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
1281	2025-07-20	Deep learning empowers genomic selection of pest-resistant grapevine 2025-Aug, Horticulture research IF:7.6Q1 DOI:10.1093/hr/uhaf128 PMID:40673235	研究论文	本研究整合深度学习、植物表型组学、定量遗传学和转录组学，对葡萄藤的抗虫性进行基因组选择	利用深度卷积神经网络（DCNNs）准确评估葡萄叶片的虫害损伤，并结合基因组重测序数据和转录组数据，识别与抗虫性相关的基因	NA	通过深度学习与基因组选择技术，培育抗虫性葡萄藤品种	葡萄藤及其抗虫性相关基因	机器学习	NA	基因组重测序、转录组学	DCNN、VGG16、ML	图像、基因组数据、转录组数据	231个葡萄藤种质资源
1282	2025-07-20	Deep learning's crystal ball: Predicting HCC surgery success with multimodal imaging 2025-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001410 PMID:40680277	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1283	2025-07-20	Transfer Learning for Predicting ncRNA-Protein Interactions 2025-Jul-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00914 PMID:40679953	研究论文	提出了一种基于迁移学习的框架Transfer-RPI，用于预测非编码RNA与蛋白质的相互作用，以提高预测准确性	利用迁移学习和深度特征学习技术，结合RiNALMo和ESM模型提取RNA和蛋白质序列的全面特征，提升小数据集上的预测性能	依赖于现有数据集的质量和规模，可能无法覆盖所有类型的ncRNA-蛋白质相互作用	提高非编码RNA与蛋白质相互作用预测的准确性，以促进对生物过程的理解和新治疗剂的开发	非编码RNA（ncRNA）与蛋白质的相互作用	机器学习	NA	迁移学习，深度特征学习	RiNALMo, ESM	RNA和蛋白质序列数据	RPI369, RPI488, RPI1807, RPI2241, 和 NPInter v2.0数据集
1284	2025-07-20	Modelling In vitro Mutagenicity Using Multi-Task Deep Learning and REACH Data 2025-Jul-18, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00152 PMID:40680271	研究论文	本研究探讨了利用多任务深度学习和REACH数据建立体外诱变模型的可能性	利用多任务深度学习模型探索不同诱变性检测方法之间的内在关联，并比较其与单任务模型的性能差异	外部测试集的阳性样本和阴性样本数量需至少各200个才能获得较好的预测准确率	开发更准确的体外诱变性预测模型	超过12,000种化学物质	机器学习	NA	多任务深度学习	图神经网络(GNN)	化学结构数据	超过12,000种化学物质
1285	2025-07-20	Computer vision techniques for high-speed atomic force microscopy of DNA molecules 2025-Jul-16, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ade888 PMID:40570888	研究论文	探讨深度学习技术在高速原子力显微镜(HSAFM)图像分析中的应用，以提高DNA分子检测和分类的效率	首次将全卷积网络(FCN)和YOLOv8架构应用于HSAFM图像分析，显著提高了DNA分子检测的准确性和效率	研究仅针对特定遗传疾病(三核苷酸重复扩增疾病和脆性X综合征)的样本，可能不适用于其他类型的DNA分析	开发自动化方法以加速HSAFM图像分析流程，实现快速精准的基因组疾病诊断	来自三核苷酸重复扩增疾病和脆性X综合征患者的DNA分子	计算机视觉	遗传疾病	高速原子力显微镜(HSAFM)	FCN, YOLOv8	图像	20000张包含DNA分子的图像，其中标记了248个分子(33个为真实目标)
