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
1081	2026-09-23	HyRes: Accurate Physics-Based Simulation of Dynamic Protein Structures and Interactions in Complex Environments at Scale 2026-Jun-24, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.23.734133 PMID:42395354	研究论文	本文介绍了一种基于物理的混合分辨率蛋白质模型HyRes，用于模拟复杂环境中动态蛋白质结构和相互作用	HyRes是一种混合分辨率模型，结合原子级骨架和中间分辨率侧链，在保持原子级精度的同时提高计算效率，并展示了在多种环境中的可转移性和大规模应用	摘要中未明确提及限制	开发一种可转移的方法，能够在不同环境中大规模推导动态构象集合，以研究IDP的瞬态多价相互作用如何组织和微调细胞过程	内在无序蛋白质和区域（IDPs），包括来自人类蛋白质组和DisProt的约30,000个IDPs	计算生物学	NA	基于物理的模拟	混合分辨率蛋白质模型	蛋白质结构数据	约100个IDPs用于评估，约30,000个IDPs用于大规模生成集合	NA	HyRes	链尺寸、瞬态三级接触、局部二级结构的匹配程度	NA
1082	2026-09-23	Five-Year Breast Cancer Risk Prediction From Screening Breast Ultrasound Using Deep Learning 2026-Jun-24, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.21.26356188 PMID:42396304	研究论文	开发并评估一种深度学习模型，利用筛查乳腺超声检查预测五年乳腺癌风险	结合注意力机制的多实例学习聚合图像特征，并融合年龄和超声估计的乳腺密度，实现超过乳腺密度单独分层的长期风险预测，性能优于Tyrer-Cuzick模型	需要外部和前瞻性验证才能在临床使用	开发和评估深度学习模型用于五年乳腺癌风险预测	122,072名女性的295,298次乳腺超声检查	计算机视觉	乳腺癌	NA	深度学习	图像	295,298次乳腺超声检查来自122,072名女性	NA	BUS-Risk-Net	AUC	NA
1083	2026-09-23	Deep dynamical models of single-cell multiomic velocities predict loss-of-function and rescue perturbations in B cells 2026-Jun-23, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.24.650458 PMID:42395443	研究论文	本文提出了DynaVelo，一种生成式神经常微分方程模型，利用单细胞多组学数据学习基因表达和转录因子基序活动的联合动态，并预测B细胞中的功能丧失和救援扰动。	DynaVelo是一种结合部分RNA速度信息和单细胞转录因子基序可及性数据的生成式神经常微分方程模型，用于学习细胞状态动态并识别转录因子驱动因子，能够预测功能丧失突变下的细胞动态变化和救援扰动。	摘要中未明确提及限制。	利用单细胞多组学数据建模和扰动动态细胞系统，预测B细胞中的功能丧失和救援扰动。	野生型小鼠生发中心B细胞、表观遗传调控因子功能丧失突变体、双杂合突变体小鼠。	机器学习	NA	单细胞多组学（联合基因表达和染色质可及性读数）	神经常微分方程	单细胞多组学数据	NA	NA	NA	NA	NA
1084	2026-09-23	Simulation of cell-size systems at long timescales with flexible protein structures 2026-Jun-22, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.20.733545 PMID:42395490	研究论文	本文提出了一种结合AlphaFold3预测的柔性蛋白复合物模型与基于对接的刚性体马尔可夫链蒙特卡洛采样方法，用于在原子分辨率下模拟拥挤细胞内环境中大分子系统的长时程行为	将AlphaFold3预测的蛋白复合物高精度模型作为低能构象代表，融入分子间能量景观的映射中，与刚性体对接预测相结合，从而在模拟中同时考虑了蛋白质结合时的构象柔性以及拥挤环境中瞬态相互作用的多样性	刚性体近似对于涉及柔性区域的低能蛋白质-蛋白质复合物适用性有限，且AlphaFold3预测模型可能存在误差，方法在极长时程模拟中的计算效率和准确性仍需进一步验证	解决传统分子动力学模拟在原子分辨率下模拟拥挤细胞内大分子系统长时程轨迹时计算成本过高的问题，并克服刚性体对接方法在低能柔性蛋白复合物建模中的局限性	拥挤细胞内环境中的蛋白质及蛋白质复合物	计算生物学	NA	分子动力学模拟，基于对接的马尔可夫链蒙特卡洛采样，AlphaFold3结构预测	AlphaFold3，马尔可夫链蒙特卡洛	蛋白质结构数据	NA	NA	AlphaFold3	NA	NA
