深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 42996 篇文献，本页显示第 1021 - 1040 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2026-03-28 |
Frontiers and challenges in the design of binders for intrinsically disordered proteins
2026-Mar-24, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2026.103256
PMID:41887012
|
综述 | 本文综述了针对内在无序蛋白质（IDPs）的配体设计前沿与挑战，探讨了从基于物理原理到深度学习驱动的设计策略 | 系统性地剖析了针对动态、无稳定结构蛋白质的计算设计策略，并整合了物理原理与深度学习方法的进展 | NA | 探讨内在无序蛋白质配体设计的原则、优势、限制及未来方向 | 内在无序蛋白质及其配体 | 计算蛋白质设计 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1022 | 2026-03-28 |
A Deep Learning Pathomic Signature Predicts Survival and Recurrence in Pancreatic Ductal Adenocarcinoma Independent of CA19-9
2026-Mar-24, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2026.218452
PMID:41887395
|
研究论文 | 本研究开发了一种基于深度学习的病理组学特征（PCPS），用于预测胰腺导管腺癌（PDAC）患者的生存和复发风险，其预测能力独立于血清标志物CA19-9 | 首次开发了基于常规H&E染色全切片图像的深度学习病理组学特征，能够有效对CA19-9阴性患者进行风险分层，并揭示了与免疫抑制微环境和基底样上皮细胞状态相关的生物学机制 | 研究样本量相对有限（内部队列252例，外部验证队列183例），且为回顾性研究，需要前瞻性多中心验证 | 开发一种独立于CA19-9的预后生物标志物，以改善胰腺导管腺癌的风险分层和治疗指导 | 胰腺导管腺癌（PDAC）患者 | 数字病理学 | 胰腺癌 | 苏木精-伊红（H&E）染色全切片图像分析 | 深度学习模型 | 病理图像 | 内部队列252例患者，外部验证队列183例患者（来自TCGA） | NA | NA | C-index, 风险比（HR）, P值 | NA |
| 1023 | 2026-03-28 |
ProMol_Func: A Structure-Free Deep Learning Model for Virtual Screening
2026-Mar-23, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.6c00173
PMID:41889774
|
研究论文 | 提出了一种名为ProMol_Func的无结构深度学习框架，用于虚拟筛选，通过整合小分子的图编码和仅从氨基酸序列衍生的蛋白质功能嵌入，克服了传统结构依赖方法的限制 | 开发了一种不依赖蛋白质结构的深度学习模型，结合了图编码和蛋白质功能嵌入，并利用实验验证的非活性化合物和随机诱饵增强训练数据，提高了筛选能力和泛化性 | 未明确提及模型在处理极大规模数据集或特定蛋白质家族时的具体限制 | 旨在开发一种高效且可扩展的虚拟筛选方法，以替代传统计算密集型且依赖蛋白质结构的药物设计模型 | 小分子化合物和蛋白质（特别是DnaK蛋白伴侣） | 机器学习 | NA | 深度学习，虚拟筛选 | 深度学习模型 | 小分子图编码，蛋白质氨基酸序列 | 使用LIT-PCBA基准数据集进行训练和评估，具体样本数量未明确说明 | NA | NA | 富集因子（EF1%） | NA |
| 1024 | 2026-03-28 |
SkinCast: an AI-driven mechanistically interpretable model for predicting skin sensitization of environmentally released consumer product ingredients
2026-Mar-22, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110209
PMID:41886929
|
研究论文 | 开发了一种名为SkinCast的AI驱动、机制可解释模型，用于预测环境释放的消费品成分引起的皮肤致敏性 | 通过整合皮肤致敏途径中的四个关键事件，并采用图卷积网络进行结构表示，结合生物加权评分函数实现机制可解释的预测 | 未明确说明模型在特定化学类别或复杂混合物中的泛化能力限制 | 预测环境释放的消费品成分的皮肤致敏性，以识别潜在致敏原 | 消费品成分，特别是香料成分 | 机器学习 | 皮肤过敏 | 定量构效关系 | 图卷积网络, 机器学习, 深度学习 | 化学结构数据 | 验证化合物未明确数量，但应用于3,415种香料成分 | NA | 图卷积网络 | AUC | NA |