1286	2025-07-20	An interpretable machine learning model for predicting bone marrow invasion in patients with lymphoma via 18F-FDG PET/CT: a multicenter study 2025-Jul-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03110-8 PMID:40665334	研究论文	开发并验证了一种可解释的机器学习模型，用于预测淋巴瘤患者的骨髓侵犯	整合了临床数据、18F-FDG PET/CT参数、放射组学特征和深度学习特征，构建了一个可解释的预测模型	样本量较小（159例患者），且仅来自两个中心	预测淋巴瘤患者的骨髓侵犯，以减少对侵入性骨髓活检的依赖	新诊断的淋巴瘤患者	数字病理	淋巴瘤	18F-FDG PET/CT	ExtraTrees分类器	临床数据、影像数据	159例新诊断的淋巴瘤患者（118例来自中心I，41例来自中心II）
1287	2025-07-20	A cryptosystem for face recognition based on optical interference and phase truncation theory 2025-Jul-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06990-y PMID:40659666	研究论文	本研究提出了一种基于光学干涉和相位截断理论的人脸识别加密系统，旨在解决面部图像数据的安全传输和存储问题	引入了振幅-相位分离异步加密（APSAE）技术，通过分别异步加密振幅和相位分量来减轻固有漏洞	NA	解决面部图像隐私泄露的关键问题，并推动安全生物识别系统的发展	面部图像数据	计算机视觉	NA	光学干涉和相位截断理论	深度学习	图像	Labeled Faces in the Wild (LFW) 数据集
1288	2025-07-20	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Jul-10, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	本文介绍了两种新的无监督方法，用于检测时空传感器阵列中的异常，特别适用于河流传感器网络等高度结构化数据集	提出了两种新方法：基于动态贝叶斯的降秩高斯过程时空模型和基于时空注意力的LSTM深度学习架构，并引入了一种集成方法结合两者的优势	虽然展示了优于现有方法的性能，但未提及在极端环境条件下的适用性或对传感器故障类型的覆盖范围	开发鲁棒高效的算法和计算方法，用于监测复杂生态系统中的时空异常	河流传感器网络获取的时空传感器数据	机器学习	NA	动态贝叶斯建模, 深度学习	降秩高斯过程, LSTM	时空传感器数据	NA
1289	2025-07-20	Effective generation of heavy-atom-free triplet photosensitizers containing multiple intersystem crossing mechanisms based on deep learning 2025-Jul-08, Chemical science IF:7.6Q1 DOI:10.1039/d5sc03192c PMID:40671753	研究论文	本文提出了一种基于深度学习的策略，用于高效生成不含重原子的三重态光敏剂，这些光敏剂包含多种系间窜越机制	提出了一种结合片段模型和字符模型的新策略，用于生成具有多种系间窜越机制的三重态光敏剂，显著提高了预测准确性和多样性	现有方法主要针对有限的三重态光敏剂子集，如热激活延迟荧光材料，忽略了高能单重态和三重态之间的关键系间窜越	开发一种高效生成三重态光敏剂的方法，以应用于光动力治疗	三重态光敏剂	机器学习	癌症	深度学习、条件变换器、循环神经网络、强化学习	Frag-MD、MD	化学数据	约1.90×10的三重态光敏剂数据集
1290	2025-07-20	Quantification of Optical Coherence Tomography Features in >3500 Patients with Inherited Retinal Disease Reveals Novel Genotype-Phenotype Associations 2025-Jul-03, medRxiv : the preprint server for health sciences DOI:10.1101/2025.07.03.25330767 PMID:40630585	研究论文	本研究利用深度学习算法AIRDetect-OCT对超过3500名遗传性视网膜疾病患者的SD-OCT图像进行量化分析，揭示了新的基因型-表型关联	开发了新型深度学习算法AIRDetect-OCT，实现了大规模OCT特征量化，并发现了人口统计学和基因型参数与表型的横断面和纵向相关性	研究为回顾性设计，可能受到数据收集时的限制	量化遗传性视网膜疾病患者的SD-OCT图像特征，探索基因型-表型关联	4240名经临床和分子确诊的遗传性视网膜疾病患者	数字病理学	遗传性视网膜疾病	光谱域光学相干断层扫描(SD-OCT)	神经网络分割模型(AIRDetect-OCT)	图像	4240名患者(涉及198个不同的IRD基因)，包括69,664个SD-OCT黄斑体积数据
