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
981	2026-08-02	An optimized cascaded transformer with progressive attention for lung and colon cancer diagnosis from histopathological images 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109205 PMID:42372510	研究论文	提出了一种基于优化级联变压器与渐进注意力的框架，用于肺和结肠癌组织病理图像分类，提高诊断准确性。	结合高斯自适应平滑卡尔曼滤波器、卷积初始封闭移动网络和渐进注意力优化级联变压器网络，并使用随机混沌秃鹰优化算法调整超参数。	未在摘要中提及具体局限性，可能需要更广泛的数据集验证或计算资源评估。	提高肺癌和结肠癌组织病理图像分类的准确性和效率，克服传统深度学习模型的过拟合和高计算成本问题。	肺癌和结肠癌的组织病理图像。	数字病理学	肺癌, 结肠癌	组织病理图像分析	变压器, 卷积神经网络	图像	包含肺癌和结肠癌数据集，具体样本量未提及。	NA	卷积初始封闭移动网络, 渐进注意力优化级联变压器网络	准确率, 精确度, 灵敏度, F1分数	NA
982	2026-08-02	IRESGet: A transformer framework-based model to predict internal ribosome entry sites 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109232 PMID:42419188	研究论文	提出了一种基于Transformer框架的IRESGet模型，用于预测内部核糖体进入位点序列	首次应用Transformer架构于IRES序列预测，并通过RNA-FM特征编码和Optuna超参数优化提升了性能	当前数据集限制可能导致某些假阳性结果	开发高效准确的IRES序列预测模型，以替代劳动密集的实验方法	内部核糖体进入位点(IRES)序列	机器学习	不适用	RNA序列分析	Transformer	序列数据	从已发表文献和公共数据库整理的IRES数据集	Optuna, PyTorch	Transformer	准确性, 计算效率, 特异性, q值	未明确说明，但推断使用CPU或GPU
983	2026-08-02	Denoising of ASL Data Using Deep Learning Priors Generated From Distribution Remapping 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70471 PMID:42272040	研究论文	提出了一种基于深度学习先验的ASL数据去噪方法，通过分布重映射增强数据并分离处理分布内和分布外特征，提升去噪效果和泛化能力。	采用I2SB分布重映射进行数据增强，并分别去噪分布内和分布外成分，解决了训练数据有限时的过拟合和泛化问题。	未明确提及，但可能依赖于高信噪比输出和稀疏约束的贝叶斯模型，计算复杂度较高。	开发一种有效的基于深度学习的ASL数据去噪方法，以加速采集并提高图像质量。	动脉自旋标记（ASL）磁共振灌注成像数据。	医学影像处理	中风	ASL磁共振成像	U-Net、I2SB、贝叶斯模型	图像	模拟数据、多个in vivo数据集、中风患者数据（使用总平均值六分之一）	PyTorch	U-Net、I2SB	SNR	未明确提及，可能使用GPU（如NVIDIA V100或A100）
984	2026-08-02	T1-weighting in Steady-State FLASH MRI-Diffusion Is Not Only Supportive but Mandatory for the Contrast 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70443 PMID:42324643	研究论文	本文研究了在稳态FLASH MRI中，扩散效应对于T1加权对比度的必要性，并探讨了其在模拟与测量中的影响	首次指出在稳态FLASH MRI模拟中，扩散效应对于获得真实T1加权对比度是必需的，而非仅起辅助作用	文中未明确提及研究的局限性	研究扩散在稳态FLASH对比度形成中的作用，并评估其在模拟与仿真中的重要性	FLASH序列、合成脑部体模、3D打印脑部体模、硅油	磁共振成像	NA	FLASH MRI	神经网络（分割网络）	图像（合成和实测MRI图像）	一个合成脑部体模和一个3D打印脑部体模	NA	分割网络（具体架构未指明）	NA	NA