| 1025 | 2026-03-28 |
Uncertainty-Aware Explainable AI for Pancreatic Cysts: Identifying Deep Learning Vulnerabilities and Ensuring Safe Clinical Triage in IPMN Management
2026-Mar-22, Research square
DOI:10.21203/rs.3.rs-9096790/v1
PMID:41890858
|
研究论文 | 本研究首次将可解释AI与不确定性量化相结合，评估胰腺囊肿特征对深度学习模型在IPMN恶性风险预测中性能的影响 | 首次在多中心研究中系统分析囊肿类型、大小和位置对深度学习模型行为的影响，并整合SHAP、LIME、Grad-CAM和不确定性量化进行全面的可解释性分析 | 回顾性研究设计，样本量相对有限（170例IPMNs），模型整体准确率仅为67.1% | 评估深度学习模型在IPMN恶性风险分层中的性能，并识别模型在复杂高风险病例中的脆弱性 | 来自七个医疗中心的170例胰腺导管内乳头状黏液性肿瘤（IPMNs） | 数字病理学 | 胰腺癌 | 放射组学-深度学习融合模型 | 深度学习 | 医学影像 | 170例IPMNs | NA | NA | 准确率 | NA |
| 1026 | 2026-03-28 |
Opioid Overdose Death Prediction with Graph Neural Networks
2026-Mar-22, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.03.18.26348454
PMID:41890993
|
研究论文 | 本文提出了一种时空图神经网络框架，用于预测美国俄亥俄州县级阿片类药物过量死亡人数 | 结合图神经网络捕捉县级空间关系和LSTM网络建模时间动态，并采用基于分类的策略改进小县预测 | 研究仅针对俄亥俄州88个县，模型在其他地区的泛化能力未经验证 | 提高县级阿片类药物过量死亡的预测准确性，以支持及时的公共卫生干预 | 俄亥俄州88个县的阿片类药物过量死亡数据 | 机器学习 | 药物过量 | 时空数据分析 | GNN, LSTM | 时间序列数据，空间数据 | 88个县从2017年第一季度至2023年第二季度的季度数据 | 未明确指定 | 时空图神经网络 | 未明确指定 | NA |
| 1027 | 2026-03-28 |
Ancestral state reconstruction with discrete characters using deep learning
2026-Mar-21, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.19.712918
PMID:41890074
|
研究论文 | 本研究利用深度学习软件phyddle进行祖先状态重建，评估其在各种方法和模型条件下的性能，并与贝叶斯推断进行比较 | 将深度学习应用于系统发育学中的祖先状态重建，特别是针对似然函数难以处理的复杂模型，提供了一种替代传统基于似然推断的新方法 | 在树规模增大时性能下降，且对于复杂模型（如物种形成和灭绝模型），其估计与贝叶斯推断的差异更大 | 开发并评估深度学习在系统发育学中祖先状态重建的应用，以处理似然函数难以计算的模型 | 离散字符模型下的祖先状态重建，包括简单马尔可夫模型和更复杂的生物现实模型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 离散字符数据 | NA | phyddle | NA | NA | NA |
| 1028 | 2026-03-28 |
Protocol for non-invasive tumor monitoring and diagnosis based on interpretable deep learning
2026-Mar-20, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2026.104358
PMID:41653437
|
研究论文 | 本文介绍了一种基于可解释深度学习框架Oncoder的非侵入性肿瘤监测和诊断协议 | 利用可解释深度学习框架Oncoder，通过追踪患者血浆cfDNA中肿瘤特异性DNA甲基化信号的动态变化来监测治疗反应 | NA | 开发非侵入性肿瘤监测和诊断协议 | 血浆细胞游离DNA中的肿瘤特异性DNA甲基化 | 机器学习 | 肿瘤 | DNA甲基化分析 | 深度学习 | 甲基化数据 | NA | NA | Oncoder | NA | NA |
