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
1161	2026-05-02	DeepSeMS: revealing the hidden biosynthetic potential of the global ocean microbiome with a large language model 2026-Apr-30, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-00983-1 PMID:42062603	研究论文	提出基于Transformer的大型语言模型DeepSeMS，从生物合成基因簇序列预测次级代谢产物化学结构，并应用于全球海洋微生物组揭示隐藏的生物合成潜力	首次利用Transformer大型语言模型从BGC序列直接预测次级代谢产物化学结构，通过功能域编码和特征对齐数据增强提升预测准确性	对隐秘BGC结构复杂性和模块化生物合成域底物耐受性及交叉反应性的处理仍需改进	揭示全球海洋微生物组中未被挖掘的生物合成潜力，为抗生素发现提供新途径	全球海洋微生物组的生物合成基因簇及其对应的次级代谢产物	自然语言处理	抗生素相关疾病	宏基因组测序	Transformer	序列数据	全球海洋宏基因组数据集，含超过60,000种次级代谢产物	PyTorch	Transformer	预测有效性比率	NA
1162	2026-05-02	The impact of scanner domain shift on deep learning performance in medical imaging: an experimental study 2026-Apr-30, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03655-7 PMID:42062639	研究论文	本研究通过广泛实验评估了不同模态（X射线、CT、MRI）下扫描仪域偏移对深度神经网络性能的影响	首次系统性地跨多种模态和诊断任务量化扫描仪域偏移对深度学习性能影响的实验研究	未提及具体局限性，但可推断研究主要关注性能下降的量化，而非提出有效的域适应方法	评估扫描仪域偏移对卷积神经网络在不同自动诊断任务中性能的影响，并量化性能下降程度	常见放射学模态（X射线、CT、MRI）的医学图像	计算机视觉	NA	NA	卷积神经网络	图像	NA	NA	卷积神经网络	性能下降程度（具体指标未明确，可能涉及准确性等）	NA
1163	2026-05-02	Fluoroscopic image-driven deep learning model for predicting intussusception irreducibility during air enema in children 2026-Apr-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02385-1 PMID:42062943	研究论文	利用空气灌肠荧光透视图像开发深度学习模型预测儿童肠套叠不可复位性	首次将混合集成深度学习框架应用于肠套叠不可复位性的客观预测，并与放射科医师诊断性能进行对比，证明其辅助提升准确性的潜力	NA	开发基于荧光透视图像的深度学习模型，以客观预测空气灌肠过程中肠套叠的不可复位性	空气灌肠荧光透视图像	计算机视觉	肠套叠（儿童疾病）	NA	混合集成深度学习模型	图像（荧光透视图像）	训练集：770例不可复位和1214例可复位病例；真实世界测试集：46例不可复位与802例可复位；外部测试集：9例不可复位与101例可复位	NA	混合集成模型（未明确具体架构）	AUC、灵敏度、特异度、平衡准确率	NA
1164	2026-05-02	Interpretable Deep Survival Analysis of Alzheimer's Disease via Metabolic Genetic Variants 2026-Apr-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag213 PMID:42063212	研究论文	开发结合可解释人工智能的深度生存分析模型，通过代谢遗传变异预测阿尔茨海默病发病	将前馈神经网络与Weibull生存模型结合，并集成SHAP可解释性技术，突破传统线性模型无法捕获非线性遗传交互作用的局限	样本量有限，且模型仅基于遗传变异数据，未纳入环境因素等协变量	利用大规模SNP数据预测阿尔茨海默病发病时间，并解释遗传因素的贡献	阿尔茨海默病患者的单核苷酸多态性（SNP）数据	机器学习	阿尔茨海默病	SNP基因分型	前馈神经网络（FFN）-Weibull生存模型	基因型数据	未明确说明具体数量	NA	前馈神经网络	一致性指数（C-index）	NA
1165	2026-05-02	Mutational signatures in blood-brain barrier: mechanisms, computational insights, and clinical applications in precision oncology 2026-Apr-30, Tissue barriers IF:3.6Q2 DOI:10.1080/21688370.2026.2664236 PMID:42063272	综述	综述血脑屏障功能障碍引发的突变特征及其在精准肿瘤学中的应用	系统整合了血脑屏障功能障碍与多种突变特征（氧化应激、缺氧、脂质过氧化、炎症和代谢重编程）之间的生物学机制，并探讨了计算工具（非负矩阵分解、贝叶斯建模、深度学习）在提取和整合多组学数据中的应用	组织可及性有限、脑脊液样本产率低、机制模型不完整以及缺乏中枢神经系统特异性分析框架	阐明血脑屏障驱动突变过程的机制并推动神经肿瘤学精准医疗	血脑屏障、中枢神经系统恶性肿瘤（如胶质母细胞瘤）	机器学习	脑肿瘤	NGS	深度学习	多组学数据、脑脊液来源的循环肿瘤DNA	NA	TensorFlow, PyTorch, Scikit-learn	非负矩阵分解、贝叶斯模型、深度学习模型	AUC	NA
