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 11061 - 11080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11061 | 2025-11-24 |
Scoring information integration with statistical quality control enhanced cross-run analysis of data-independent acquisition proteomics data
2025-Nov-20, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-025-01734-5
PMID:41266840
|
研究论文 | 提出一种结合深度学习峰识别与统计质量控制的数据非依赖采集蛋白质组学跨样本分析工具DreamDIAlignR | 整合肽段洗脱行为与深度学习峰识别算法，首次在跨样本分析中引入FDR控制的统计质量评估框架 | 未明确说明算法对计算资源的需求及在处理超大规模数据集时的可扩展性 | 提升数据非依赖采集蛋白质组学数据的跨样本分析准确性和定量可重复性 | 蛋白质组学数据中的肽段峰识别与定量 | 生物信息学 | 癌症 | 数据非依赖采集质谱 | 深度学习 | 质谱数据 | 基准数据集和癌症数据集（具体样本数未明确说明） | NA | NA | 定量变化蛋白质识别数量提升率（基准数据集21.2%，癌症数据集36.6%） | NA |
| 11062 | 2025-11-24 |
A systematic longitudinal study of microbiome: integrating temporal-spatial dimensions with causal and deep learning models
2025-Nov-20, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-12282-6
PMID:41266961
|
研究论文 | 提出SysLM深度学习框架用于纵向微生物组数据的系统分析，整合时间-空间维度与因果推理模型 | 首次将深度学习与因果推理建模相结合，构建三个因果空间实现多类型生物标志物的系统筛选 | 数据存在缺失值、稀疏信号和有限可解释性等挑战 | 探索微生物群落与疾病进展的动态相互作用 | 纵向微生物组数据 | 机器学习 | 溃疡性结肠炎 | 微生物组测序 | TCN, BiLSTM | 纵向微生物组数据 | 多个数据集 | 深度学习框架 | 时序卷积网络, 双向长短期记忆网络 | 插补精度, 分类准确率, 生物标志物发现效果 | NA |
| 11063 | 2025-11-24 |
Benchmarking deep learning methods for biologically conserved single-cell integration
2025-Nov-20, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03869-z
PMID:41267095
|
研究论文 | 评估深度学习单细胞数据整合方法并提出改进框架和指标 | 提出基于相关性的损失函数和改进的基准测试指标scIB-E，能更好地保留生物学信号 | 现有单细胞整合基准测试指数在保留细胞类型内信息方面存在局限 | 系统评估深度学习单细胞数据整合方法并改进整合框架 | 单细胞RNA测序数据 | 机器学习 | 肺癌, 乳腺癌 | 单细胞RNA测序 | 变分自编码器 | 基因表达数据 | 数百万细胞（来自肺和乳腺图谱） | NA | 变分自编码器 | 单细胞整合基准测试指数, 相关性指标 | NA |
| 11064 | 2025-11-24 |
scSpecies: enhancement of network architecture alignment in comparative single-cell studies
2025-Nov-20, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03866-2
PMID:41267124
|
研究论文 | 提出一种深度学习方法来增强跨物种单细胞数据的网络架构对齐 | 通过条件变分自编码器的预训练和编码器层迁移，结合数据级和模型学习相似性的潜在空间对齐方法 | NA | 利用物种间相似性为人类单细胞数据提供生物学背景 | 肝脏、脂肪组织和胶质母细胞瘤的跨物种单细胞数据集 | 机器学习 | 胶质母细胞瘤 | 单细胞测序 | 条件变分自编码器(CVAE) | 单细胞基因表达数据 | NA | NA | 变分自编码器 | 标签转移准确性、差异基因表达分析可靠性 | NA |
| 11065 | 2025-11-24 |
Structure-enhanced graph meta learning for few-shot gene regulatory network inference
2025-Nov-20, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03860-8
PMID:41267133
|
研究论文 | 提出一种结构增强的图元学习模型Meta-TGLink，用于小样本基因调控网络推断 | 将GRN推断构建为链接预测任务，结合图神经网络和Transformer架构，在数据稀缺条件下捕获可迁移的调控模式 | NA | 开发小样本条件下基因调控网络推断的新方法 | 基因调控网络 | 机器学习 | NA | NA | 图神经网络, Transformer | 基因调控网络数据 | NA | NA | 图神经网络, Transformer | NA | NA |
| 11066 | 2025-11-24 |
MCLCBA: multi-view contrastive learning network for RNA methylation site prediction
2025-Nov-19, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06306-x
