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
1301	2025-07-20	Deep learning models for unbiased sequence-based PPI prediction plateau at an accuracy of 0.65 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf192 PMID:40662806	research paper	该研究探讨了基于序列的蛋白质-蛋白质相互作用（PPI）预测的深度学习模型性能，发现所有模型在准确率上均达到0.65的瓶颈	揭示了ESM-2蛋白嵌入对性能提升的关键作用，并发现模型无法隐式学习接触图作为中间层	序列基础模型在PPI预测上存在性能瓶颈，可能需要结合结构等其他输入类型以提高预测可靠性	评估和改进基于序列的蛋白质-蛋白质相互作用预测方法	蛋白质-蛋白质相互作用（PPI）	machine learning	NA	ESM-2蛋白嵌入	深度学习模型（未指定具体架构）	蛋白质序列数据	NA
1302	2025-07-20	From high-throughput evaluation to wet-lab studies: advancing mutation effect prediction with a retrieval-enhanced model 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf189 PMID:40662802	研究论文	介绍了一种名为VenusREM的检索增强蛋白质语言模型，用于预测突变效应，并在酶工程中验证其性能	VenusREM模型能够在空间和时间尺度上捕捉局部氨基酸相互作用，并在ProteinGym基准测试中达到最先进性能	仅对30多个突变体进行了低通量事后分析，样本量相对较小	开发一种高性能的计算工具，用于预测突变效应并优化酶的性能	蛋白质序列、结构和功能之间的关系，特别是VHH抗体和DNA聚合酶的突变体	机器学习	NA	深度学习，湿实验验证	检索增强蛋白质语言模型	蛋白质序列数据	217个ProteinGym基准测试，30多个突变体，10个DNA聚合酶新突变体
1303	2025-07-20	TCR-epiDiff: solving dual challenges of TCR generation and binding prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf202 PMID:40662810	研究论文	提出了一种基于扩散的深度学习模型TCR-epiDiff，用于生成特定于表位的TCR序列并预测TCR与表位的结合	结合ProtT5-XL嵌入表位信息，并利用去噪扩散概率模型生成序列，同时开发了TCR-表位结合预测器	未提及模型在更大规模数据集上的泛化能力或计算效率的具体限制	解决TCR生成和结合预测的双重挑战，以促进疫苗和免疫疗法的设计	T细胞受体（TCRs）及其与表位的结合	机器学习	NA	深度学习、扩散模型	去噪扩散概率模型、ProtT5-XL	序列数据	未明确提及具体样本量，但使用了外部验证数据集
1304	2025-07-20	Accurate PROTAC-targeted degradation prediction with DegradeMaster 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf191 PMID:40662822	研究论文	本文提出了一种名为DegradeMaster的半监督E(3)-等变图神经网络预测器，用于预测PROTACs的靶向降解能力	DegradeMaster利用E(3)-等变图编码器将3D几何约束纳入分子表示，并采用基于记忆的伪标签策略在训练过程中丰富标注数据，同时设计了互注意力池化模块以实现可解释的图表示	NA	开发更准确的计算方法来预测PROTACs的靶向蛋白降解能力，以加速药物发现	PROTACs（蛋白降解靶向嵌合体）	机器学习	NA	E(3)-等变图神经网络	GNN（图神经网络）	3D分子图数据	NA
1305	2025-07-20	DivPro: diverse protein sequence design with direct structure recovery guidance 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf258 PMID:40662823	研究论文	介绍了一种名为DivPro的模型，用于设计能够折叠成相似结构的多样化蛋白质序列	DivPro通过学习概率序列空间而非固定序列表示，提高了序列多样性，并结合蛋白质结构预测结果作为训练指导	在处理远程同源蛋白质时，现有方法的局限性更为明显	提高蛋白质序列设计的多样性，同时保持结构恢复的高准确性	蛋白质序列和结构	生物信息学	NA	深度学习，蛋白质结构预测	DivPro	蛋白质序列和结构数据	三个序列设计基准测试