985	2026-08-02	CoviPredX: AI-driven bioactivity prediction for small molecule therapeutics against SARS-CoV-2 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109167 PMID:42263552	研究论文	本研究开发了CoviPredX，一个基于机器学习和深度学习的小分子对SARS-CoV-2多蛋白1ab生物活性预测工具，并提供了网页应用接口	结合特征选择（SHAP、RFE）与集成学习（Stacking）提高预测精度，并开发了用户友好的网页工具CoviPredX	基于单一数据库（ChEMBL）和特定靶标，可能需要更广泛的数据验证	预测小分子化合物对SARS-CoV-2多蛋白1ab的生物活性，以支持抗病毒药物研发	小分子化合物及其对SARS-CoV-2多蛋白1ab的抑制活性（IC50值）	机器学习	COVID-19	分子指纹（PubChem, Morgan）	机器学习与深度学习模型（线性回归、决策树、随机森林、偏最小二乘、LightGBM、XGBoost、MLP、GRU、VAE、FFNN、CNN）	分子描述符和指纹数据	3747个化合物（来自ChEMBL数据库）	NA	Stacking模型（LightGBM、随机森林、XGBoost）和MLP	R²、MSE、MAE	NA
986	2026-08-02	EI-Loss: Enhancing infectious disease forecasting via HSIC-guided signal-noise separation 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109155 PMID:42269262	研究论文	提出一种基于HSIC正则化的流行病信息损失函数（EI-Loss），以提升传染病预测模型对真实传播信号的提取能力	首次在流行病预测中推导出HSIC的有限样本泛化界，并通过最大化模型残差与代理噪声的依赖性来分离信号与噪声，显著提升预测性能	未在更多样化的疾病或数据集上验证，未探讨对不同类型的系统性监测扭曲的适应性	改进传染病预测模型的准确性，通过损失函数设计增强对真实传播动力学的建模	流感动态预测	机器学习	传染病（流感）	HSIC正则化	深度学习模型（未具体指定）	时间序列数据（流感监测数据）	三个不同的流感数据集	未指定	未具体指定	MSE, MAE	未提及
987	2026-08-02	A systematic review of algorithmic challenges in noise modelling for multimodal single-cell 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109161 PMID:42275753	系统综述	对多模态单细胞数据中技术噪声建模的算法挑战进行系统性综述，涵盖RNA-ATAC、RNA-蛋白和空间转录组学整合，并依据PRISMA 2020指南分析2018至2026年间发表的24篇最新文章	首次系统性地综合多模态单细胞技术噪声建模策略，特别关注概率生成模型和结合变分推断与注意力或Transformer组件的混合深度学习架构	性能提升可能无法完全反映生物学现实条件下的表现，如稀有细胞群体和成分性批次效应	评估显式建模或减轻多模态单细胞数据集中技术噪声的算法方法	多模态单细胞数据集，包括RNA-ATAC、RNA-蛋白和空间转录组学整合	机器学习	NA	单细胞多组学测序（如RNA-ATAC、RNA-蛋白、空间转录组学）	概率生成模型、变分自编码器、混合深度学习架构（结合变分推断与注意力或Transformer组件）	多模态单细胞分子测量数据（包括RNA、ATAC、蛋白质、空间转录组数据）	24篇最新文章（发表于2018年至2026年）	NA	变分自编码器、注意力机制、Transformer组件	去噪效果、聚类一致性、潜在表示学习性能	NA
988	2026-08-02	Deep learning-guided ligand generation for the strigolactone receptor ShHTL7 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109181 PMID:42296721	研究论文	该论文介绍了一个集成的深度学习辅助计算工作流，用于发现靶向独脚金内酯受体ShHTL7的配体，并通过多参数筛选策略优先选出了六个候选化合物	创新性地将REINVENT4平台与迁移学习结合用于配体生成，并整合了物理化学性质、ADMET相关描述符、分子对接和分子动力学模拟的多参数筛选策略，以发现针对ShHTL7的选择性化学调控剂	研究仅基于计算预测，未进行实验验证；候选化合物的实际生物活性和选择性尚需进一步的体外和体内实验确认	开发一种深度学习辅助的计算工作流，以生成和筛选靶向ShHTL7的配体，为选择性Striga调控剂的开发提供候选化合物	独脚金内酯受体ShHTL7及其靶向配体，特别是生成的化合物和母体配体KK023	机器学习	植物寄生杂草危害	分子对接、分子动力学模拟、MM/PBSA分析	生成模型	分子结构数据	六个优先候选化合物；一个配体-蛋白质复合物（inh-117）用于MM/PBSA分析	REINVENT4	NA	结合能	NA
