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
1181	2026-08-24	A structurally informed human protein-protein interactome reveals proteome-wide perturbations caused by disease mutations 2025-Sep, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02428-4 PMID:39448882	研究论文	本文介绍了PIONEER，一个集成深度学习框架，用于预测人类及其他七种模式生物中所有已知蛋白质相互作用的结合位点特异性界面，构建结构信息丰富的蛋白质相互作用组，并展示了疾病突变对蛋白质组范围的扰动。	PIONEER是首个能够为所有已知蛋白质相互作用预测结合位点特异性界面的集成深度学习框架，覆盖人类及七种模式生物，且经实验验证优于现有最先进方法。	未明确提及局限性。	协助遗传发现转化为疾病病理学和治疗发现，通过预测蛋白质相互作用界面并分析疾病突变的影响，支持精准医学。	人类及七种常见模式生物中的所有已知蛋白质相互作用，以及约11,000个全外显子组中的33种癌症类型的体细胞突变。	深度学习、蛋白质相互作用预测、精准医学	癌症	全外显子组测序（WES）	集成深度学习	蛋白质序列、蛋白质相互作用数据、全外显子组突变数据	约11,000个全外显子组样本，覆盖33种癌症类型	NA	未指定具体架构（集成深度学习框架）	准确率、性能比较（优于现有方法）、实验验证	NA
1182	2026-08-24	AI-based localization of the epileptogenic zone using intracranial EEG 2025-Aug-25, Epilepsia open IF:2.8Q2 DOI:10.1002/epi4.70130 PMID:40853284	综述	本文综述了人工智能在癫痫中利用颅内脑电图定位致痫区的方法和应用，涵盖了预处理、训练、评估和解释等步骤。	系统总结了最近机器学习和深度学习在致痫区识别中的应用，特别关注发作间期脑电高频振荡的分析。	未提供，文中仅提及过挑战但未明确说明局限性。	综述AI在利用颅内脑电图定位致痫区中的最新进展，并讨论如何最大化其潜力。	癫痫患者的颅内脑电图数据，特别是发作间期信号。	机器学习和临床神经科学	癫痫	颅内脑电图，高频振荡分析	机器学习模型、深度学习模型（如神经网络）	生理信号（脑电图）	未明确提供	未明确提供	未明确提供	未明确提供	未明确提供
1183	2026-08-24	Bridging technology and medicine: artificial intelligence in targeted anticancer drug delivery 2025-Aug-01, RSC advances IF:3.9Q2 DOI:10.1039/d5ra03747f PMID:40761897	综述	本文综述了人工智能在靶向抗癌药物递送中的应用，探讨了多种AI方法如何提升癌症治疗的精准性和有效性	系统性地整合了机器学习、深度学习和强化学习在靶向药物递送中的应用，强调了从传统治疗范式向个性化癌症护理的转变	讨论了数据质量问题、AI模型的可解释性不足以及在临床环境中进行稳健验证的迫切需求	探讨AI技术在靶向抗癌药物递送中的潜力，以增强治疗疗效并减少副作用	靶向抗癌药物递送系统及其相关AI方法	机器学习	癌症	NA	支持向量机、随机森林、卷积神经网络、强化学习	基因组数据、蛋白质组数据、临床数据、医学图像	NA	NA	卷积神经网络、支持向量机、随机森林	NA	NA
1184	2026-08-24	Dynamics of the EZ/RPE Loss Ratio on OCT Over Time During Geographic Atrophy Progression and Treatment With Pegcetacoplan 2025-08-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.11.48 PMID:40833323	研究论文	本研究利用基于深度学习的光学相干断层扫描分析，探讨年龄相关性黄斑变性继发的地理萎缩中椭圆体带与视网膜色素上皮损失比率随时间的变化及其在治疗中的意义。	首次使用深度学习算法自动量化OCT上EZ/RPE损失比率，并分析其在GA进展和补体C3抑制剂pegcetacoplan治疗中的动态变化，为疾病监测和治疗反应提供新指标。	信息未在标题和摘要中明确提及，可能包括样本仅来自特定临床试验、随访时间有限或算法验证范围等，此处输出NA。	评估EZ/RPE损失比率在OCT上的时间变化，及其作为GA进展和治疗反应预测因子的价值。	接受sham、每月或隔月玻璃体内注射pegcetacoplan治疗的GA患者（来自OAKS和DERBY试验）。	医学影像分析	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型	OCT图像	889个OCT体积（来自试验患者）	未指定	未指定	未指定	未指定
