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
12701	2024-08-07	Prediction of Cytochrome P450 Inhibition Using a Deep Learning Approach and Substructure Pattern Recognition 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01396 PMID:37864562	研究论文	本研究利用深度学习方法和子结构模式识别技术，开发了用于预测细胞色素P450抑制的模型	本研究开发了基于Python和Keras框架的深度学习模型，用于预测不同CYP同工酶的化学抑制，并提供了结构特征分析	NA	开发和验证用于预测细胞色素P450酶抑制的深度学习模型	细胞色素P450酶（CYP1A2, CYP2C9, CYP2C19, CYP2D6, CYP3A4）的化学抑制	机器学习	NA	深度学习	深度神经网络	化合物数据	85715个化合物
12702	2024-08-07	Benchmarking of Small Molecule Feature Representations for hERG, Nav1.5, and Cav1.2 Cardiotoxicity Prediction 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01301 PMID:37870574	研究论文	本研究引入一个深度学习框架，用于计算预测药物候选物对心脏离子通道（hERG、Cav1.2和Nav1.5）的毒性作用	提出了一个新的训练和评估数据集框架，以及一个名为CToxPred的综合小分子心脏毒性预测工具	NA	在药物发现过程中早期预测潜在的心脏离子通道阻断剂	hERG、Cav1.2和Nav1.5三种心脏离子通道的毒性预测	药物发现	心血管疾病	深度学习	NA	分子指纹、描述符和基于图的数值表示	涵盖hERG、Cav1.2和Nav1.5三种心脏离子通道的综合和大型的精选数据集
12703	2024-08-07	ML-NPI: Predicting Interactions between Noncoding RNA and Protein Based on Meta-Learning in a Large-Scale Dynamic Graph 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01238 PMID:37920888	研究论文	本文提出了一种基于元学习的大规模动态非编码RNA-蛋白质相互作用预测方法ML-NPI	采用元学习策略缓解了稀疏邻域样本的预测误差问题，并能实时动态建模新数据，减少计算压力	NA	研究非编码RNA与蛋白质相互作用的预测问题	非编码RNA与蛋白质的相互作用	机器学习	NA	深度学习	ML-GNN	图数据	基于NPInterv4.0数据库的300000个非编码RNA-蛋白质相互作用
12704	2024-08-07	Opinion Mining by Convolutional Neural Networks for Maximizing Discoverability of Nanomaterials 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00746 PMID:37982753	研究论文	本文提出了一种利用卷积神经网络进行意见挖掘的方法，以最大化纳米材料的发现能力	本文创新地利用文献中的情感信息来追踪对材料的意见，并构建了科学情感网络（SSNet）来有效提取和分类专家意见	NA	旨在从科学文献中提取和综合知识，加速纳米材料领域的研究	纳米材料及其在能源材料领域的应用	自然语言处理	NA	自然语言处理（NLP）	卷积神经网络（CNN）	文本	意见数据集
12705	2024-08-07	From Proteins to Ligands: Decoding Deep Learning Methods for Binding Affinity Prediction 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01208 PMID:37983381	研究论文	本文系统研究了基于序列的深度学习框架，用于评估蛋白质和配体编码对常用激酶数据集结合亲和力预测的影响	通过使用卷积神经网络和图神经网络对蛋白质和配体进行编码，并测试不同的配体扰动，以提高模型的泛化能力	蛋白质编码对结合预测的影响不大，且使用不同的蛋白质和配体编码组合并未显著改变性能	提高深度学习方法在蛋白质-配体结合亲和力预测中的泛化能力	蛋白质和配体的编码方法及其对结合亲和力预测的影响	机器学习	NA	深度学习	卷积神经网络，图神经网络	序列数据，结构信息	常用激酶数据集
12706	2024-08-07	BigBind: Learning from Nonstructural Data for Structure-Based Virtual Screening 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01211 PMID:38113513	研究论文	本文介绍了一种名为BigBind的数据集，该数据集将ChEMBL的化学活性数据映射到CrossDocked数据集的蛋白质上，并开发了一种基于神经网络的模型Banana，用于区分活性与非活性化合物	BigBind数据集结合了ChEMBL的化学活性信息和CrossDocked的蛋白质结合口袋的3D结构信息，提高了模型的泛化能力	NA	开发一种新的数据集和模型，以提高基于结构的虚拟筛选的性能	蛋白质-配体结合预测	机器学习	NA	神经网络	神经网络	结构数据	583,000个配体活性数据
12707	2024-08-07	Regression-Based Active Learning for Accessible Acceleration of Ultra-Large Library Docking 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01661 PMID:38157481	研究论文	本研究展示了基于回归的主动学习方法如何加速超大规模虚拟筛选，以发现高亲和力命中化合物	提出了一种使用简单线性回归模型的主动学习方法，能够在仅对接10%的配体后，检索到高达90%的顶级命中化合物	NA	加速虚拟筛选过程，减少计算资源需求	超大规模虚拟筛选数据集中的高亲和力命中化合物	计算机视觉	NA	虚拟筛选	线性回归模型	数据集	超大规模虚拟筛选数据集，仅对接2%的库即可检索到70%的顶级命中化合物