| 1029 | 2026-03-28 |
Protocol to perform cell-type-specific transcriptome-wide association study using scPrediXcan framework
2026-Mar-20, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2025.104306
PMID:41689808
|
研究论文 | 本文介绍了一个名为scPrediXcan的框架协议，用于执行细胞类型特异性转录组范围关联研究 | 通过整合基于深度学习的基因表达预测与表观遗传特征，实现了细胞类型特异性的转录组范围关联研究，并提供了可扩展的模型训练与关联测试协议 | 协议依赖于GWAS汇总统计数据，可能受限于原始GWAS研究的样本量和统计效力 | 开发并详细描述一个用于细胞类型特异性转录组范围关联研究的计算框架协议 | 基因表达预测模型、GWAS汇总统计数据、细胞类型特异性转录组关联 | 机器学习 | NA | 深度学习、表观遗传特征分析、GWAS汇总统计 | 深度学习模型 | DNA序列数据、表观遗传特征数据、GWAS汇总统计数据 | NA | NA | NA | NA | 最小计算负担 |
| 1030 | 2026-03-21 |
Corrigendum to 'Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population': [International Dental Journal Volume 76, Issue 2, April 2026, 109381]
2026-Mar-18, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109504
PMID:41855705
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1031 | 2026-03-28 |
HISNET-FF: Hierarchical identification of species using a network with fused cranial and dental features
2026-Mar-18, Zoological research
IF:4.0Q1
|
研究论文 | 本文提出了一种名为HISNET-FF的双流深度学习框架，用于基于哺乳动物颅骨和牙齿特征的物种分类 | 开发了融合全局颅骨形态和局部牙齿及听泡诊断信号的双流架构，并采用从属到种的层次分类流程，显著提升了物种识别准确率 | NA | 加速基于形态学的物种鉴定，实现自动化的分类学分类 | 鼹鼠科（Talpidae）的51个物种，涵盖18个属 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 包含51个物种（18个属）的广泛图像数据集 | NA | HISNET-FF, YOLO | 准确率, 召回率, 精确率, 平均精度均值（mAP@[.50:.95]） | NA |
| 1032 | 2026-03-28 |
Temporal Integration of Serum Proteomics, Metabolomics and MRI Tumor Volumetrics via Deep Learning Identifies Systemic Mediators of Glioblastoma Response to Chemoradiotherapy
2026-Mar-18, Research square
DOI:10.21203/rs.3.rs-9085743/v1
PMID:41890862
|
研究论文 | 本研究通过深度学习整合血清蛋白质组学、代谢组学与MRI肿瘤体积数据，识别了胶质母细胞瘤对放化疗反应的系统性介质 | 首次将AI分割的MRI体积变化与血清多组学数据结合，揭示了胶质母细胞瘤放化疗后肿瘤体积变化与特定代谢通路之间的关联 | 样本量较小（55例患者），且为单中心研究，需要更大规模、多中心的验证 | 整合临床、分子和影像数据，识别与胶质母细胞瘤放化疗反应相关的系统性生物标志物和通路 | 胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | SomaScan蛋白质组学平台，SECIM代谢组学检测，AI分割 | 深度学习 | 血清蛋白质组学数据，血清代谢组学数据，MRI影像 | 55例临床注释的胶质母细胞瘤患者，提供放化疗前后的血清样本 | NA | NA | p值 | NA |
| 1033 | 2026-03-28 |
HGT-PepPI: A Heterogeneous Graph-Based Framework Leveraging Pragmatic Analysis for Peptide-Protein Interaction Prediction