1185	2026-08-24	Assessing Substrate Scope of the Cyclodehydratase LynD by mRNA Display-Enabled Machine Learning Models 2025-07-01, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00682 PMID:40492579	research paper	本研究利用mRNA展示技术评估环脱水酶LynD的底物范围，并构建深度学习模型预测底物加工，以揭示底物混杂性及其结构基础。	首次将mRNA展示技术应用于LynD底物范围的系统评估，并利用所得数据构建深度学习模型，能够预测和解释表观遗传相互作用对LynD活性的影响。	未明确提及，但可能受限于mRNA展示技术的检测范围和模型对复杂相互作用的解释能力。	评估LynD环脱水酶的底物混杂性，构建预测模型，并阐明底物选择性的结构基础，以支持新抑制剂和治疗药物的开发。	LynD环脱水酶及其底物肽，包括所有标准氨基酸在修饰位点邻近的耐受性。	natural language processing	NA	mRNA display	deep learning model	sequential data (peptide sequences)	大型肽库，具体数量未在摘要中提供	NA	NA	NA	NA
1186	2026-08-24	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01838 PMID:39984300	研究论文	本文介绍了一种基于深度学习的模型（ICoN），用于采样高度动态蛋白质的构象系综，并应用于淀粉样β蛋白单体。	首次引入基于内部坐标的深度学习模型学习分子动力学模拟中的构象变化物理原理，并通过潜在空间插值快速识别新构象，该方法具有高可转移性。	未明确提及局限性，可能包括对训练数据的依赖和计算成本。	利用深度学习采样高度动态蛋白质的构象系综，以理解其功能及疾病相关聚集机制。	高度动态的淀粉样-β（Aβ42）单体，以及其他可训练的动态蛋白质。	机器学习	神经退行性疾病	分子动力学模拟	深度学习生成模型	分子动力学模拟数据	未明确样本数量，主要研究对象为Aβ42单体。	未明确框架	ICoN（内部坐标网络）	未明确，可能有构象聚类分析及实验验证（EPR和氨基酸替换）	未明确，可能为GPU加速计算。
1187	2026-08-24	FeatureDock for protein-ligand docking guided by physicochemical feature-based local environment learning using transformer 2025-Mar-04, npj drug discovery DOI:10.1038/s44386-025-00005-6 PMID:42380495	研究论文	提出了一种基于Transformer的深度学习框架FeatureDock，利用蛋白质局部环境的理化特征进行蛋白-配体对接，并具备强打分能力用于虚拟筛选	结合理化特征和Transformer架构，同时实现结合姿态预测和虚拟筛选打分功能，克服了现有深度学习方法缺乏明确打分函数的局限	仅在与CDK2和ACE数据集上的验证，未提及在其他多样化靶标上的泛化性及计算资源需求	开发一种能准确预测蛋白-配体结合姿态并具备强打分能力的深度学习对接方法	蛋白质和小分子配体	机器学习	NA	NA	Transformer	化合物结构数据	CDK2和ACE化合物数据集	NA	Transformer	NA	NA
1188	2026-08-24	DENSE-GUIDED DEEP MOTION NETWORKS ACCOUNTED BY LARGE ROTATIONS TO IMPROVE MYOCARDIAL STRAIN ANALYSIS FROM ROUTINE CINE MRI 2025, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10980688 PMID:42626382	研究论文	本文提出一种DENSE引导的深度学习网络，显式处理大旋转运动，以改善常规电影MRI图像的心肌应变分析。	首次明确考虑心肌大旋转运动（如扭转）的DENSE引导深度学习网络，结合3D卷积编码器-解码器网络估计旋转和基于可变形图像配准的径向运动预测网络。	未提及具体局限性。	提高标准电影bSSFP图像中心肌应变分析的准确性，特别是捕获大幅旋转运动。	左心室心肌及其应变分析。	医学影像分析	心脏病	常规电影平衡稳态自由进动（bSSFP）MRI、位移编码激励（DENSE）技术	深度学习网络（3D卷积编码器-解码器网络、可变形图像配准、融合网络）	MRI图像（cine bSSFP 和 DENSE图像）	未提及	NA	3D卷积编码器-解码器、可变形图像配准网络、融合网络	心肌应变准确性	NA