989	2026-08-02	SegMWB: A lightweight deep learning framework for microscopic image classification 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109223 PMID:42385451	研究论文	提出一个名为SegMWB的轻量级深度学习框架，用于白细胞显微镜图像分类，包含预处理、分割和分类阶段	设计了定制化的细胞核分割算法以提取判别性特征，并提出了集成卷积层分块模式的SegMWB-Net，在保持较低计算复杂度的同时提高分类性能	需要进一步在独立临床数据集上进行验证，才能考虑实际临床应用	开发一个自动化的白细胞分类系统，以早期诊断各种血液恶性肿瘤	白细胞显微镜图像	计算机视觉, 数字病理学	血液恶性肿瘤	NA	CNN（卷积神经网络）	图像	三个公开数据集，包括Raabin-WBC、Peripheral Blood Cell和LISC，具体样本数量未在标题和摘要中说明	NA	SegMWB-Net（集成卷积层分块模式）	准确率	NA
990	2026-08-02	An interpretable framework for cancer drug response prediction using integrated drug and multi-omics data with a hybrid Bi-LSTM-GRU network 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109216 PMID:42385452	研究论文	本文提出了一种基于药物与多组学数据整合的混合Bi-LSTM-GRU网络框架HyDRP-LG，用于提高癌症药物反应预测性能，并通过SHAP解释关键基因及相关通路	提出了一种集成药物分子结构与细胞系多组学特征的混合深度学习架构HyDRP-LG，结合Bi-LSTM和GRU网络，并利用SHAP进行特征解释，以提供可解释性	未明确提及	提高癌症药物反应预测的准确性，并增强模型的解释性，以支持个性化癌症治疗	药物分子结构（SMILES格式）和细胞系的多组学数据（转录组、基因组和表观基因组）	机器学习	癌症	多组学数据整合（转录组、突变、甲基化）	混合深度学习网络（Bi-LSTM-GRU）	药物分子结构数据（SMILES字符串）和多组学数据（转录组、突变、甲基化）	未明确提及，但使用了CCLE数据集中的细胞系数据	NA	Bi-LSTM, GRU	预测性能（具体指标未明确提及）	NA
991	2026-08-02	Role of Artificial Intelligence in bioinformatics: Revolutionizing molecular docking and DNA tokenization 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109217 PMID:42391906	综述	本文综述了人工智能和机器学习在生物信息学中的主要贡献，重点关注其在分子对接和基于DNA令牌化的基因组分析中的应用	强调混合和生物信息学启发的AI框架在下一代生物信息学中的未来潜力，并介绍了如DiffDock、GNINA、FeatureDock、AlphaFold以及DNABERT、DNABERT-2、BigBird、Enformer等先进模型	当前挑战和局限性被讨论，但未提及具体限制或具体数据指标	突出AI和ML在生物信息学中的贡献，特别是分子对接和DNA令牌化基因组分析，并讨论未来方向	AI和ML模型在分子对接（如DiffDock、GNINA、FeatureDock、AlphaFold）和DNA令牌化（如DNABERT、DNABERT-2、BigBird、Enformer）中的应用	生物信息学	不适用	深度学习、Transformer架构、扩散模型、基础模型	Transformer、扩散模型、基础模型	生物序列数据、分子结构数据	不适用（综述文章，无具体样本数据）	不适用	DiffDock, GNINA, FeatureDock, AlphaFold, DNABERT, DNABERT-2, BigBird, Enformer	准确性、计算效率、结合姿态预测精度	不适用