1291	2025-07-20	Beyond static structures: protein dynamic conformations modeling in the post-AlphaFold era 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf340 PMID:40663654	review	本文综述了蛋白质动态构象的基本概念，探讨了后AlphaFold时代在建模这些动态方面的最新计算进展，并强调了关键挑战	从静态结构预测转向多状态表示，以理解蛋白质功能和调控的机制基础	数据限制、方法学约束和评估标准	促进人工智能驱动的结构生物学时代中蛋白质构象研究的持续发展	蛋白质动态构象	结构生物学	NA	深度学习	AlphaFold	蛋白质结构数据	NA
1292	2025-07-20	Kinase-inhibitor binding affinity prediction with pretrained graph encoder and language model 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf338 PMID:40663653	研究论文	本研究提出了一种名为Kinhibit的新框架，用于预测抑制剂与激酶的结合亲和力，结合了自监督图对比学习和多视图分子图表示以及结构信息蛋白质语言模型(ESM-S)	Kinhibit框架整合了自监督图对比学习和多视图分子图表示，以及结构信息蛋白质语言模型(ESM-S)，有效提取特征并优化抑制剂和激酶特征的融合	未明确提及具体局限性	开发更先进的方法以解决抑制剂-激酶结合预测中的现有问题	抑制剂与激酶的结合亲和力	机器学习	癌症	自监督图对比学习, 多视图分子图表示, 结构信息蛋白质语言模型(ESM-S)	Kinhibit	分子图数据, 蛋白质序列数据	三种MAPK信号通路激酶(Raf蛋白激酶(RAF)、丝裂原活化蛋白激酶激酶(MEK)和细胞外信号调节激酶(ERK))及MAPK-All数据集
1293	2025-07-20	PREDAC-FluB: predicting antigenic clusters of seasonal influenza B viruses with protein language model embedding based convolutional neural network 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf308 PMID:40665740	研究论文	提出PREDAC-FluB，一种结合蛋白质语言模型嵌入和CNN的深度学习框架，用于预测季节性流感B病毒的抗原簇	整合CNN空间特征提取、ESM-2嵌入与六种物理化学描述符的多模态序列表示（ESM2-7-features），以及UMAP引导的聚类方法，首次针对流感B病毒建立抗原变异预测模型	仅针对B型流感病毒（Victoria和Yamagata谱系），未验证在其他流感病毒亚型的适用性	准确预测流感B病毒抗原变异以辅助疫苗株选择	9036个B/Victoria谱系和4520个B/Yamagata谱系流感病毒对的HA1序列	生物信息学	流感	蛋白质语言模型（ESM-2）、多维物化特征编码	CNN（卷积神经网络）	蛋白质序列	总计13556个病毒样本（B/Victoria:9036, B/Yamagata:4520）
1294	2025-07-20	NASNet-DTI: accurate drug-target interaction prediction using heterogeneous graphs and node adaptation 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf342 PMID:40668556	研究论文	提出了一种基于异构图和节点自适应的药物-靶点相互作用预测新框架NASNet-DTI	采用节点自适应学习策略动态确定每个节点的最优聚合深度，有效缓解了图神经网络中的过平滑问题	未明确说明模型在更大规模数据集上的泛化能力	提高药物-靶点相互作用预测的准确性	药物分子和靶点蛋白	生物信息学	NA	图卷积网络	GNN	图数据	多个数据集（未明确说明具体数量）
1295	2025-07-20	Advancing genome-based precision medicine: a review on machine learning applications for rare genetic disorders 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf329 PMID:40668553	综述	本文综述了机器学习在基于基因组的精准医学中针对罕见遗传病的应用	强调了机器学习在疾病分类、治疗优化和生物标志物发现中的作用，并讨论了混合ML模型和实时基因组分析等进展	面临计算复杂性、数据稀缺性和伦理问题等挑战	推动基于基因组的精准医学在罕见遗传病中的应用	罕见遗传病	机器学习	罕见遗传病	基因组数据分析	深度学习、集成方法、混合ML模型	基因组数据	NA