1166	2026-05-02	DeepTYLCV: An interpretable and experimentally validated AI model for predicting virulence of different tomato yellow leaf curl virus strains 2026-Apr-29, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101877 PMID:42063254	研究论文	提出一种可解释且经实验验证的深度学习模型DeepTYLCV，用于预测不同番茄黄化曲叶病毒株系的毒力	首次结合蛋白语言模型嵌入和最优串联常规描述符，采用Transformer编码器与多尺度CNN混合架构，直接从病毒基因组ORF序列预测毒力，并实现1D-Grad-CAM++可解释性分析	未提及模型的跨宿主或跨病毒泛化能力，以及在实际田间应用中应对数据多样性和实时性挑战的性能	开发一个可直接从病毒基因组序列预测毒力的深度学习框架，用于番茄黄化曲叶病毒的早期监测和抗性管理	番茄黄化曲叶病毒全球来源的分离株开放阅读框序列	机器学习	番茄黄化曲叶病毒病害	蛋白质语言模型、多尺度CNN、Transformer编码器	混合神经网络（Transformer + 多尺度CNN）	核苷酸序列（病毒ORF序列）	全球来源的TYLCV序列数据集（具体数量未在摘要中提及），以及15个未表征或代表性分离株的实验验证	PyTorch	Transformer编码器、多尺度卷积神经网络	准确率、一致性（预测与实验症状严重度达到100%一致）	未在摘要中提及
1167	2026-05-02	VerteRo: A Fully Automated Deep Neural Network Tool for Estimating Axial Vertebral Body Rotation in Adolescent Idiopathic Scoliosis 2026-Apr-28, Global spine journal IF:2.6Q1 DOI:10.1177/21925682261448826 PMID:42049289	研究论文	开发并验证了VerteRo，一种基于深度学习的全自动工具，用于从标准PA脊柱侧弯X光片中高精度估计轴向椎体旋转，克服了分类分级系统的局限性	提出了一种全自动、端到端的深度学习解决方案，用于从PA X光片中定量评估轴向旋转，相比分类分级方法提高了客观性	这是一项初步研究，需进一步验证才能应用于临床决策支持	开发并验证一种全自动深度学习工具，用于估计青少年特发性脊柱侧弯的轴向椎体旋转	青少年特发性脊柱侧弯患者的椎体旋转	计算机视觉	青少年特发性脊柱侧弯	X光片	卷积神经网络	图像	97例AIS X光片	NA	Faster R-CNN, YOLOv11 L, YOLOv12 L	平均绝对误差, F1分数, 等级一致性	NA
1168	2026-05-02	Correction: Clinically significant prostate cancer detection with deep learning in a multi-center magnetic resonance imaging study 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50501-6 PMID:42050081	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1169	2026-05-02	Retraction Note: A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50185-y PMID:42050120	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1170	2026-05-02	How receptor conformation depends on lipid nanodisc size: Adenosine A2A receptor and implications for class-A GPCR proteins 2026-Apr-28, Biochimica et biophysica acta. Biomembranes DOI:10.1016/j.bbamem.2026.184535 PMID:42061733	研究论文	使用原子级模拟研究脂质纳米盘大小如何影响腺苷A2A受体的构象，并探讨对A类GPCR蛋白的启示	首次通过深度学习方法系统揭示纳米盘尺寸依赖性对GPCR受体构象分布的调控作用，并发现直径约19 nm的纳米盘能模拟无应变的平面膜环境	仅模拟单一脂质成分，未考虑复杂膜环境（如胆固醇或不同脂质比例）的影响	评估纳米盘环境与细胞膜环境的差异，并确定纳米盘尺寸对GPCR受体构象的影响	腺苷A2A受体（GPCR家族成员）在不同尺寸纳米盘中的构象行为	分子模拟	NA	原子级分子动力学模拟	NA	模拟轨迹数据	约11 nm和约19 nm直径的纳米盘，以及无应变的平面膜作为对照	NA	深度学习方法（具体架构未提及）	构象分布特征比较	NA