992	2026-08-02	M3FusionNet: Cross-cohort multimodal prediction of breast cancer biomarkers 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109228 PMID:42407417	研究论文	提出M3FusionNet，一个融合H&E全切片图像、RNA-seq、miRNA、蛋白质组学和临床变量的多模态深度学习框架，用于预测乳腺癌生物标志物	首次提出跨队列多模态评估框架，整合组织学图像和蛋白质基因组学数据，并通过域适应策略提高泛化能力	跨数据集泛化时AUC下降13-22%，蛋白质组学数据仅限CPTAC队列	预测乳腺癌生物标志物（ER、PR、HER2、PAM50、Ki-67）以提高治疗分层和预后准确性	乳腺癌患者，TCGA-BRCA（约1036例）和CPTAC-BRCA（约134例）	数字病理学	乳腺癌	NGS, RNA-seq, miRNA测序, 蛋白质组学, 免疫组化	CNN, 梯度提升树	图像, 基因表达数据, 蛋白质组学数据, 临床数据	TCGA-BRCA约1036例，CPTAC-BRCA约134例	PyTorch, Scikit-learn	ResNet50, XGBoost, CatBoost	AUC	NA
993	2026-08-02	Application and prospect of bioinformatics in the prevention and treatment of ischemic stroke: A comprehensive narrative review 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109220 PMID:42430943	综述	本文全面回顾了生物信息学在缺血性脑卒中从预防到预后全周期管理中的应用，涵盖核心技术、数据类型、临床应用及未来挑战	首次对生物信息学在缺血性脑卒中全周期管理中的应用进行系统综述，从预防、诊疗到预后康复全面梳理技术基础、应用现状及挑战	指出了临床转化中的数据缺口、模型可解释性差以及前瞻性验证不足等核心挑战	阐述生物信息学在缺血性脑卒中预防、诊疗及预后中的全周期应用，明确其技术基础、实践应用、挑战和未来方向	缺血性脑卒中的预防、诊断、治疗、预后预测和康复管理	生物信息学	缺血性脑卒中	机器学习、深度学习、计算机辅助药物设计、多组学分析	NA	影像数据、电子健康记录、多组学数据	NA	NA	NA	评估指标（如准确率、精确率、召回率、F1分数、AUC等）	NA
994	2026-08-02	AGTformer: Synergistic global transformer and adaptive graph gating for Accurate scRNA-seq clustering 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109239 PMID:42435485	研究论文	提出AGTformer，一种结合自适应图门控与全局Transformer的scRNA-seq聚类框架，以捕获长程细胞依赖并提升聚类性能	创新性地融合自适应边重加权（Adaptive Adjacency Gating）与全局Transformer细化模块，动态降低不可靠连接的干扰，并建模超越局部图传播的长程细胞间依赖	摘要中未提及明显局限，可能涉及对数据集规模或计算资源的依赖，但未具体说明	实现准确的scRNA-seq无监督聚类，以表征单细胞转录组中的细胞异质性	单细胞RNA测序数据中的细胞亚群	机器学习	不适用	单细胞RNA测序（scRNA-seq）	Transformer和自适应图门控网络	单细胞转录组数据	十个公共scRNA-seq数据集	不适用	Transformer和自适应图门控机制	聚类准确率、可视化、敏感性分析和消融研究（具体指标如ARI、NMI未明确列出）	不适用
995	2026-08-02	Implementing malware detection framework using adaptive and deformable attention-based elman residual recurrent neural network with data encryption for secure IoT 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109249 PMID:42476073	研究论文	提出一种结合深度学习和优化密码学的安全框架，用于保护物联网免受恶意软件威胁	采用自适应可变形注意力机制的Elman残差循环神经网络（ADA-El-RRNN）进行恶意软件检测，并利用反对洪堡鱿鱼优化算法（OHSO）调整超参数和生成加密密钥	未提及具体局限性	设计一个稳健且高性能的安全框架，通过深度学习和优化加密技术保护物联网网络免受恶意软件攻击，同时确保数据传输的安全和效率	物联网设备中的恶意软件检测和安全数据传输	机器学习	NA	加密技术	循环神经网络（RNN）	数据集	四个标准数据集	NA	ADA-El-RRNN	准确率，特异度	NA