1306	2025-07-20	OrgNet: orientation-gnostic protein stability assessment using convolutional neural networks 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf252 PMID:40662839	研究论文	介绍了一种名为OrgNet的新型深度学习模型，用于预测点突变对蛋白质热稳定性的影响	OrgNet通过3D卷积神经网络和空间变换技术，解决了现有模型中存在的方向偏差问题，实现了对蛋白质热稳定性变化的高精度预测	未提及具体的数据集大小限制或模型在其他类型蛋白质上的泛化能力	准确预测单点突变对蛋白质稳定性的影响，以阐明疾病的分子机制并推动蛋白质工程技术发展	蛋白质结构和点突变	机器学习	NA	3D卷积神经网络	CNN	蛋白质结构数据（体素网格）	在Ssym和S669等基准数据集上进行了评估
1307	2025-07-20	Harnessing deep learning for proteome-scale detection of amyloid signaling motifs 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf200 PMID:40662825	研究论文	本研究开发了基于双向LSTM和BERT的深度学习模型，用于检测淀粉样信号基序（ASMs）	开发了定制化的双向LSTM和BERT架构，用于建模ASMs，并在大规模数据集中检测ASMs，包括新发现的基序	ASMs的广泛多样性可能影响模型在未知家族中的检测效果	开发能够在大规模蛋白质数据库中检测淀粉样信号基序的判别模型	淀粉样信号基序（ASMs）	机器学习	NA	深度学习	双向LSTM, BERT	蛋白质序列数据	多样化的基序家族和全局负样本集
1308	2025-07-20	Super-resolution CBCT on a new generation flat panel imager of a C-arm gantry linear accelerator 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18000 PMID:40665524	研究论文	本研究评估了基于条件生成对抗网络（cGANs）的深度学习超分辨率（SR）模型在投影域增强CBCT图像分辨率的可行性	提出了一种在投影域而非图像域进行超分辨率处理的新方法，能有效恢复因探测器binning操作导致的分辨率损失	研究主要使用体模数据，尚未在真实患者数据上验证	提高C型臂直线加速器新型平板探测器获取的CBCT图像分辨率	Varian TrueBeam LINAC配备的RTI4343iL平板探测器获取的CBCT投影数据	医学影像处理	NA	深度学习超分辨率技术	cGANs（条件生成对抗网络）框架下的U-Net生成器	CBCT投影图像	576对CBCT投影数据（460对训练，116对验证）和144个动态胸部投影数据
1309	2025-07-20	The impact of uncertainty estimation on radiomic segmentation reproducibility and scan-rescan repeatability in kidney MRI 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17995 PMID:40665574	研究论文	本研究探讨了在肾脏MRI中，通过考虑分割不确定性来提高放射组学特征的再现性和重复性，并评估了基于不确定性信息的分割是否能改善健康与病理受试者的分类	首次将不确定性量化整合到基于深度学习的放射组学分割中，以提高特征的稳健性和分类性能	不同方法和受试者群体中，关于分割变异性的再现性改进并不一致	提高放射组学分析在分割和扫描-重扫描变异性中的稳健性，并改善病理与健康受试者的分类能力	慢性肾脏病（CKD）患者和健康对照（HC）的肾脏MRI数据	数字病理	慢性肾脏病	MRI	U-Net, Monte Carlo dropout (MCD), test-time augmentation (TTA)	图像	公开可用的肾脏MRI数据集，包含CKD患者和健康对照