12708	2024-08-07	Compound Activity Prediction with Dose-Dependent Transcriptomic Profiles and Deep Learning 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01855 PMID:38293736	研究论文	本文介绍了一种基于化合物处理下多个浓度观察到的基因表达谱来预测化合物在其他生化或细胞检测中活性的转录组到活性转换器（TAT）模型	引入了TAT模型，利用化合物在多个浓度下的基因表达数据来预测化合物活性，这是一种新颖的方法	模型在51%的检测中得到了有用的结果，表明仍有一定的局限性	旨在通过计算模型预测化合物在不同检测中的活性，以支持药物发现	研究对象包括2692种化合物在262种剂量反应检测中的活性	机器学习	NA	RASL-seq	TAT	基因表达数据	2692种化合物，262种剂量反应检测
12709	2024-08-07	graphLambda: Fusion Graph Neural Networks for Binding Affinity Prediction 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00771 PMID:38366974	研究论文	本文介绍了一种名为graphLambda的图神经网络模型，用于预测蛋白质-配体复合物的结合亲和力	利用图卷积、注意力和同构块来增强预测能力	NA	提高计算机辅助药物发现（CADD）中结合亲和力预测的准确性	蛋白质-配体复合物的结合亲和力	机器学习	NA	图神经网络	图神经网络	图数据	NA
12710	2024-08-07	HydraProt: A New Deep Learning Tool for Fast and Accurate Prediction of Water Molecule Positions for Protein Structures 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01559 PMID:38552195	研究论文	本文介绍了一种名为HydraProt的新型深度学习工具，用于快速准确地预测蛋白质结构周围水分子氧原子的精确位置	HydraProt采用两种深度学习架构——3D U-net和多层感知器（MLP），通过粗粒度体素化表示蛋白质，快速采样候选水分子位置，并通过MLP在欧几里得空间中嵌入水-蛋白质关系，最后通过后处理步骤进一步优化预测	NA	开发一种新的深度学习方法，用于准确预测蛋白质结构周围水分子氧原子的位置	蛋白质结构周围水分子氧原子的位置	机器学习	NA	深度学习	3D U-net, 多层感知器（MLP）	蛋白质结构数据	大型蛋白质结构数据集
12711	2024-08-07	Enhancing Generalizability in Protein-Ligand Binding Affinity Prediction with Multimodal Contrastive Learning 2024-03-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01961 PMID:38441880	研究论文	本文提出了一种基于图神经网络的评分函数，通过三重对比学习损失改进蛋白质-配体结合亲和力的预测	引入了多模态对比学习方法，结合三维复合物表示和二维配体及粗粒度口袋表示，提高了蛋白质-配体相互作用的理解	NA	提高蛋白质-配体结合亲和力预测的泛化能力	蛋白质-配体结合亲和力	机器学习	NA	图神经网络	图神经网络	三维复合物表示和二维配体及粗粒度口袋表示	多个外部数据集
12712	2024-08-07	DeePNAP: A Deep Learning Method to Predict Protein-Nucleic Acid Binding Affinity from Their Sequences 2024-03-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01151 PMID:38458968	研究论文	提出了一种基于深度学习的模型DeePNAP，用于仅从序列预测蛋白质-核酸结合亲和力	DeePNAP模型利用大量异构数据集进行训练，仅使用序列特征进行预测，提高了预测的多样性和通用性	NA	开发一种新的机器学习模型，用于从序列预测蛋白质-核酸结合亲和力	蛋白质-核酸结合亲和力和突变引起的自由能变化	机器学习	NA	深度学习	机器学习模型	序列	14,401个来自ProNAB数据库的野生型和突变型蛋白质-核酸复合物结合参数
12713	2024-08-07	Computational Chemistry in Structure-Based Solute Carrier Transporter Drug Design: Recent Advances and Future Perspectives 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01736 PMID:38294194	综述	本文综述了计算化学在基于结构的溶质载体转运蛋白药物设计中的最新进展和未来展望	利用计算化学，包括基于物理的分子建模和基于机器学习及深度学习的人工智能，为经典药物发现方法提供了一种替代和互补的方式	目前只有约9.8%的SLC超家族成员具有3D结构和特定结合位点	深入理解SLC超家族的结构和功能，以促进新型调节剂的理性设计	溶质载体转运蛋白（SLCs）及其在多种复杂疾病治疗中的应用	药物设计	NA	计算化学	人工智能（AI）	蛋白质结构	约450种SLCs中仅有44种具有3D结构