1085	2026-09-23	A computational theory of short-term synaptic plasticity: synapses learn to tell time 2026-Jun-19, Research square DOI:10.21203/rs.3.rs-9916271/v1 PMID:42370245	研究论文	本文提出突触是具有多个可学习参数的高级计算元件，能够调整其短期突触动力学并优化时间信息处理	提出突触具有多个可学习参数而非单一突触强度参数，证明学习和突触动力学可实现区间选择性和计数功能，并显著提升前馈网络在复杂时空任务上的性能	未明确提及	探索突触短期可塑性以优化时间信息处理	小鼠和人类新皮层突触	计算神经科学	NA	计算建模	前馈神经网络	电生理数据	NA	NA	前馈网络	NA	NA
1086	2026-09-23	Geometric Deep Learning Reveals Ligandable and Cryptic RNA Binding Small Molecule Pockets (SMARTPocket) 2026-Jun-19, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.18.732920 PMID:42368017	研究论文	本文介绍了SMARTPocket，一种基于原子级几何深度学习框架，用于直接从三维结构预测RNA-小分子结合口袋	使用全原子点云表示RNA，并利用超过110,000个蛋白质结合界面结构进行迁移学习，以克服实验解析的RNA-配体复合物数量有限的限制	对于apo RNA结构，仅在构象变化较小时才能泛化	识别可配体的小分子结合口袋，以加速RNA靶向药物的发现	RNA三维结构，包括单链基准、整理基准、apo RNA结构、SARS-CoV-2移码元件和RNA适配体	机器学习	NA	几何深度学习	几何深度学习	三维结构点云	超过110,000个蛋白质结合界面结构，四个单链基准，三个整理基准	NA	NA	NA	NA
1087	2026-09-23	Adaptive Neural Reorganization Enables Real-Time Finger-Level Robotic Control in BCI-Naïve Stroke Survivors 2026-Jun-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.15.732267 PMID:42367869	研究论文	本研究探讨了无脑机接口经验的中风幸存者是否能够通过运动想象实现手指级别的机器人手实时控制，并利用深度学习解码器对脑电图信号进行解码	首次在无脑机接口经验的中风患者群体中实现了手指级别的机器人控制，并揭示了中风后神经重组模式	样本量较小（9名参与者），未设置对照组，且三指任务的解码准确率相对较低（61%）	研究无脑机接口经验的中风患者能否通过运动想象实现手指级别的机器人手控制，并探索中风后神经重组的模式	9名中风后运动功能障碍患者，均无脑机接口使用经验	脑机接口	中风	脑电图	深度学习解码器	脑电信号	9名中风患者	NA	NA	解码准确率	NA
1088	2026-09-23	Microscopy-informed structural connectivity mapping in the in vivo human brain via domain adaptation 2026-Jun-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.14.732211 PMID:42367983	研究论文	本文提出了一种深度学习模型，通过域适应方法从扩散MRI预测高分辨率显微镜引导的纤维取向，并应用于体内人脑连接映射	利用显微镜衍生的三维纤维取向图作为生物学训练目标，通过域适应桥接猕猴死后与体内以及猕猴与人的差异，无需在推理时使用显微镜数据	未明确提及	表征人脑连接，利用多模态数据集改进体内人脑成像的连接估计	猕猴脑数据集（体内MRI、死后MRI、全脑显微镜）和体内人脑扩散MRI数据	计算神经科学，医学图像分析	NA	扩散MRI，全脑显微镜，域适应	深度学习模型	图像	NA	NA	NA	NA	NA
1089	2026-09-23	Cross-Device Adaptation of Mirai for Mammography-Based Breast Cancer Risk Prediction 2026-Jun-17, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.15.26355696 PMID:42369455	研究论文	本文评估了乳腺癌风险预测模型Mirai在不同乳腺X线摄影设备上的性能，并开发了一种设备不变模型以提升跨设备泛化能力。	提出了一种结合交错多设备采样和条件对抗训练的设备不变模型，有效缓解了设备特定微调导致的灾难性遗忘问题。	研究仅涉及Hologic和GE两种设备，未涵盖其他品牌；性能提升主要体现在短期和中期预测。	评估Mirai模型在不同乳腺X线摄影设备上的泛化能力，并开发设备不变模型以提高跨设备鲁棒性。	乳腺X线摄影图像及乳腺癌风险预测模型Mirai。	医学图像分析	乳腺癌	乳腺X线摄影	深度学习模型	图像	大型筛查队列（具体样本量未提供）	NA	Mirai	AUC	NA