1310	2025-07-20	Joint enhancement of automatic chest x-ray diagnosis and radiological gaze prediction with multistage cooperative learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17977 PMID:40665596	research paper	提出一种新型深度学习框架，用于联合胸部X光扫描的疾病诊断和放射科医生凝视显著性图预测	引入双编码器多任务UNet架构，结合DenseNet201和残差与Squeeze-and-Excitation块编码器，提出多阶段协作学习策略和对比学习特征编码预训练	未明确说明模型在多样化数据集上的泛化能力及临床部署的可行性	提升自动放射诊断质量并预测放射科医生凝视模式	胸部X光扫描图像及对应放射科医生眼动数据	digital pathology	lung cancer	deep learning	dual-encoder multitask UNet (DenseNet201 + Residual and Squeeze-and-Excitation blocks)	medical images (chest X-ray) + eye gaze tracking data	NA
1311	2025-07-20	EUP: Enhanced cross-species prediction of ubiquitination sites via a conditional variational autoencoder network based on ESM2 2025-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013268 PMID:40668800	research paper	该论文介绍了一个名为EUP的在线网络服务器，用于多物种泛素化位点预测和模型解释	利用预训练语言模型ESM2提取赖氨酸位点依赖特征，并通过条件变分推断降低特征维度，提高了跨物种泛素化位点预测的性能和解释性	未提及具体的数据集大小或模型在极端情况下的表现	提高跨物种泛素化位点预测的准确性和解释性	动物、植物和微生物中的泛素化位点	machine learning	NA	conditional variational autoencoder	ESM2	protein sequences	NA
1312	2025-07-20	Automated machine learning predicts liver metastases in patients with early-onset gastroenteropancreatic neuroendocrine tumors 2025-Jun-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-946 PMID:40672078	研究论文	本研究利用自动化机器学习（AutoML）方法开发了一个预测模型，用于早期检测早发性胃肠胰神经内分泌肿瘤（GEP-NETs）患者的肝转移	使用AutoML方法构建预测模型，并比较了多种算法（GBM、GLM、DL、DRF）的性能，其中GBM算法表现最佳	研究基于回顾性数据，可能存在选择偏倚	开发一个预测模型，用于早期检测早发性GEP-NETs患者的肝转移	早发性GEP-NETs患者	机器学习	胃肠胰神经内分泌肿瘤	AutoML	GBM, GLM, DL, DRF	临床数据	12,802名患者（训练集8,983名，验证集3,819名）
1313	2025-07-20	Development and validation of growth prediction models for multiple pulmonary ground-glass nodules based on CT features, radiomics, and deep learning 2025-Jun-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-1039 PMID:40673084	研究论文	开发并验证基于CT特征、放射组学和深度学习的多发性肺磨玻璃结节生长预测模型	首次针对多发性肺磨玻璃结节开发生长预测模型，结合临床特征、放射组学和深度学习技术，并比较不同模型的预测性能	研究为回顾性设计，样本量相对有限（231名患者，732个结节），且随访时间可能不足以捕捉所有结节的生长模式	预测多发性肺磨玻璃结节的生长模式，以更精确地识别需要密切监测或早期干预的结节	多发性肺磨玻璃结节患者及其CT影像数据	数字病理	肺癌	CT扫描、放射组学分析、深度学习	临床模型、放射组学模型、DL模型、临床-放射组学模型、临床-DL模型	医学影像（CT）	231名患者（平均年龄54.1±9.9岁，26.4%男性，73.6%女性），共732个磨玻璃结节
1314	2025-07-20	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	研究[177Lu]Lu-DOTATATE肽受体放射性核素治疗(PRRT)在转移性神经内分泌肿瘤(NETs)中的药代动力学、剂量学模式及吸收剂量(AD)-效应关系，以制定未来个性化剂量引导治疗策略	揭示了不同治疗周期和不同NET亚组的剂量学行为，并建立了eGFR与AD之间的关系模型，可用于早期预测肾功能	样本量较小(30例患者)，且未观察到高于2级的肾毒性	优化PRRT个性化治疗方案	转移性神经内分泌肿瘤患者	放射治疗	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量率图生成、剂量率拟合	深度学习算法(用于肾脏分割)	医学影像(SPECT/CT)	30例患者(22例完成所有周期SPECT/CT成像)