1189	2026-08-24	Saliency-Bench: A Comprehensive Benchmark for Evaluating Visual Explanations 2025, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3711896.3737414 PMID:42633391	研究论文	本文介绍了一个名为Saliency-Bench的新型基准测试，用于评估基于显著性的视觉解释方法在多个数据集上的性能。	提出了一个综合性的基准测试，涵盖八个数据集和多种任务，并提供了标准化、统一的评估流程和用户友好的工具包。	未提及具体局限性。	评估视觉解释方法的质量，解决可解释人工智能中缺乏标准化评估协议和注释数据集的问题。	多种图像分类任务，包括场景分类、癌症诊断、对象分类和动作分类。	计算机视觉	癌症	显著性方法	多种图像分类器架构	图像	八个数据集	NA	多种图像分类器架构（未具体指定）	忠实度和对齐性	NA
1190	2026-08-24	Transferable Deep Clustering Model 2025, Proceedings of the ... ACM International Conference on Information & Knowledge Management. ACM International Conference on Information and Knowledge Management DOI:10.1145/3746252.3761188 PMID:42633423	研究论文	提出了一种可迁移的深度聚类模型，通过注意力机制自适应调整聚类中心，以提升跨域聚类性能	引入了一种新颖的基于注意力的模块，能够根据样本关系动态调整聚类中心，而非固定聚类中心	未明确提及局限性，但可能依赖于源域和目标域的分布相似性	解决深度聚类模型在跨域迁移时泛化能力不足的问题，实现聚类中心的自适应调整	聚类中心和数据样本	机器学习	NA	NA	深度聚类模型（含注意力机制）	合成数据集和真实世界数据集	未明确提及具体样本量	NA	注意力模块	聚类性能（如准确率等，未具体提及）、计算成本	未明确提及，但提到降低了计算成本
1191	2026-08-24	Evaluation of Artificial Intelligence-Based Gleason Grading Algorithms "in the Wild" 2024-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100563 PMID:39025402	研究论文	本研究评估并比较了基于人工智能的Gleason分级算法（公共和商业）在真实世界前列腺活检图像上的性能	首次在真实世界多种来源的数据集上，对顶级公共和商业Gleason分级算法进行公平比较，并纳入病理学家的读者研究	商业算法未在公共基准上发布性能，比较可能受限于数据集的多样性和样本量	评估和比较基于AI的Gleason分级算法在真实世界数据上的性能，以促进研究界和商业算法之间的对比	前列腺活检全切片图像	数字病理学	前列腺癌	深度学习	深度学习模型（具体类型未在摘要中明确）	图像（全切片活检图像）	通过众包收集的多样本数据集，包含多种Gleason等级的图像，具体数量未在摘要中说明	未指定	未指定	二次加权卡帕系数	未指定
1192	2026-08-24	From Deep Learning to the Discovery of Promising VEGFR-2 Inhibitors 2024-Aug-19, ChemMedChem IF:3.6Q2 DOI:10.1002/cmdc.202400108 PMID:38726553	研究论文	本研究开发了一个深度学习分类模型，从内部化学库中筛选出潜在的VEGFR-2抑制剂，并通过分子对接和生物活性预测平台优先选出两个候选化合物，实验验证其对MCF-7乳腺癌细胞具有抗增殖活性	结合深度学习分类模型、分子对接和靶点钓鱼平台PLATO，形成多层次筛选工作流程，并成功实验验证候选化合物的活性	未提供明确局限性说明	发现新型且更有效的VEGFR-2抑制剂，以减少现有药物的副作用	VEGFR-2抑制剂候选化合物（RHE-334和EA-11）及其对MCF-7乳腺癌细胞和WI-38细胞的作用	机器学习	癌症	NA	深度学习分类模型	分子结构数据	包括187个药物样化合物在内的内部化学库	NA	NA	IC50值	NA