1171	2026-05-02	Estimating Protein Conformational States from High-Speed AFM Images with Molecular Dynamics and Deep Learning 2026-Apr-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00142 PMID:41934646	研究论文	提出DeepAFM框架，整合深度学习与分子动力学模拟，从高速原子力显微镜图像中估计蛋白质构象状态并去噪	首次将深度学习与分子动力学模拟结合，用于解析噪声大、分辨率低的HS-AFM图像中的蛋白质构象状态，模型关注大尺度结构域运动区域，增强对噪声的鲁棒性	研究仅以膜蛋白SecYAEG-纳米盘复合物为案例，可能需进一步验证对其他蛋白质的通用性	开发一种能有效去噪并准确估计蛋白质构象状态的深度学习辅助分析策略	膜蛋白SecYAEG-纳米盘复合物中SecA的闭合与开放构象状态	计算机视觉	未提及	高速原子力显微镜，分子动力学模拟	深度学习	图像	未提及	PyTorch	未提及	未提及	未提及
1172	2026-05-02	Deep Learning for Cardiac Image Analysis: Unveiling Advances in Deep Learning Architectures 2026-Apr-24, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.03.007 PMID:42065698	综述	讨论深度学习在心脏图像分析中的进展，包括图神经网络、Transformer、隐式神经表示、生成对抗网络和基础模型等新方法	系统综述了深度学习心脏图像分析中的多种新兴架构，如非欧几里得数据表示、动态成像序列建模与连续空间重建	未涵盖临床验证试验的实证结果，且未对不同架构进行直接性能对比	总结深度学习在心脏图像分析方法上的创新及其挑战与未来方向	心脏图像分析中的深度学习架构	计算机视觉	心血管疾病	NA	图神经网络、Transformer、隐式神经表示、生成对抗网络、基础模型	图像	NA	NA	图神经网络、Transformer、隐式神经表示、生成对抗网络、基础模型	NA	NA
1173	2026-05-02	Deep learning-enabled ratiometric signal transduction for portable and intelligent colorimetric LAMP biosensing of Vibrio vulnificus 2026-Apr-22, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116136 PMID:42031193	研究论文	报道了一种结合深度学习比率信号转导策略的智能生物传感平台，用于自动检测创伤弧菌	首次将深度学习增强的比率信号转导与环介导等温扩增结合，通过自定义底部照明光学模块和绿蓝通道比率分析，有效抑制环境光噪声，将分析灵敏度比传统凝胶电泳提高一个数量级	未提及	开发便携式、智能化的病原体现场分子诊断平台	创伤弧菌	机器学习, 数字病理学	创伤弧菌感染	环介导等温扩增 (LAMP)	卷积神经网络 (CNN)	图像	5 μL 样品	NA	CNN	精确率, 召回率, 检测限, 相关系数	NA
1174	2026-05-02	Future cardiovascular events prediction from invasive coronary angiography: A graph representation learning perspective 2026-Apr-22, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104079 PMID:42061118	研究论文	提出基于图神经网络的AngioGraphCAD框架，利用侵入性冠状动脉造影预测未来心血管事件	首次从图表示学习视角处理冠状动脉造影数据，通过几何图表示和掩码注意力机制实现病变级和患者级预测	未明确说明局限性，但可能包括样本量有限（仅两个队列共646名患者）、AUC值尚需提升（最高0.73）	利用冠状动脉造影几何信息改进冠心病患者未来心血管事件的风险分层	冠心病患者的侵入性冠状动脉造影图像和临床数据	机器学习	冠心病	侵入性冠状动脉造影	图神经网络	图像和临床数据	两个队列：FAME2 563名患者、1551处狭窄；FCL 83名患者、382处狭窄	NA	图神经网络、掩码注意力机制	AUC	NA
1175	2026-05-02	MarineTox Predictor: An Online Library Platform for Enhancing Low-Resourced Saltwater Ecotoxicity Prediction via Knowledge Sharing from Freshwater Ecotoxicity 2026-Apr-20, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15496 PMID:42009490	研究论文	通过多任务深度学习与跨领域知识共享机制，开发了MarineTox预测器，用于预测26种海洋生物对31种盐毒性任务的毒性终点，并建立了在线平台支持海洋生态风险评估	首次利用淡水生态毒性数据通过跨领域知识共享机制，提升低资源盐毒性预测能力，并构建了多物种-子结构相互作用网络以解析结构依赖性毒性机制	NA	解决盐毒性数据稀缺问题，开发预测多种海洋物种毒性终点的计算工具，并建立在线平台支持化学品的海洋生态风险评估	26种海洋生物（跨越5个门类）的31种盐毒性任务，以及约68,000种化学品	机器学习	NA	多任务深度学习与跨领域知识共享	多任务深度学习	生态毒性数据	约68,000种化学品；1,200,000条生态毒性数据及危害阈值记录	NA	多任务深度学习模型	决定系数R²	NA