1315	2025-07-20	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Jun, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	研究论文	该研究提出了一种使用语义文本相似性（STS）方法来链接创伤性脑损伤（TBI）不同症状量表之间的症状和评分	利用预训练的深度学习模型通过语义文本相似性来链接不同症状量表，解决了TBI诊断和结果预测中结果不可比的问题	需要进一步验证该方法在其他疾病或症状量表上的适用性	解决创伤性脑损伤（TBI）诊断和结果预测中不同症状量表结果不可比的问题	创伤性脑损伤（TBI）的症状量表和患者数据	自然语言处理	创伤性脑损伤	语义文本相似性（STS）	预训练的深度学习模型	文本	来自16个国际数据源的6,607名参与者
1316	2025-07-20	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选进行聚类	结合图同构网络（GIN）模型与k-means和层次凝聚聚类方法，首次实现了RNA结构基序的自动化聚类，并发现了新的RNA结构基序家族	未提及该方法在超大规模RNA结构数据集上的计算效率问题	开发自动化工具解决RNA结构基序识别难题	RNA环状区域的结构基序	生物信息学	NA	图同构网络（GIN），k-means聚类，层次凝聚聚类	GIN	RNA 3D结构数据	成功识别927个已知基序家族新实例和12个新基序家族
1317	2025-07-20	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-May-27, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	该研究利用深度学习技术，通过短暂的发作间期颅内记录准确识别癫痫发作起始区	首次证明深度学习模型可以利用短暂的发作间期颅内记录数据准确分类癫痫发作起始区，且性能优于随机标签训练的模型	研究样本量相对有限（78名患者），且模型性能在不同患者群体中存在差异	开发自动化方法定位癫痫发作起始区，以改善术前评估并减少患者住院时间	78名癫痫患者的100多万段发作间期立体脑电图记录	数字病理学	癫痫	立体脑电图（stereotactic electroencephalography）	一维卷积神经网络（1D CNN）	颅内电生理信号	78名患者的100多万段脑电图记录
1318	2025-07-20	Deep learning-guided design of dynamic proteins 2025-May-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	研究论文	本文提出了一种基于深度学习的蛋白质动态变化设计方法	首次实现了对蛋白质内部几何动态变化的从头设计，并验证了设计的构象	未提及具体应用场景或体内验证结果	开发能够设计具有可控构象变化蛋白质的新方法	蛋白质的构象动态变化	机器学习	NA	深度学习	NA	蛋白质结构数据	4个验证结构
1319	2025-07-20	Differentiable Folding for Nearest Neighbor Model Optimization 2025-May-12, ArXiv PMID:40160447	研究论文	本文提出了一种基于可微分折叠的高效、可扩展且灵活的参数优化方法，用于改进最近邻模型的RNA二级结构预测	利用可微分折叠技术直接计算RNA折叠算法的梯度，显著提高了参数优化的效率和效果	未明确提及方法在复杂RNA结构或大规模数据集上的适用性限制	优化RNA二级结构预测的最近邻模型参数	RNA二级结构	计算生物学	NA	可微分折叠	最近邻模型	RNA结构数据和热力学实验数据	包含约13,000个热力学参数的新数据库RNAometer
1320	2025-07-20	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	研究论文	开发了一种纵向感知分割网络(LAS-Net)，用于量化儿童霍奇金淋巴瘤患者的系列PET/CT图像	LAS-Net引入了纵向交叉注意力机制，允许PET1的相关特征为PET2的分析提供信息	研究为回顾性研究，可能受到数据选择和收集的限制	开发能够量化儿童霍奇金淋巴瘤患者系列PET/CT图像的自动分割网络	儿童霍奇金淋巴瘤患者的系列PET/CT图像	数字病理	霍奇金淋巴瘤	PET/CT成像	CNN	医学图像	297名儿科患者（内部数据集200名，外部测试数据集97名）