行长期时间依赖建模	目前仅使用智能手机捕获的惯性信号，未来需探索模型在不同传感器类型和更广泛数据集上的泛化能力	开发一种轻量级且高效的深度学习模型，用于智能手机基于的人体活动识别，无需繁琐的手动特征提取	智能手机惯性信号（如加速度计和陀螺仪数据）用于人体活动分类	机器学习	NA	传感器信号处理（智能手机惯性传感器）	混合深度学习模型（TCN和GRU）	时间序列信号	两个基准数据集：UCI HAR和UniMiB SHAR（具体样本数量未提及）	NA	膨胀时间卷积网络（TCN）与门控循环单元（GRU）	准确率	NA
97	2026-09-09	An end-to-end framework for private DGA detection as a service 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304476 PMID:39196905	研究论文	提出首个端到端框架，用于隐私保护的域名生成算法（DGA）检测服务，结合安全多方计算和差分隐私技术	首次提出端到端的隐私保护DGA检测服务框架，结合安全多方计算（MPC）和差分隐私（DP），并通过模型量化加速推理	未明确提及具体局限性，可能包含对多方计算协议和量化精度的假设，以及性能与隐私权衡	实现隐私保护的DGA检测分类服务，确保DNS域名和模型隐私，同时提供效率	DNS域名分类系统，区分DGA恶意域名和非DGA良性域名	机器学习	NA	NA	深度学习模型（具体类型未指明）	DNS域名文本数据	NA	NA	NA	准确性，推理时间	三方安全计算协议
98	2026-09-09	DECTNet: Dual Encoder Network combined convolution and Transformer architecture for medical image segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301019 PMID:38573957	研究论文	提出一种名为DECTNet的双编码器网络，结合卷积和Transformer架构用于医学图像分割，以提高分割准确性	新颖地结合卷积和Swin Transformer双编码器，并设计特征融合解码器与深度监督模块，以处理医学图像边界模糊和结构复杂问题	未明确提及局限性（基于标题和摘要）	解决医学图像分割中结构提取和精确分割的难题，提升分割性能	医学图像分割任务，包括皮肤病变、息肉、Covid-19病变和MRI心脏分割	医学图像分析	皮肤病变、息肉、Covid-19、心脏病	深度学习（卷积神经网络和Transformer）	双编码器网络（DECTNet），结合CNN和Swin Transformer	医学图像（皮肤病变、息肉、Covid-19病变、MRI心脏图像）	未明确提及具体样本数量	NA	DECTNet，包含卷积编码器、Swin Transformer编码器、特征融合解码器和深度监督模块	与七种模型比较，达到最先进结果（具体指标如Dice等未明确）	NA
99	2026-09-09	Semantic segmentation of urban environments: Leveraging U-Net deep learning model for cityscape image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300767 PMID:38578733	研究论文	本研究利用U-Net深度学习模型对城市景观图像进行语义分割，并在Cityscapes数据集上验证其有效性，以实现高精度的城市环境理解	提出一种基于U-Net的改进架构，通过批量归一化和丢弃层增强模型稳定性，并在城市景观分割中实现最新的性能	文中未明确提及方法的局限性	探索U-Net模型在城市景观图像语义分割中的效能，以支持城市规划、交通管理和自动驾驶等应用	城市景观图像及其语义分割结果	计算机视觉	不适用	深度学习（卷积神经网络）	U-Net	图像	未明确说明样本数量，但使用了Cityscapes数据集	未明确	U-Net（编码器-解码器结构）	准确率, 平均IoU, 平均Dice系数	未明确说明
100	2026-09-09	Unraveling Neuronal Identities Using SIMS: A Deep Learning Label Transfer Tool for Single-Cell RNA Sequencing Analysis 2023-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.28.529615 PMID:36909548	研究论文	提出SIMS，一种用于单细胞RNA测序分析的深度学习标签转移工具，可高精度分类脑组织中的细胞类型	SIMS是一个端到端、数据高效且可解释的机器学习管道，能以最少编码应用于新数据集，并在复杂组织如脑中保持高准确性	摘要中未提及具体限制	开发并验证一种可扩展、可解释的机器学习工具，用于单细胞数据的高精度细胞类型分类	单细胞RNA测序数据，包括成年大脑皮层、海马体、发育中大脑及皮层类器官样本	机器学习	NA	单细胞RNA测序	深度学习模型（具体类型未明确，但属于分类算法）	单细胞转录组数据	涉及多种数据集，但未提供具体数量	NA	NA	准确性	NA