1296	2025-07-20	Deep Learning Radiomics Based on MRI for Differentiating Benign and Malignant Parapharyngeal Space Tumors 2025-Jul, The Laryngoscope DOI:10.1002/lary.32043 PMID:39932109	研究论文	本研究基于MRI的深度学习放射组学方法，用于区分咽旁间隙肿瘤的良恶性	结合深度学习和传统放射组学特征，开发了深度学习放射组学（DLR）模型，显著提高了诊断性能	回顾性研究，样本量相对较小（217例），且仅来自两个医疗中心	建立一种基于深度学习和放射组学特征的预学术诊断工具，指导咽旁间隙肿瘤的临床决策	咽旁间隙肿瘤患者	数字病理	咽旁间隙肿瘤	MRI	深度学习放射组学（DLR）模型	图像	217例患者（训练集145例，测试集72例）
1297	2025-07-20	Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection 2025-Jul, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12760 PMID:40116287	research paper	本研究评估了基于高质量内窥镜图像训练的巴雷特肿瘤计算机辅助检测系统在真实世界多样化图像条件下的性能下降，并探讨了提升系统鲁棒性的策略	首次量化分析了内窥镜AI系统在社区医院实际应用中的性能衰减问题，并验证了三种增强数据异质性适应能力的方法	研究仅针对巴雷特肿瘤的检测系统，结果可能不适用于其他类型的病变检测	提高内窥镜人工智能系统在临床实践中的泛化能力	巴雷特肿瘤的内窥镜图像	digital pathology	Barrett's neoplasia	deep learning	CNN	endoscopic images	373名巴雷特患者(训练集1011张图像)，351名患者(测试集)
1298	2025-07-20	CATH-ddG: towards robust mutation effect prediction on protein-protein interactions out of CATH homologous superfamily 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf228 PMID:40662779	research paper	该研究提出了一种名为CATH-ddG的新方法，用于预测蛋白质-蛋白质相互作用中突变效应，通过结合蛋白质3D结构和CATH同源超家族信息来提高预测的鲁棒性	引入基于CATH同源超家族的新训练/测试分割以减少数据泄露，采用混合噪声策略进行数据增强，并提出几何编码器场景CATH-ddG来表示突变微环境差异	深度学习模型可能因潜在的数据泄露而高估性能，且在处理硬突变（最大TM-score<0.6）时仍存在挑战	开发更稳健的突变效应预测方法以支持药物设计和疾病机制研究	蛋白质-蛋白质相互作用中的突变效应	生物信息学	NA	蛋白质3D结构分析，深度学习	几何编码器（CATH-ddG），ESM2微调	蛋白质3D结构数据，序列数据	419种人类表皮生长因子受体2（HER2）抗体变体和285种SARS-CoV-2受体结合域（RBD）变体
1299	2025-07-20	HIG-Syn: a hypergraph and interaction-aware multigranularity network for predicting synergistic drug combinations 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf215 PMID:40662801	研究论文	提出了一种名为HIG-Syn的超图和交互感知多粒度网络模型，用于预测药物组合的协同作用	整合了粗粒度和细粒度模块，利用超图捕获全局特征，并通过交互感知注意力模拟生物过程	模型在实际应用中的准确性仍需提高，且部分方法可能忽略了模型的生物学意义	开发深度学习方法来预测药物协同组合	药物组合	机器学习	NA	深度学习	HIG-Syn (超图和交互感知多粒度网络)	药物组合数据	从DrugComb和GDSC2数据库中提取的验证数据集
1300	2025-07-20	GPO-VAE: modeling explainable gene perturbation responses utilizing GRN-aligned parameter optimization 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf256 PMID:40662800	research paper	提出了一种名为GPO-VAE的可解释变分自编码器，通过基因调控网络（GRN）对齐的参数优化来建模基因扰动响应	GPO-VAE通过优化与潜在扰动效应相关的可学习参数，使其与GRN对齐，从而提高了模型的可解释性和性能	未提及具体的数据集规模或实验条件的限制	预测细胞对基因扰动的响应，并提高模型的可解释性	基因调控网络（GRN）和基因扰动响应	machine learning	NA	VAE（变分自编码器）	GPO-VAE	基因表达数据	NA