12714	2024-08-07	AlphaFold2 Predicts Whether Proteins Interact Amidst Confounding Structural Compatibility 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01805 PMID:38373070	research paper	本文测试了AlphaFold2在预测结构兼容但非相互作用的蛋白质对时的预测能力	AlphaFold2能够在蛋白质结构兼容的情况下有效区分相互作用和非相互作用的蛋白质	部分错误分类的情况可以通过重新审视输入序列来纠正，但也可能揭示数据集中的假阳性和假阴性	评估AlphaFold2在预测蛋白质相互作用中的应用潜力	蛋白质相互作用的预测	machine learning	NA	AlphaFold2	NA	蛋白质结构数据	一个具有挑战性的数据集
12715	2024-08-07	Genetic Algorithm-Based Receptor Ligand: A Genetic Algorithm-Guided Generative Model to Boost the Novelty and Drug-Likeness of Molecules in a Sampling Chemical Space 2024-02-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01964 PMID:38302422	研究论文	提出了一种基于遗传算法的生成模型GARel，用于设计具有新颖骨架和药物相似性的分子	GARel模型通过遗传算法引导，能够生成具有更多样化和新颖骨架的分子，并具有更好的物理化学性质和有利的对接分数	NA	开发一种能够平衡新颖性和药物相似性的深度学习生成模型，以推动药物发现领域的发展	设计针对AA2AR、EGFR和SARS-Cov2的抑制剂分子	机器学习	NA	遗传算法	深度学习生成模型	分子结构	针对三个目标（AA2AR、EGFR和SARS-Cov2）设计抑制剂分子
12716	2024-08-07	Data modeling analysis of GFRP tubular filled concrete column based on small sample deep meta learning method 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305038 PMID:38985781	研究论文	本文提出了一种基于小样本深度元学习方法的GFRP管混凝土柱数据建模分析	结合传统回归模型与基于元学习的数据增强优化方法，提出了一种深度神经网络，在优化GFRP包裹混凝土短柱方面表现优异	NA	解决工程数据分析中的小样本回归问题	GFRP管混凝土柱	机器学习	NA	元学习	深度神经网络	工程数据	小样本
12717	2024-08-07	Neighborhood structure-guided brain functional networks estimation for mild cognitive impairment identification 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17774 PMID:39099649	研究论文	本文提出了一种基于邻域结构引导的大脑功能网络估计方法，用于轻度认知障碍的识别	该方法通过考虑感兴趣区域（ROI）之间的空间邻域信息，利用K-最近邻（KNN）算法构建稀疏的大脑功能网络（BFN），克服了传统Pearson相关系数（PC）构建的密集网络与生物学先验的矛盾	NA	旨在提高轻度认知障碍（MCI）与健康个体之间的分类性能	大脑功能网络的构建与轻度认知障碍的识别	计算机视觉	神经退行性疾病	功能磁共振成像（fMRI）	K-最近邻（KNN）	图像	具体样本数量未在摘要中提及
12718	2024-08-07	Embedded-deep-learning-based sample-to-answer device for on-site malaria diagnosis 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1392269 PMID:39100623	研究论文	本研究提出了一种基于嵌入式深度学习的miLab™设备，用于现场疟疾诊断，该设备采用固体水凝胶染色法，确保血液涂片的一致性和高质量。	miLab™设备通过使用可变形染色贴片，实现了在不同血细胞比容下的一致性血液涂片制备，并利用嵌入式深度学习技术从自动对焦的染色血细胞图像中检测和分类疟原虫。	NA	开发一种在细胞水平上准确且临床表现良好的疟疾诊断方法。	疟疾诊断方法及其在实际应用中的性能。	数字病理学	疟疾	深度学习算法	嵌入式深度学习	图像	临床验证在马拉维进行，总体百分比一致性为92.21%。
12719	2024-08-07	Surrogate modelling of heartbeat events for improved J-peak detection in BCG using deep learning 2024, Frontiers in network physiology DOI:10.3389/fnetp.2024.1425871 PMID:39099720	研究论文	本文提出了一种基于深度学习的方法，用于改进BCG信号中的J峰检测，通过模拟离散参考心跳事件来提高检测精度	首次采用核函数编码时间事件，并系统比较了多种事件编码用于事件检测的回归序列到序列模型	NA	提高BCG信号中J峰检测的准确性	BCG信号中的心跳事件检测	机器学习	NA	深度学习	回归序列到序列模型	时间序列	17晚，共134小时的数据，使用嵌入在床垫中的惯性测量单元(IMUs)收集
12720	2024-08-07	Generalising electrocardiogram detection and delineation: training convolutional neural networks with synthetic data augmentation 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1341786 PMID:39100388	研究论文	本文介绍了一种使用合成数据增强训练卷积神经网络的方法，用于心电图检测和 delineation	开发了一种合成数据生成方案，从现有数据库中提取基本段落并概率性地构建未见过的心电图轨迹，同时提出了两种基于分割的损失函数	NA	解决心电图检测和 delineation 中传统方法难以泛化到多样心电图模式的问题	心电图检测和 delineation	机器学习	NA	卷积神经网络	CNN	心电图数据	使用了三个多样化的自由可用数据库（QT, LU, 和 Zhejiang）