2026-Mar-17, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c03139
PMID:41841204
|
研究论文 | 本研究提出了一种基于异质图神经网络的框架HGT-PepPI，用于预测肽-蛋白质相互作用 | 通过构建整合序列语义信息、进化保守谱和实验验证相互作用的多关系边异质图，并利用消息传递机制捕获局部序列特征和全局复杂上下文依赖，实现了对相互作用语义的全面建模 | 模型性能受限于RCSB蛋白质数据库中有标记的蛋白质-肽复合物数据量 | 开发一种能够准确预测肽-蛋白质相互作用的计算模型 | 肽和蛋白质序列 | 生物信息学 | NA | 深度学习 | 异质图神经网络 | 序列数据 | NA | PyTorch | HGT | 预测性能、鲁棒性 | NA |
| 1034 | 2026-03-28 |
Rapid Machine Learning-Driven Detection of Pesticides and Dyes Using Raman Spectroscopy
2026-Mar-17, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00396
PMID:41843405
|
研究论文 | 提出了一种基于深度学习的框架MLRaman，用于利用拉曼光谱快速检测农药和染料 | 结合ResNet-18特征提取与XGBoost、SVM等分类器，开发了CNN-XGBoost和CNN-SVM混合模型，并构建了用户友好的实时预测Streamlit应用 | 未明确说明模型在更广泛或更复杂真实场景下的性能限制 | 开发快速可靠的机器学习方法，用于检测食品和环境中的农药和合成染料残留 | 7种农药和3种染料，共10种分析物 | 机器学习 | NA | 拉曼光谱 | CNN, XGBoost, SVM | 光谱数据 | 未明确说明具体样本数量，涉及10种分析物的拉曼光谱 | 未明确指定，可能涉及PyTorch/TensorFlow（用于ResNet）及Scikit-learn（用于SVM/XGBoost） | ResNet-18 | 准确率, AUC | NA |
| 1035 | 2026-03-28 |
SurfSol: A Multimodal Surface-Based Deep Learning Framework for Protein Solubility Prediction
2026-Mar-17, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00124
PMID:41841780
|
研究论文 | 提出一种名为SurfSol的多模态表面深度学习框架，用于预测蛋白质溶解度 | 首次将显式表面表示（几何与理化性质）与序列、结构特征结合，通过E(3)-等变图神经网络进行多模态融合，为溶解度预测提供了新范式 | 仅基于eSOL数据集进行评估，未在其他独立数据集上验证泛化能力；未讨论计算复杂度对实际应用的影响 | 开发高精度的蛋白质溶解度预测方法，以支持生物技术和制药领域重组蛋白的应用 | 重组蛋白质 | 计算生物学 | NA | 深度学习 | 图神经网络,Transformer | 蛋白质序列,结构表面特征 | 经处理的eSOL数据集（具体数量未说明） | PyTorch Geometric（推断） | E(3)-等变图神经网络,TransformerConv,ESM-2 | 相关系数,AUC | NA |
| 1036 | 2026-03-28 |
SynAPSeg: A novel dataset and image analysis framework for deep learning-based synapse detection and quantification
2026-Mar-16, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.12.711395
PMID:41890116
|
研究论文 | 本文介绍了一个名为SynAPSeg的新型数据集和图像分析框架，用于基于深度学习的突触检测和量化 | 提出了首个大规模、公开可用的突触点实例分割数据集，并开发了一个集成深度学习模型和交互界面的开源分析框架 | NA | 解决神经科学中突触组织在电路级别量化分析的关键瓶颈 | 突触点，特别是兴奋性突触后PSD95点，以及抑制性中间神经元中的突触 | 计算机视觉 | 老年疾病 | 荧光标记和成像 | 深度学习模型 | 图像 | 包含近400万个兴奋性突触后PSD95点的大规模数据集 | NA | NA | NA | NA |
| 1037 | 2026-03-28 |
Automated measurement of horizontal strabismus in children's primary gaze photographs using deep learning and computer vision