1193	2026-08-24	Deep Learning for Histopathological Assessment of Esophageal Adenocarcinoma Precursor Lesions 2024-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100531 PMID:38830407	研究论文	本研究开发了一个两阶段的深度学习AI系统，用于评估Barrett食管相关的异型增生，该系统在整张切片图像上识别腺体、分级异型增生并给出诊断，性能优于大多数病理学家。	创新点在于开发了一个两阶段的AI系统，结合腺体和组织水平的注释，对Barrett食管相关的异型增生进行自动分级，并通过与大型国际病理学家组的比较验证了其优越性能。	局限性可能包括依赖特定的注释方式、样本量有限以及需要进一步验证其在真实世界中的泛化能力。	研究目的是利用深度学习提高Barrett食管相关异型增生的组织病理学评估效率和准确性，并为病理学家提供辅助诊断工具。	研究对象是Barrett食管相关的异型增生病变的组织病理学图像。	数字病理学	食管腺癌前病变（Barrett食管相关异型增生）	组织病理学图像分析	深度学习模型	整张切片图像（WSI）	290张整张切片图像用于训练和开发，55张数字化活检图像用于评估	未指定	两阶段架构，具体类型未指定	准确率、受试者工作特征曲线下面积（AUC）、敏感性、特异性	未指定
1194	2026-08-24	An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18098 PMID:39484212	研究论文	开发了一种基于双向自注意力多实例学习（BiAMIL）的可解释深度学习模型，用于从乳腺癌苏木精-伊红（H&E）染色病理图像中检测BRCA致病性变异状态	提出了BiAMIL算法，结合注意力机制和类激活映射（CAM）技术，实现了BRCA状态的预测及病理图像中可解释形态学特征的关联分析	样本量有限，仅包含254例乳腺癌患者的319张病理切片，且未提及外部验证中的广泛适用性	开发一种可解释的深度学习模型，以低成本、高效地从H&E病理图像中预测乳腺癌BRCA基因状态	乳腺癌患者的H&E染色病理图像及其BRCA基因状态	数字病理学	乳腺癌	H&E染色病理图像分析	BiAMIL（双向自注意力多实例学习）	病理图像	254例乳腺癌患者的319张组织病理切片，包含633,484个肿瘤切片（tiles）	NA	BiAMIL	AUC	NA
1195	2026-08-24	Superpixel-ComBat modeling: A joint approach for harmonization and characterization of inter-scanner variability in T1-weighted images 2024, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00306 PMID:40800451	研究论文	提出了一种结合3D超像素分割和ComBat建模的联合方法（SP-ComBat），用于评估和协调T1加权图像中的跨扫描仪变异性	首次将统计ComBat方法扩展到图像域，通过3D超像素分割实现可解释的跨扫描仪变异性表征，并提出新的协调策略	未明确提及，但可能受限于样本量和特定MRI扫描仪类型	评估T1加权图像中的可解释跨扫描仪变异性，并开发一种实用的协调策略	四个3T MRI扫描仪匹配的T1加权图像，涉及脑组织	医学图像分析	不适用	3D超像素分割、ComBat建模	统计模型	图像（T1加权MRI）	未明确提及，涉及四个扫描仪的匹配图像	不适用	不适用	信噪比、对比度噪声比、信号不均匀性指数、结构相似性指数	不适用
1196	2026-08-24	DUE: Dynamic Uncertainty-Aware Explanation Supervision via 3D Imputation 2024, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3637528.3671641 PMID:42633249	研究论文	提出一种动态不确定性感知的解释监督框架（DUE），通过3D插值实现稀疏标注3D医学图像的解释引导，提升模型的可预测性和可解释性	首次将解释监督扩展到3D医学图像领域，提出动态不确定性感知机制和基于扩散的3D插值方法，解决空间相关性变化、缺乏3D标注和不确定性分布不均的挑战	未在标题和摘要中明确说明局限性	开发针对3D医学图像的解释监督框架，提高深度学习模型在医学影像诊断中的可预测性和可解释性	3D医学图像及深度学习模型的解释生成过程	医学影像分析	未指定（应用在多种真实医学影像数据集上）	3D插值，扩散模型	深度学习模型（具体类型未指定）	3D医学图像	未在标题和摘要中明确样本数量	未指定	未指定	可预测性和可解释性指标（具体未列出）	未在标题和摘要中说明