PMID:41257600
|
研究论文 | 提出一种多视图对比学习网络MCLCBA用于RNA甲基化位点预测 | 采用多视图对比学习方法，结合DNABERT和CGR分别提取序列上下文特征和结构特征，通过双重差分数据增强策略解决小样本学习问题 | 仅在样本受限的m7G数据集上验证，未在其他RNA甲基化类型上测试 | 开发在训练数据有限情况下仍能保持高性能的RNA甲基化位点预测方法 | RNA甲基化修饰位点 | 生物信息学 | NA | RNA甲基化位点预测 | 对比学习网络,CNN,BiLSTM,注意力机制,Transformer | 生物序列数据 | 样本受限的m7G数据集 | NA | DNABERT,CNN-BiLSTM-Attention,多视图对比学习网络 | AUROC,AUPRC | NA |
| 11067 | 2025-11-20 |
Retraction Note: Deep learning approach to predict autism spectrum disorder: a systematic review and meta-analysis
2025-Nov-19, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-025-07633-2
PMID:41257716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11068 | 2025-11-24 |
Deep Learning Models for Colloidal Nanocrystal Synthesis
2025-Nov-18, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c09134
PMID:41193409
|
研究论文 | 开发基于深度学习的胶体纳米晶体合成模型，关联合成参数与纳米晶体尺寸形状 | 提出基于反应中间体的数据增强方法和精细描述符，实现跨纳米晶体组成的知识迁移能力 | 模型仅基于3508个配方数据进行训练，可能无法覆盖所有可能的合成条件 | 建立合成参数与纳米晶体物理性质之间的关联关系 | 胶体纳米晶体 | 机器学习 | NA | 透射电子显微镜，半监督学习 | 深度学习 | 图像，配方数据 | 3508个配方覆盖348种纳米晶体组成，约120万个纳米晶体图像数据 | NA | 分割模型 | 平均绝对误差1.39nm，形状分类平均准确率89% | NA |
| 11069 | 2025-11-24 |
scMFF: a machine learning framework with multiple feature fusion strategies for cell type identification
2025-Nov-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06309-8
PMID:41254497
|
研究论文 | 提出一种用于单细胞RNA测序数据细胞类型识别的多特征融合机器学习框架 | 首次系统整合四种不同特征表示并探索六种融合策略，结合多种分类器进行细胞类型分类 | 未明确说明框架在不同规模数据集上的可扩展性 | 提高单细胞RNA测序数据中细胞类型分类的准确性和稳定性 | 单细胞RNA测序数据中的细胞类型 | 机器学习 | COVID-19 | 单细胞RNA测序(scRNA-seq) | 多种分类器 | 基因表达数据 | 42个疾病相关数据集和1个外部COVID-19数据集 | NA | 多特征融合框架 | 准确性,稳定性 | NA |
| 11070 | 2025-11-24 |
Perceived fatigue progression tracking during manual handling tasks using sEMG recordings
2025-Nov-18, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01787-6
PMID:41254749
|
研究论文 | 本研究通过表面肌电信号监测手动处理任务中的疲劳感知进展 | 使用复杂度指标监测感知疲劳，并开发深度学习模型进行五阶段疲劳分类 | 线性指标在不同肌肉中的结果不一致，仅在下肢肌肉中显示显著相关性 | 探索肌电疲劳表现指标与感知疲劳之间的相关性，开发个性化疲劳监测方法 | 手动处理任务中的肌肉疲劳表现 | 生物医学工程 | 肌肉骨骼疾病 | 表面肌电信号采集，惯性测量单元 | 深度学习模型 | 生理信号数据 | 未明确说明 | NA | NA | 准确率 | NA |
| 11071 | 2025-11-24 |
Spatial profiling of HPV-stratified head and neck squamous cell carcinoma reveals distinct immune niches and microenvironmental architectures
2025-Nov-18, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07280-x
PMID:41254766
|
研究论文 | 通过空间分析揭示HPV阳性和阴性头颈鳞状细胞癌在肿瘤微环境结构和免疫生态位方面的显著差异 | 首次通过高维空间分析系统比较HPV分层HNSCC的免疫生态位和微环境结构，发现TLS位置和组成的差异特征 | 样本量较小（n=16），仅使用单一技术平台进行分析 | 研究HPV状态对头颈鳞状细胞癌肿瘤-免疫-基质景观的影响 | 头颈鳞状细胞癌患者肿瘤活检组织（HPV阳性7例，HPV阴性9例） | 数字病理学 | 头颈鳞状细胞癌 | 多重免疫荧光染色，深度学习分析 | 深度学习 | 组织图像 | 16例患者肿瘤活检（7例HPV阳性，9例HPV阴性） | NA | NA | NA | NA |
| 11072 | 2025-11-24 |
Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit?
2025-Nov-18, Seminars in fetal & neonatal medicine
IF:2.9Q1
DOI:10.1016/j.siny.2025.101683
PMID:41274821
|
综述 | 探讨人工智能在预测新生儿无创呼吸支持失败方面的应用潜力 | 首次系统评估AI模型在新生儿无创通气失败预测中的表现，重点关注深度学习模型的应用 | 纳入研究数量有限（6项），缺乏多中心外部验证，需要进一步研究评估泛化能力 | 改善新生儿无创呼吸支持失败的预测，降低死亡率和并发症 | 新生儿重症监护室接受无创通气的早产儿 | 机器学习 | 新生儿呼吸疾病 | NA | 深度学习, 逻辑回归, 支持向量机 | 临床数据 | 3421名婴儿 | NA | 多模态深度神经网络 | AUC | NA |
| 11073 | 2025-11-24 |
SuperCCM: An Open Source Python Toolkit for Automated Quantification of Corneal Nerve Fibers in Confocal Microscopy Images
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.27
PMID:41251532
|
研究论文 | 开发了一个用于角膜共聚焦显微镜图像自动分析的开放式Python工具包 | 提出了首个全自动、模块化、开源的角膜神经纤维分析工具包，支持自定义算法集成 | 模型训练使用了部分粗标注数据，可能影响分割精度 | 开发一个可扩展的角膜共聚焦显微镜图像自动分析框架 | 角膜神经纤维的形态学分析 | 数字病理学 | 神经退行性疾病 | 共聚焦显微镜成像 | CNN, 编码器-解码器 | 图像 | 210张图像来自34名参与者 | Python | VGG-11, U-Net | clDice, 组内相关系数 | NA |
| 11074 | 2025-11-24 |
FatePredictor: Cell fate decision-making prediction with an ensemble deep learning model
2025-Nov-03, Innovation (Cambridge (Mass.))
DOI:10.1016/j.xinn.2025.101010
PMID:41268507
|
研究论文 | 开发基于分岔理论和最优输运理论的集成深度学习模型FatePredictor，用于预测单细胞RNA测序数据中的细胞命运决策过程 | 结合分岔理论和动态非平衡最优输运方法重建细胞轨迹，并采用集成深度学习模型预测细胞命运分岔类型 | NA | 预测细胞分化过程中的命运决策关键转变 | 单细胞RNA测序数据中的细胞命运分岔过程 | 生物信息学 | NA | 单细胞RNA测序 | 集成深度学习 | 单细胞RNA测序数据 | 模拟数据和真实单细胞数据 | NA | NA | 准确率 | NA |
| 11075 | 2025-11-24 |
Triplet longitudinal masked autoencoder for predicting individualized functional connectome development during infancy
2025-Nov-02, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103860
PMID:41274084
|
研究论文 | 提出一种三重纵向掩码自编码器方法，用于预测婴儿期个体化功能连接组的完整发育轨迹 | 创建纵向一致性预测策略确保时间一致性，引入功能连接组特定掩码自编码器捕获领域特征，开发双重三重网络和身份条件模块解耦身份与年龄信息 | 数据稀缺且存在频繁不规则缺失的纵向婴儿功能MRI扫描 | 预测婴儿功能连接组的完整动态发育轨迹，丰富对脑功能发育模式和机制的理解 | 婴儿脑功能连接组 | 医学影像分析 | 神经发育障碍 | 静息态功能磁共振成像 | 掩码自编码器, 三重网络 | 功能磁共振图像 | 来自两个数据集的696次纵向婴儿fMRI扫描 | NA | TL-MAE | 预测准确性, 时间一致性, 个体化特征捕获能力 | NA |
| 11076 | 2025-11-24 |
Unveiling novel antimicrobial peptides from the ruminant gastrointestinal microbiomes: A deep learning-driven approach yields an anti-MRSA candidate
2025-Nov, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.01.005
PMID:39756573
|
研究论文 | 本研究开发深度学习模型从反刍动物胃肠道微生物组中识别新型抗菌肽，并发现抗MRSA候选肽 | 首次结合深度学习与反刍动物胃肠道微生物组挖掘新型抗菌肽，发现具有抗MRSA活性的候选肽 | 仅测试39种合成肽，样本量有限；机制研究主要基于分子动力学模拟 | 开发从反刍动物胃肠道微生物组中识别新型抗菌肽的方法并评估其抗菌功效 | 反刍动物胃肠道微生物组中的抗菌肽 | 机器学习 | MRSA感染 | 宏基因组测序，分子动力学模拟 | 深度学习 | 基因组数据 | 120个宏基因组和10,373个宏基因组组装基因组 | NA | NA | 抗菌活性，细胞毒性，溶血性 | NA |
| 11077 | 2025-11-24 |
2.5D Multi-View Averaging Diffusion Model for 3D Medical Image Translation: Application to Low-Count PET Reconstruction With CT-Less Attenuation Correction
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3570342
PMID:40372846
|
研究论文 | 提出一种2.5D多视图平均扩散模型用于3D医学图像转换，应用于无CT衰减校正的低计数PET重建 | 开发了新颖的2.5D多视图平均扩散模型，通过轴向、冠状面和矢状面三个独立扩散模型的输出平均来保证3D生成质量，并采用CNN生成的3D先验加速采样过程 | 未在摘要中明确说明 | 开发3D医学图像转换方法，将非衰减校正低剂量PET转换为衰减校正标准剂量PET | 人类患者研究的PET医学图像数据 | 医学影像处理 | NA | PET成像，扩散模型 | 扩散模型，CNN | 3D医学图像 | NA | NA | 2.5D多视图平均扩散模型 | NA | NA |
| 11078 | 2025-11-24 |
Single Mitochondrion Morphology-Function Relationship Analysis Using Fluorescent Probes and Artificial Intelligence
2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509140
PMID:40841958
|
研究论文 | 结合定制荧光探针与人工智能技术实现单线粒体形态与功能关系的定量分析 | 开发新型双阳离子探针MitoVP增强靶向能力，首次建立深度学习方法对单线粒体进行形态分类与功能状态映射 | 研究聚焦缺氧应激条件，尚未验证其他应激条件下的普适性 | 解析单线粒体水平形态与功能的关联机制 | 单个线粒体 | 计算机视觉, 机器学习 | 缺氧相关疾病 | 荧光探针成像, 深度学习 | 深度学习算法, 随机森林 | 荧光显微镜图像 | 超过10,000个线粒体 | NA | NA | 分类准确率 | NA |
| 11079 | 2025-11-24 |
Interpretation of RNA Universe and Coding Potential Using IntRNA
2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509518
PMID:40847441
|
研究论文 | 本研究构建了多通道深度学习框架IntRNA来解释RNA宇宙和编码潜力 | 提出了大量RNA编码特征显著扩展特征空间，开发了RNA序列的图像式表示方法，构建了双路径模型在多个基准测试中表现最佳 | NA | 解决RNA研究中三个关键问题：检测和解释RNA编码潜力、注释sncRNAs的复杂分类、成功区分环状和线性lncRNAs | RNA序列及其编码特征 | 生物信息学 | NA | RNA序列分析 | 深度学习 | RNA序列数据 | NA | NA | 双路径模型 | 基准测试性能 | NA |
| 11080 | 2025-11-24 |
SURF: A Self-Supervised Deep Learning Method for Reference-Free Deconvolution in Spatial Transcriptomics
2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202505456
PMID:40859416
|
研究论文 | 提出一种名为SURF的自监督深度学习方法，用于空间转录组学中的无参考解卷积分析 | 首次将自监督深度学习与高维基因数据分析相结合，有效建模非线性基因相互作用并利用spot关系，无需匹配单细胞参考数据 | 未明确说明方法在极低分辨率数据或特定组织类型中的性能限制 | 开发无参考解卷积工具以提升空间转录组数据的细胞水平分析能力 | 空间转录组数据，包括合成数据集、真实数据集、人类结直肠肝转移瘤数据 | 生物信息学，计算生物学 | 结直肠癌，肝转移癌 | 空间转录组学，深度学习 | 自监督深度学习 | 基因表达数据，空间转录组数据 | 多种分辨率、物种、空间模式和组织状态的数据集 | NA | NA | 基准测试比较 | NA |