2026-Mar-12, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105438
PMID:41825684
|
研究论文 | 本研究开发并验证了一种基于深度学习和计算机视觉的自动化系统，用于从儿童主视照片中测量水平性斜视角度 | 提出了一种两阶段人工智能系统，结合深度学习进行眼部结构分割和计算机视觉算法测量对齐，实现了自动化水平性斜视测量 | 研究仅验证了水平性斜视，未涉及垂直性斜视；样本量相对有限（147张照片） | 开发并验证自动测量儿童水平性眼位对齐的算法 | 儿童的主视照片 | 计算机视觉 | 斜视 | 深度学习，计算机视觉 | 深度学习算法 | 图像 | 深度学习训练数据集包含11,018张眼部图像，验证阶段使用147张主视照片 | NA | NA | 线性回归斜率，p值，组内相关系数（ICC），一致性界限（LoA），变异系数（CoV） | NA |
| 1038 | 2026-03-28 |
EpiExpr: Predicting gene expression using epigenetic data and chromatin interactions
2026-Mar-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.06.704509
PMID:41867859
|
研究论文 | 本文介绍了一个名为EpiExpr的深度学习框架，用于从表观遗传数据和染色质相互作用预测基因表达 | EpiExpr框架结合了一维表观遗传轨迹和三维染色质相互作用，利用残差卷积网络和图神经网络（包括图注意力和图变换器模型）来捕捉局部和远距离调控影响，无需DNA序列嵌入即可达到与基于序列的变换器模型相当的性能 | NA | 解码表观基因组景观中的基因表达，并提供一个可扩展的多分辨率框架来剖析表观遗传修饰和三维基因组组织对基因调控的贡献 | GM12878和K562细胞系 | 基因组学 | NA | 表观遗传数据，染色质相互作用数据，CRISPRi-FlowFISH验证 | 残差卷积网络，图神经网络，图注意力模型，图变换器模型 | 一维表观遗传轨迹，三维染色质相互作用数据 | NA | NA | 残差卷积网络，图注意力模型，图变换器模型 | NA | NA |
| 1039 | 2026-03-28 |
Deep Learning-Based Generation of Synthetic Multiphasic MRI In Hepatocellular Carcinoma and Cirrhosis
2026-Mar-04, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2026.101813
PMID:41887530
|
研究论文 | 本研究评估了基于深度学习的合成三维肝脏对比增强多期相MRI在肝细胞癌和肝硬化中的可行性 | 利用三维循环一致性生成对抗网络从非对比增强序列生成合成对比增强多期相MRI，以减少造影剂使用和扫描时间 | 基于中等规模的单中心数据集，需要更大规模的多中心研究和外部验证 | 评估深度学习生成合成对比增强多期相肝脏MRI的可行性 | 肝细胞癌和肝硬化患者的MRI图像 | 计算机视觉 | 肝细胞癌, 肝硬化 | MRI | GAN | 图像 | 533次MRI检查，包含3,198个MRI期相，来自185名肝细胞癌患者和182名肝硬化患者 | NA | 三维循环一致性生成对抗网络 | 结构相似性指数, 重叠度, 对称平均绝对百分比误差, 准确率, 精确率, Fleiss's kappa | NA |
| 1040 | 2026-03-28 |
Clinical validation of perfusion imaging with pulmonary function test data using Voronoi-based discretization
2026-Mar-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4669
PMID:41698321
|
研究论文 | 本研究提出了一种基于Voronoi图离散化的框架，用于从原始值和百分位数缩放的灌注图像中提取局部空间信息，以评估肺功能，并验证其与肺功能测试数据的相关性 | 提出了利用Voronoi图对肺灌注图像进行离散化的新方法，以捕获局部空间信息，并计算分层描述性统计量，从而将区域灌注成像与全局肺功能评估联系起来 | 未明确提及具体局限性，但文中暗示替代方法（如基于CT的灌注和深度学习模型）通常需要大量数据集进行验证，而这些数据往往稀缺 | 开发一个框架，以弥合区域灌注成像与全局肺功能评估之间的差距，实现SPECT和CT-P灌注图之间有意义的定量比较 | 肺灌注图像（SPECT和CT-P）以及肺功能测试数据 | 数字病理学 | 肺癌 | 单光子发射计算机断层扫描，基于CT的灌注成像，肺功能测试 | NA | 图像 | NA | NA | NA | 斯皮尔曼相关系数，AUC | NA |