1090	2026-09-23	PhenoBIC: operator-free single-cell spatial phenotyping in multiplex imaging data using deep learning of cell staining patterns 2026-Jun-16, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.11.731702 PMID:42368023	研究论文	本文开发了PhenoBIC，一种预训练的深度学习模型，用于多重成像数据中细胞染色模式的图像分类，实现无操作员的单细胞空间表型分析	提出了首个预训练的深度学习模型PhenoBIC，通过细胞染色模式（生物标志物印迹）自动分类细胞表型，无需手动干预；发布了约140万手动标注的细胞表达数据集；开源并通过QuPath界面部署	未明确提及	解决多重图像分析工作流程中需要手动干预进行细胞表型分析的问题，实现自动化、无操作员的细胞表型分类	多重成像数据中的细胞，包括多种生物标志物、组织采样策略（全活检和组织微阵列）、多重面板、成像平台和组织类型	数字病理学	NA	多重成像	CNN	图像	约140万个手动标注的细胞表达真实标签	NA	NA	F1-score	NA
1091	2026-09-23	Artificial intelligence and the future of prosthodontics: a narrative review 2026-Jun-15, The Saudi dental journal DOI:10.1007/s44445-026-00192-6 PMID:42295522	综述	本文通过叙述性综述系统总结了人工智能在口腔修复学各主要领域（全口义齿、可摘局部义齿、固定义齿、种植支持修复及颌面修复）中的应用证据	全面梳理了2006至2025年间人工智能在口腔修复学多个子领域的应用证据，涵盖弓形分类、图像解读、预测建模、修复体设计、种植系统识别和工作流程优化等多种任务，并指出当前证据主要集中于种植修复领域	由于研究设计、数据集和报告结局的异质性，无法进行定量荟萃分析；多数证据来自回顾性或实验性研究，缺乏前瞻性临床验证；未遵循PRISMA方案；存在数据质量、模型透明性、伦理问题及临床工作流程整合困难等挑战	系统总结和汇编人工智能在口腔修复学主要领域中应用的现有证据	2006至2025年间发表的经同行评议的临床、实验和综述研究，共纳入54项符合标准的研究	牙科医学	口腔疾病	人工智能、机器学习、深度学习、神经网络	NA	文本	54项研究	NA	NA	准确率	NA
1092	2026-09-23	Decoding Smell from Receptor Structure 2026-Jun-14, Research square DOI:10.21203/rs.3.rs-9947738/v1 PMID:42326533	研究论文	该研究结合AlphaFold3预测的嗅觉受体结构与ESM2蛋白序列嵌入以及大规模测序数据，开发了一个结构信息引导的深度学习框架，用于预测嗅觉受体-配体相互作用并映射受体空间与化学空间之间的关系。	首次将AlphaFold3预测的嗅觉受体结构与ESM2蛋白序列嵌入相结合，并利用大规模测序与体内嗅觉感觉神经元激活数据，构建结构信息引导的深度学习框架，实现嗅觉受体-配体相互作用的大规模预测，发现受体表征按功能相似性而非仅一级序列组织嗅觉受体，并通过特征归因识别了参与化学识别的结合腔亚区域。	摘要中未明确提及研究局限性	测试受体结构能否在大规模上解释气味识别，并建立预测框架以解读嗅觉受体编码	哺乳动物嗅觉受体、化学多样性气味面板、嗅觉感觉神经元	机器学习	NA	AlphaFold3结构预测、ESM2蛋白序列嵌入、大规模测序、体内嗅觉感觉神经元激活	深度学习	蛋白质结构、蛋白质序列、测序数据	NA	NA	AlphaFold3, ESM2	NA	NA
1093	2026-09-23	Hybrid vision transformer and ensemble machine learning framework for automated atherosclerotic plaque classification in intravascular ultrasound imaging 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53077-3 PMID:42270685	研究论文	本文提出了一种结合视觉Transformer和集成机器学习的混合框架，用于血管内超声图像中动脉粥样硬化斑块的自动分类	创新性地将视觉Transformer的全局上下文理解能力与基于Gabor滤波器的传统机器学习方法的局部纹理分析优势相结合，构建了一个三阶段集成系统	未明确提及	开发自动化的动脉粥样硬化斑块分类方法，以辅助心血管疾病的诊断和治疗规划	血管内超声图像中的动脉粥样硬化斑块	计算机视觉	心血管疾病	血管内超声成像	视觉Transformer, 支持向量机, 随机森林	图像	3867张血管内超声图像，涵盖三个斑块类别（轻度狭窄、狭窄、正常椎动脉）	NA	视觉Transformer, 支持向量机, 随机森林	准确率, F1分数	NA
1094	2026-09-23	Exploratory Assessment of Pulsed-Wave Doppler Representations of Lung Sounds Using Deep Learning: An In-Vitro Phantom Study 2026-Jun-10, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.09.26353787 PMID:42326789	研究论文	该研究探索了脉冲波多普勒超声能否从回放的肺音中捕获结构化频谱模式，并使用深度学习进行分类	首次探索使用脉冲波多普勒超声表示呼吸音，并在体外模型中进行深度学习分类验证	研究为体外模型，使用回放录音，样本量有限，需进一步在体研究验证	探索脉冲波多普勒超声作为呼吸声学表示的可行性	数字化呼吸音录音和脉冲波多普勒频谱图像	医学图像分析	呼吸系统疾病	脉冲波多普勒超声	CNN	图像	1,478 张脉冲波多普勒频谱图像，来自健康受试者和多个外部标记的疾病类别	NA	ResNet-18	NA	NA
1095	2026-09-23	Prediction of avatrombopag-induced thrombocytosis in pediatric immune thrombocytopenia: an AI-based real-world study 2026-Jun-09, Annals of hematology IF:3.0Q2 DOI:10.1007/s00277-026-07086-x PMID:42260021	研究论文	该研究基于真实世界数据，开发并验证了预测儿童免疫性血小板减少症患者使用阿伐曲泊帕后发生血小板增多症的AI模型	首次针对儿童ITP患者使用AVA后血小板增多症风险构建预测模型，并系统比较了经典机器学习、深度学习表格数据模型及最新TabPFN、FT-Transformer、HyperTab等模型的性能	样本量相对较小，仅纳入74例患者，且为单中心回顾性研究，模型的外部验证和泛化能力有待进一步证实	开发并验证AVA诱导的儿童ITP患者血小板增多症的预测模型，为个体化风险评估和精准用药提供依据	2021年7月至2024年1月期间在北京儿童医院血液肿瘤中心接受AVA治疗的74例儿童ITP患者	机器学习	免疫性血小板减少症	电子病历数据挖掘，机器学习建模	FT-Transformer、Logistic Regression、Support Vector Machine、Multilayer Perceptron、Random Forest、XGBoost、TabPFN、HyperTab	表格数据	74例儿童ITP患者	NA	FT-Transformer、Logistic Regression、Support Vector Machine、Multilayer Perceptron、Random Forest、XGBoost、TabPFN、HyperTab	准确率、AUC	NA
1096	2026-09-23	Charting Cervical Spinal Cord Morphometry Across the Lifespan 2026-Jun-08, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.03.729823 PMID:42327282	研究论文	该研究利用30个基于人群的脑MRI数据集，构建了首个覆盖全生命周期的颈段脊髓形态测量标准图表	首次生成覆盖0-100岁全生命周期的颈段脊髓形态测量标准图表，并采用对比度无关的深度学习分割方法提取多维度形态指标，结合GAMLSS模型刻画非线性变化轨迹	数据来源于已有脑MRI数据集中包含颈段脊髓覆盖的扫描，可能存在选择偏倚；未在独立临床队列中验证图表的泛化能力	建立颈段脊髓形态测量的全生命周期标准参考图表，以区分正常变异与病理改变，提升脊髓MRI在发育和神经退行性研究中的临床效用	41042名年龄0-100岁的个体，共78269次扫描	数字病理学	神经系统疾病	MRI	深度学习分割模型	图像	78269次扫描，来自41042名个体	NA	NA	NA	NA
1097	2026-09-23	Epigenetic conditioning improves sequence-based modeling of gene regulation across cell types and alleles 2026-Jun-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.02.729723 PMID:42282607	研究论文	提出MethylSeqNet模型，通过将预训练序列嵌入与CpG甲基化条件结合，提升基因调控的跨细胞类型和等位基因建模	首次将CpG甲基化作为输入条件，设计可扩展且可解释的条件机制，使模型能预测等位序列无法编码的现象（如亲本印记、随机单等位表达和X失活）	仅在一例罕见病患者中验证了结构重排预测，样本量小；依赖长读长测序数据，可能限制广泛应用	利用表观遗传状态（特别是CpG甲基化）改善基于序列的基因调控建模，并探索其在罕见病解释中的应用	细胞类型特异性染色质可及性和转录、亲本印记、随机单等位活性、X失活以及一例罕见病患者的结构重排	基因组深度学习	罕见病	长读长测序、CpG甲基化测序	深度学习	序列、甲基化	一例罕见病患者（案例研究）	NA	甲基化条件化的序列嵌入模型	NA	NA
1098	2026-09-23	Compositional and interpretable representation of histology using AI foundation models and sparse autoencoders 2026-Jun-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.03.725182 PMID:42282624	研究论文	本文描述了一个人机交互计算框架，利用计算病理学基础模型和稀疏自编码器分解H&E图像的特征，自动识别人工可解释的组织病理学特征，应用于肺结核和肺癌等肺部疾病	利用计算病理学基础模型和稀疏自编码器自动识别多样、人工可解释的组织病理学特征，并提供了一种形态学感知的方法来整合2D和3D中尺度组织架构与分子空间分析	未明确提及	提高H&E图像的计算病理学模型在生物学上的可解释性，并促进其在空间分析研究中的应用	H&E染色的组织切片图像，特别是肺结核和肺癌等肺部疾病	数字病理学	肺癌	H&E染色、空间分析	基础模型、稀疏自编码器	图像	未明确提及	未明确提及	基础模型、稀疏自编码器	未明确提及	未明确提及
1099	2026-09-23	Optic Disc Fundus Images Retain Biometric Identity Signals Under Deep Learning 2026-Jun-05, Research square DOI:10.21203/rs.3.rs-8801056/v1 PMID:42282010	研究论文	本文研究了基于视盘中心眼底图像的深度学习模型是否保留足够的受试者特异性信息用于生物特征验证，并与全视野眼底照片模型进行比较	首次系统评估视盘中心眼底图像在深度学习下的生物特征识别能力，并发现包含狭窄视盘周围区域的图像可达到与全视野眼底图像相当的验证性能	仅使用单一机构的数据集，未评估跨机构泛化能力，且未探讨身份链接密钥的实际应用场景	探究深度学习模型在视盘中心眼底图像上是否保留足够的受试者特异性生物特征信号用于身份验证	来自Bascom Palmer Eye Institute的4,500名受试者的7,724只眼的30,836张彩色眼底照片	计算机视觉	NA	NA	CNN	图像	30,836张彩色眼底照片，来自4,500名受试者的7,724只眼	NA	Siamese卷积神经网络	AUC, EER, 准确率	NA
1100	2026-09-23	Non-coding Regulatory Variants in ASD (Autism Spectrum Disorders) Disrupt CTCF Domains and Shape Cell-Type-Specific Neurodevelopmental Landscapes Revealed by Single-Cell Analyses and Cortical Organoids 2026-Jun-05, Research square DOI:10.21203/rs.3.rs-9650619/v1 PMID:42281968	研究论文	通过对600个样本进行靶向测序，结合深度学习框架Sei、单细胞核RNA-seq和皮质类器官数据，揭示非编码调控变异通过破坏CTCF结构域影响自闭症谱系障碍的细胞类型特异性神经发育	首次系统性地将非编码调控变异与CTCF结构域破坏、细胞类型特异性基因调控及神经发育阶段动态关联，并利用皮质类器官模型验证了变异的时间空间特异性效应	样本量相对有限（600个样本），仅针对既往无致病编码变异的样本，可能遗漏部分协同效应；研究主要基于预测工具Sei，实验验证不足	探究非编码调控变异在自闭症谱系障碍中的功能影响及其在单细胞水平和类器官模型中的致病机制	自闭症谱系障碍患者及其家系样本、ASD与对照脑组织单核RNA-seq数据、人类皮质类器官	机器学习	自闭症谱系障碍	靶向测序, 单核RNA-seq, 单细胞RNA-seq	深度学习, CNN	基因组序列, 基因表达数据, 单细胞转录组数据	600个样本（200个三人组）用于靶向测序；64个个体约60万个细胞核用于snRNA-seq；皮质类器官覆盖四个发育阶段（23天至6个月）	NA	Sei	p值, 富集分析	NA