1197	2026-08-23	LncPNdeep: A long non-coding RNA classifier based on large language model with peptide and nucleotide embedding 2026-Oct, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2026.06.004 PMID:42621896	研究论文	开发了LncPNdeep，一种整合核苷酸和肽段嵌入的深度学习框架，用于准确区分长链非编码RNA与编码RNA，并在人类转录组和跨物种数据上取得了最优性能	首次结合掩码语言模型提取的核苷酸和肽段双模态嵌入，利用BigBird、Longformer和ProtTrans的上下文表示，通过拼接神经网络架构增强lncRNA分类能力	未在摘要中明确提及具体局限性，但可能包括对大规模计算资源的需求或对特定物种的依赖	开发一种整合核苷酸和肽段特征的长链非编码RNA分类工具，以提高分类准确性和跨物种泛化能力	人类转录组及跨物种数据集中的长链非编码RNA与编码RNA序列	机器学习	NA	掩码语言模型（BigBird、Longformer、ProtTrans）	深度学习模型	核苷酸序列和肽段序列数据	人类转录组数据集及跨物种数据集，具体数量未在摘要中说明	NA	BigBird、Longformer、ProtTrans、拼接神经网络	准确率、F1分数	NA
1198	2026-08-23	Artificial intelligence in onco-anaesthesia: Current applications, challenges, and future directions 2026-Sep-20, World journal of methodology DOI:10.5662/wjm.117916 PMID:42625971	综述	本文综述了人工智能在肿瘤麻醉学中的当前应用、面临的挑战及未来发展方向，涵盖术前、术中和术后的围手术期癌症管理路径。	系统性地总结了AI在肿瘤麻醉学中的应用，包括术中闭环麻醉系统、预测性血流动力学监测及多模态数据整合，并探讨了AI在验证“肿瘤麻醉假说”中的作用。	存在数据异质性、泛化性有限、算法不透明、监管不确定性和伦理问题等挑战，且需要大型前瞻性研究验证。	探讨人工智能如何变革肿瘤麻醉实践，从反应性生理管理转向预测性和精准化护理，并识别未来发展的关键方向。	围手术期癌症患者，涵盖术前风险评估、术中麻醉管理及术后并发症监测。	机器学习、数字病理	癌症（多种类型）	电子健康记录表型分析、基因组学、放射组学、可穿戴生物信号、高分辨率生理波形分析	机器学习、深度学习模型（具体类型未指定）	电子健康记录、影像数据、基因组数据、生物信号、生理波形	不适用（综述文章，未涉及具体样本）	NA	NA	NA	NA
1199	2026-08-23	Deep Learning for Fetal Left Ventricular Outflow Tract Assessment: Opportunities and Challenges 2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70240 PMID:41863022	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1200	2026-08-23	Diagnostic performance of artificial intelligence models trained on scattered single-cell images is not preserved for hyperchromatic crowded cell groups in cervical cytology 2026-Sep, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70140 PMID:42566440	研究论文	本研究量化了基于散在单细胞图像训练的人工智能模型在应用于宫颈细胞学中的深染拥挤细胞团时的性能损失	首次系统评估了从散在单细胞图像训练的AI模型直接应用于深染拥挤细胞团时的性能下降，并强调了直接验证和模型设计需考虑HCG的必要性	研究仅涉及二分类任务，且HCG独立数据集规模较小，未进行重新训练或阈值调整	评估基于散在单细胞图像训练的AI模型在宫颈细胞学HCG上的泛化性能，并强调直接验证的重要性	宫颈液基细胞学图像，包括散在单细胞和深染拥挤细胞团	计算机视觉	宫颈癌	NA	卷积神经网络	图像	散在细胞数据集101例（1062张图像），HCG独立数据集48例（330张图像）	NA	ResNet-50, ResNeXt-50, ConvNeXt-Tiny, EfficientNet-B3, VGG-19, GoogLeNet	曲线下面积（AUC）	NA