1176	2026-05-02	Docking-based virtual screening: Past, present, and future 2026-Apr-15, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.04.011 PMID:41992616	综述	综述了基于分子对接的虚拟筛选的过去、现在和未来	系统总结了基于模板的方法、深度学习对接与打分函数、大规模和超大规模对接战役等最新进展	讨论了当前挑战，如方法准确性、计算资源需求及实际应用中的限制	回顾DBVS方法的发展历程，总结最新进展，并展望未来方向以提升早期药物发现的实际影响	DBVS工作流程的主要组成部分（配体结合位点识别、化学库准备、分子对接方法）及其改进策略	计算机辅助药物设计	NA	分子对接、虚拟筛选	深度学习模型（如用于对接和打分）	分子结构数据	NA	NA	NA	NA	NA
1177	2026-05-02	ANNalog: generation of MedChem-similar molecules 2026-Apr-15, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01186-6 PMID:41987312	研究论文	提出了一种基于Transformer的序列到序列生成模型ANNalog，用于生成与药物化学相似的分子类似物	使用同一生物活性测定中的分子对训练生成模型，能同时生成结构相似类似物和进行骨架跃迁，并采用编辑距离引导的对齐预处理提升性能	NA	生成兼具结构相似性和骨架跃迁能力的药物化学类似物	从ChEMBL33数据库中提取的同一生物活性测定中的分子对	机器学习	NA	NA	Transformer	SMILES字符串	使用ChEMBL33数据库中的分子对，具体数量未提及	NA	Transformer	NA	NA
1178	2026-05-02	Altered chromatin accessibility and nucleosome positioning landscape upon HDAC and LSD1 inhibition in cancer cell 2026-Apr-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.08.717275 PMID:41993470	研究论文	介绍了一种结合深度学习自动分析染色质可及性图谱的多模态平台，用于研究HDAC和LSD1抑制对癌细胞中染色质可及性和核小体定位的影响	首次整合NicE-viewSeq与自动化深度学习空间分辨染色质可及性分析，揭示了单药与双药抑制策略的比较效果及CoREST-RUNX调控轴机制	NA	探索HDAC和LSD1抑制对癌细胞染色质可及性和核小体定位的影响及机制，优化组合表观遗传治疗策略	癌细胞	机器学习	癌症	NicE-viewSeq	深度学习	测序数据	NA	NA	NA	NA	NA
1179	2026-05-02	Deep learning detection of retinitis pigmentosa inheritance forms through synthetic data expansion of a rare disease dataset 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47341-9 PMID:41965358	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1180	2026-05-02	Machine Learning and Artificial Intelligence in Nutrition Research: Analytical Methods, Applications, and Key Considerations 2026-Apr-09, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2026.101528 PMID:41966331	综述	本文综述了机器学习与人工智能在营养研究中的应用，涵盖数据处理、降维、监督/无监督学习及深度学习等方法，并讨论了模型验证与实践考量	系统梳理了从数据预处理到模型验证的完整分析流程，强调了多组学整合方法和深度学习在处理非结构化数据中的优势，并提供了可复现性和通用性的实用指导	未系统性评估不同方法在具体营养数据上的性能差异，且对样本量限制和过拟合问题的讨论较为概括，缺乏实证案例对比	为营养研究中的机器学习应用提供框架性指导，促进方法学的负责任实施	营养研究中的高维数据（如多组学、多模态数据）以及文本、序列等非结构化数据	机器学习	NA	NA	CNN, RNN, LSTM, Transformer, 大语言模型, 随机森林, 梯度提升回归, LASSO, 支持向量机, k近邻	高维数据, 非结构化数据, 序列数据, 文本数据, 多组学数据	NA	NA	随机森林, 梯度提升回归, LASSO, 支持向量机, k近邻, CNN, RNN, LSTM, 大语言模型	NA	NA