996	2026-08-02	Recommendations for Training Faculty in Generative AI Use: Crafting Higher-Order Application Exercises in Team-Based Learning 2026-Oct, The clinical teacher DOI:10.1111/tct.70489 PMID:42530226	建议文章	本文分享了利用生成式AI工具（如Claude 4 Sonnet）设计团队基础学习（TBL）中高阶应用练习的最佳实践建议，重点介绍了TRACI框架的使用和迭代设计流程	首次提出了针对TBL教师培训中利用AI生成高阶应用练习的系统性建议，结合TRACI框架和4S原则，并基于国际工作坊实践经验总结形成	主要基于工作坊的实践经验和非正式反馈，缺乏系统性的实证评估或大规模验证	为健康教育工作者提供在TBL课程设计中利用AI高效设计符合高阶布鲁姆分类学目标的4S应用练习的教师发展建议	参与国际TBL工作坊的跨学科和跨专业教育工作者	教育技术、医学教育	不适用	生成式AI（Anthropic Claude 4 Sonnet）、TRACI提示词框架	不适用	文本（提示词和应用练习）	不明确（基于工作坊参与者的非正式反馈）	不适用	不适用	不适用	不适用
997	2026-08-02	Automatic Detection of Ganglion Cells as a Supporting Tool for Hirschsprung Disease Diagnosis 2026-Sep, International journal of surgical pathology IF:0.9Q3 DOI:10.1177/10668969261437754 PMID:42085587	研究论文	设计了一种基于人工智能的工具，用于自动检测神经节细胞，以辅助诊断先天性巨结肠病。	利用深度学习分割细胞核并结合手工特征提取，通过机器学习分类器实现神经节细胞的高精度自动检测，具有较高的AUC值。	研究基于有限样本量（222个视野和2076个细胞核）且依赖专家注释，可能限制泛化性。	开发AI工具以简化并加速巨结肠病的诊断过程，提高诊断的准确性和效率。	H&E染色切片中的神经节细胞和非神经节细胞。	数字病理学	先天性巨结肠病	显微镜数字化成像，深度学习分割，特征提取	机器学习分类器（具体算法未明确，但结合了特征选择）	显微镜图像	222个高倍视野，2076个细胞核（346个神经节细胞和1730个非神经节细胞）	NA	深度学习分割网络（未指定具体架构）和机器学习分类器（未指定具体架构）	敏感性，特异性，AUC	NA
998	2026-08-02	Editable and Applicable Indoor Scene Rearrangement via Dynamic Programming 2026-Sep, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3705434 PMID:42313598	研究论文	提出了一种基于动态规划的可编辑且适用的室内场景重排新方法，通过结合自顶向下和自底向上的问题解决方法实现快速准确的场景合成，并验证了其在实际应用中的有效性。	首次将动态规划应用于室内场景重排，结合了自顶向下（基于先验或成对关系）和自底向上（基于子关系可达性）的混合求解方式，并引入了涵盖选择、探索、收敛和移动的对象排列过程。	摘要未明确提及局限性，但可能受限于特定场景配置和对象类型，且用户研究仅针对专家群体。	提出一种基于动态规划的新方法，以实现可编辑且适用的室内场景重排，提高合成效率和准确性，并支持实际应用场景。	室内场景中的对象排列，涉及多种场景配置。	计算机视觉	不适用	动态规划	不明确（未指定具体模型类型）	场景图像或场景布局数据（具体未明确）	八种不同的场景配置	不适用（未提及）	不明确（提及动态规划，但未指定具体架构）	平均时间和准确性	不适用（未提及）
999	2026-01-28	Letter to the editor: Deep learning and digital pathology for HCC prediction in steatotic liver disease 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001696 PMID:41587349	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1000	2026-02-12	Reply: Deep learning and digital pathology power prediction of HCC development in steatotic liver disease 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001697 PMID:41665974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA