深度学习在生物医药领域中的应用

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
11721	2024-11-19	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	本文提出了一种名为SHARP的方法，用于增强Hi-C数据的分辨率，通过信号分解和多尺度注意力机制克服了传统深度学习方法中的人工结构问题	SHARP方法通过将数据分解为三种信号类型，并仅对第三种信号应用深度学习，避免了传统方法中的人工结构问题。同时，SHARP结合了局部和全局注意力机制，以捕捉多尺度的上下文信息	NA	提高Hi-C数据的分辨率，并避免在增强过程中产生人工结构	Hi-C数据中的高分辨率特征	生物信息学	NA	深度学习	注意力机制	Hi-C数据	包括新样本和另一物种的数据
11722	2024-11-19	Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning 2024-Oct, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2024.2419911 PMID:39512118	研究论文	研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制	整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响	NA	阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持	BACE1蛋白、抑制剂OV6和4B2	分子动力学	阿尔茨海默病	高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法	深度学习	分子动力学轨迹	NA
11723	2024-11-19	Machine learning-based prediction of off-pump coronary artery bypass grafting-associated acute kidney injury 2024-Jul-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-711 PMID:39144311	研究论文	本研究旨在基于机器学习方法建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型	本研究创新性地结合了术前和术中数据，通过迁移学习和特征融合，提高了预测模型的准确性	本研究的数据来源于单一医院，样本量有限，可能影响模型的普适性	建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型	非体外循环冠状动脉搭桥术相关急性肾损伤	机器学习	心血管疾病	机器学习	梯度提升决策树（GBDT）	时间序列数据	1,041名患者
11724	2024-11-19	Insights into the Interaction Mechanisms of Peptide and Non-Peptide Inhibitors with MDM2 Using Gaussian-Accelerated Molecular Dynamics Simulations and Deep Learning 2024-Jul-18, Molecules (Basel, Switzerland) DOI:10.3390/molecules29143377 PMID:39064955	研究论文	本研究结合高斯加速分子动力学模拟、深度学习和结合自由能计算，探讨了非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用机制	本研究首次将高斯加速分子动力学模拟与深度学习相结合，成功识别了MDM2的关键功能域，并揭示了抑制剂对MDM2结构灵活性和集体运动的影响	本研究主要基于模拟和计算，缺乏实验验证	探讨抑制剂与MDM2的相互作用机制，为癌症治疗提供理论支持	非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用	机器学习	NA	高斯加速分子动力学模拟、深度学习、分子力学-广义波恩表面积（MM-GBSA）和溶剂化相互作用能（SIE）计算	深度学习	分子动力学轨迹	4种抑制剂（K23、0Y7、PDI6W、PDI）与MDM2的相互作用
11725	2024-11-19	Deep Learning Models for Abdominal CT Organ Segmentation in Children: Development and Validation in Internal and Heterogeneous Public Datasets 2024-07, AJR. American journal of roentgenology DOI:10.2214/AJR.24.30931 PMID:38691411	研究论文	本文开发并验证了用于儿童腹部CT器官分割的深度学习模型，包括肝脏、脾脏和胰腺的分割	本文的创新点在于在儿童数据上验证了深度学习模型，并使用迁移学习方法在异质性公共数据集上进行预训练，然后在机构内部数据上进行微调，取得了优于仅使用内部数据训练的模型和公开模型的效果	本文的局限性在于胰腺分割的性能相对较差，尤其是在存在胰腺炎的情况下	本文的研究目的是开发和验证用于儿童腹部CT检查中肝脏、脾脏和胰腺分割的深度学习模型	本文的研究对象是儿童腹部CT图像中的肝脏、脾脏和胰腺	计算机视觉	NA	深度学习	SegResNet, DynUNet, SwinUNETR	图像	1731例CT检查（1504例用于训练，221例用于测试），包括来自三个内部机构儿科数据集（≤18岁，483例）和三个公共数据集（包括儿科和成人检查，1248例）
11726	2024-08-11	Editorial Comment: Using Appropriate Training Data in Deep Learning Tissue and Organ Segmentations on CT 2024-07, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31345 PMID:38691412	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11727	2024-08-11	Editorial Comment: Usefulness of a Deep Learning Model for Pediatric Abdominal Organ Segmentation 2024-07, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31408 PMID:38748729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11728	2024-11-19	An automated multi-layer perceptron discriminative neural network based on Bayesian optimization achieves high-precision one-source single-snapshot direction-of-arrival estimation 2024-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60798-w PMID:38704397	研究论文	本文提出了一种基于贝叶斯优化的自动化多层感知器判别神经网络，用于高精度单源单快照方向到达估计	首次将自动化机器学习算法应用于高精度稀疏水下方向到达估计，并将其视为分类预测任务	NA	开发一种高精度单源单快照方向到达估计方法	水下稀疏采样方向到达估计问题	机器学习	NA	贝叶斯优化	多层感知器判别神经网络	时间域信号	NA
11729	2024-11-19	Deep learning reduces data requirements and allows real-time measurements in imaging FCS 2024-03-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2023.11.3403 PMID:38050354	研究论文	本文介绍了两种卷积神经网络FCSNet和ImFCSNet，用于荧光相关光谱成像中的相关性和强度轨迹分析，显著减少了数据需求并实现了实时测量	提出了两种卷积神经网络FCSNet和ImFCSNet，显著减少了荧光相关光谱成像中的数据需求，并实现了实时评估	NA	减少荧光相关光谱成像中的数据需求，并实现实时测量	荧光相关光谱成像中的相关性和强度轨迹分析	计算机视觉	NA	卷积神经网络	CNN	图像	模拟数据
11730	2024-11-19	Deep learning-based automatic scoring models for the disease activity of rheumatoid arthritis based on multimodal ultrasound images 2024-03-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/kead366 PMID:37471602	研究论文	研究基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值	开发了基于ResNet结构的四种深度学习模型，用于多模态超声图像的类风湿性关节炎活动评分，并在两个独立测试集上进行了评估，结果显示这些模型在图像级别上的表现与经验丰富的放射科医生相当	NA	探讨基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值	多模态超声图像（静态灰度、动态灰度、静态功率多普勒和动态功率多普勒）	计算机视觉	类风湿性关节炎	深度学习	ResNet	图像	1244张图像用于模型训练，152张和354张分别用于两个测试集
11731	2024-11-19	MMV_Im2Im: an open-source microscopy machine vision toolbox for image-to-image transformation 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad120 PMID:38280188	研究论文	介绍了一个名为MMV_Im2Im的开源显微镜机器视觉工具箱，用于生物成像应用中的图像到图像变换	提出了一个通用的图像到图像变换框架，适用于多种任务，并利用了先进的机器学习工程技术	未提及具体限制	开发一个开源工具箱，帮助研究人员在生物医学图像分析中应用深度学习技术	生物医学图像分析中的图像到图像变换任务	计算机视觉	NA	深度学习	NA	图像	超过10种不同的生物医学问题
11732	2024-11-19	Evaluation of Swin Transformer and knowledge transfer for denoising of super-resolution structured illumination microscopy data 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad109 PMID:38217407	研究论文	本文评估了Swin Transformer在超分辨率结构化照明显微镜（SR-SIM）数据去噪中的应用，并探讨了知识迁移策略的效果	首次全面研究了Swin Transformer在SR-SIM图像去噪中的应用，并比较了直接迁移和微调两种知识迁移策略的效果	目前公开的SR-SIM数据集稀缺，限制了对深度学习方法性能和泛化能力的探索	评估Swin Transformer在SR-SIM图像去噪中的性能，并探讨知识迁移策略的有效性	超分辨率结构化照明显微镜（SR-SIM）图像的去噪	计算机视觉	NA	深度学习	Swin Transformer	图像	四个数据集，涵盖两种细胞结构（微管和囊泡结构），不同噪声水平
11733	2024-11-19	IPEV: identification of prokaryotic and eukaryotic virus-derived sequences in virome using deep learning 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae018 PMID:38649300	研究论文	本文介绍了一种名为IPEV的新方法，用于在病毒组中区分原核和真核病毒，该方法结合了三核苷酸对相对距离和频率的二维卷积神经网络	IPEV在独立测试集上显著提高了F1分数，相比现有方法提升了约22%，并且在海洋和肠道病毒组样本的准确性上优于其他方法	NA	开发一种高性能工具，用于在病毒组中准确识别和分类原核和真核病毒	原核和真核病毒的识别与分类	机器学习	NA	深度学习	卷积神经网络	序列数据	NA
11734	2024-11-19	Deep learning links localized digital pathology phenotypes with transcriptional subtype and patient outcome in glioblastoma 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae057 PMID:39185700	研究论文	本文利用深度学习技术将胶质母细胞瘤的局部数字病理表型与转录亚型及患者预后联系起来	本文创新性地应用Xception卷积神经网络，通过数字病理图像准确映射转录亚型和预测预后区域	NA	研究胶质母细胞瘤的基因型-表型相关性，并探索深度学习在脑癌中的应用	胶质母细胞瘤的数字病理图像和分子亚型	数字病理	脑癌	深度学习	Xception卷积神经网络	图像	276个数字苏木精-伊红（H&E）切片用于发现集，178个病例用于独立验证
11735	2024-11-19	Advances in AI-Driven Retention Prediction for Different Chromatographic Techniques: Unraveling the Complexity 2024, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2023.2254379 PMID:37672314	综述	本文综述了不同色谱技术中基于人工智能的保留时间预测方法	深度学习模型在保留时间预测中的准确性和有效性优于线性机器学习模型，支持向量机神经网络在薄层色谱中广泛用于预测不同化合物的保留因子，化学信息学、化学计量学和混合方法也被用于建模，比传统模型更可靠	由于缺乏总结性文献，本文旨在提供一个全面的文献综述	探索不同色谱技术中基于人工智能的保留时间预测方法	不同色谱技术中的化合物保留时间预测	化学信息学	NA	色谱技术	深度学习模型、支持向量机神经网络	化合物数据	NA
11736	2024-11-19	Cell type-specific interpretation of noncoding variants using deep learning-based methods 2023-03-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad015 PMID:36971292	研究论文	本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用	提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据	现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法	解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测	非编码变异及其在不同细胞类型中的影响	机器学习	NA	深度学习	神经网络	表观遗传特征	NA
11737	2024-11-19	Delineating regions of interest for mass spectrometry imaging by multimodally corroborated spatial segmentation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad021 PMID:37039115	研究论文	本文提出了一种多模态融合策略，通过结合组织学图像信息来客观选择质谱成像（MSI）中的聚类数量，以实现更准确的感兴趣区域（ROI）划分	本文的创新点在于利用深度学习算法从组织学图像中提取特征谱，并通过多模态一致性来优化聚类数量的选择，从而提高ROI划分的生物学真实性	本文的局限性在于仅在肾脏和肾肿瘤样本上进行了验证，未来需要在更多类型的组织和疾病中进行验证	本文的研究目的是通过多模态融合策略优化质谱成像中的感兴趣区域划分，以促进空间脂质组学、代谢组学和蛋白质组学研究	本文的研究对象是质谱成像数据和相应的组织学图像	数字病理学	肾癌	质谱成像	深度学习	图像	本文使用了小鼠肾脏和肾肿瘤样本进行验证
11738	2024-11-19	CoVEffect: interactive system for mining the effects of SARS-CoV-2 mutations and variants based on deep learning 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad036 PMID:37222749	研究论文	本文介绍了一个基于深度学习的交互系统CoVEffect，用于挖掘SARS-CoV-2突变和变异的影响	提出了一个基于GPT2模型的预测系统，能够从COVID-19相关的大数据语料库中提取突变/变异的影响，并通过CoVEffect网络应用程序实现用户交互和数据标注	目前仅使用了CORD-19语料库中的数据进行训练，可能需要扩展到更多数据源以提高模型的泛化能力	旨在填补关于SARS-CoV-2突变和变异影响的文献信息分散的空白，通过挖掘文献摘要提取相关影响	SARS-CoV-2的突变和变异及其在流行病学、免疫学、临床和病毒动力学方面的影响	自然语言处理	NA	GPT2模型	GPT2	文本	使用了CORD-19语料库中的大量摘要进行训练
11739	2024-11-19	Deep neural networks with knockoff features identify nonlinear causal relations and estimate effect sizes in complex biological systems 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad044 PMID:37395630	研究论文	本文介绍了一种名为DAG-deepVASE的新计算方法，通过深度神经网络与knockoff特征结合，用于识别复杂生物系统中的非线性因果关系并估计其效应大小	首次开发了一种能够明确学习非线性因果关系并估计其效应大小的计算方法	NA	开发一种新的计算方法，用于识别复杂生物系统中的非线性因果关系并估计其效应大小	复杂生物系统中的非线性因果关系及其效应大小	机器学习	NA	深度神经网络	深度神经网络	模拟数据和分子及临床数据	涉及多种疾病的数据
11740	2024-11-19	MuLan-Methyl-multiple transformer-based language models for accurate DNA methylation prediction 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad054 PMID:37489753	研究论文	本文介绍了一种基于多重Transformer语言模型的深度学习框架MuLan-Methyl，用于预测DNA甲基化位点	MuLan-Methyl框架结合了5种流行的Transformer语言模型，通过预训练和微调的方式，能够准确预测三种不同类型的DNA甲基化位点	NA	开发一种能够准确预测DNA甲基化位点的深度学习框架	DNA甲基化位点，包括N6-腺苷、N4-胞嘧啶和5-羟甲基胞嘧啶	机器学习	NA	Transformer语言模型	Transformer	DNA序列	使用了一个基准数据集进行性能评估