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
1381	2025-05-31	Poised PABP-RNA hubs implement signal-dependent mRNA decay in development 2024-Sep, Nature structural & molecular biology IF:12.5Q1 DOI:10.1038/s41594-024-01363-x PMID:39054355	研究论文	该研究利用深度学习解析了细胞信号通路如何通过改变基因表达实现快速转录组重编程的机制	揭示了LIN28A磷酸化后与PABP-RNA枢纽的相互作用如何选择性地触发mRNA降解，从而促进多能性状态的转变	研究主要聚焦于naive多能性mRNA的降解机制，可能不适用于其他类型的mRNA降解过程	探索信号通路如何通过mRNA降解机制快速重塑转录组	naive多能性mRNA及其降解机制	分子生物学	NA	深度学习	NA	序列数据	NA
1382	2025-05-31	Deep learning and direct sequencing of labeled RNA captures transcriptome dynamics 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae116 PMID:39211330	研究论文	介绍了一种名为RNAkinet的深度卷积和循环神经网络，用于检测经过代谢标记的新生RNA分子，并通过纳米孔直接RNA测序区分新生和已有RNA分子	RNAkinet能够直接从纳米孔测序的电信号中处理并区分新生和已有RNA分子，适用于多种细胞类型和生物体，并能量化RNA亚型的半衰期	NA	揭示RNA亚型代谢的动力学参数，促进RNA代谢及其调控元件的研究	RNA亚型	自然语言处理	NA	纳米孔直接RNA测序	深度卷积和循环神经网络	RNA测序数据	NA
1383	2025-05-31	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012423 PMID:39255309	研究论文	该研究利用深度自编码器识别斑马鱼行为模式，在高维行为数据分析中优于传统统计方法	使用半监督深度自编码器提取斑马鱼'正常'行为特征，并成功识别出传统方法未能捕捉的化学物质诱导异常行为	研究仅针对斑马鱼幼虫，结果是否适用于其他发育阶段或其他模式生物尚需验证	开发更有效的方法来分析斑马鱼高维行为数据，以更好地识别发育神经毒性化学物质	斑马鱼幼虫行为数据	机器学习	神经毒性	深度自编码器	autoencoder	行为数据	暴露于多种有毒化学物质(包括纳米材料、芳香族化合物、PFAS等)的斑马鱼幼虫行为数据
1384	2025-05-31	Clinical and genetic associations of asymmetric apical and septal left ventricular hypertrophy 2024-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztae060 PMID:39318696	research paper	本研究探讨了左心室不对称顶端和间隔肥厚的临床和遗传关联	使用深度学习衍生的表型研究左心室肥厚区域分布的遗传和临床关联，独立于总左心室质量	需要在多民族队列中进行进一步研究	研究左心室不对称肥厚的临床和遗传关联及其对心血管疾病风险的影响	35,268名UK Biobank参与者	machine learning	cardiovascular disease	深度学习	NA	genetic and clinical data	35,268名UK Biobank参与者
1385	2025-05-31	Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100861 PMID:39372456	research paper	开发并验证了一种全自动深度学习系统，用于在冠状动脉CT血管造影（CCTA）上评估狭窄程度和高风险斑块（HRP）	提出了一种全自动、无监督的深度学习系统，能够快速评估冠状动脉狭窄程度和HRP，无需专业训练	研究样本量有限，且仅在特定患者群体中进行了验证	开发一种自动化工具，以提高CCTA在评估冠状动脉狭窄和HRP中的效率和准确性	冠状动脉狭窄和高风险斑块（HRP）	digital pathology	cardiovascular disease	deep learning	unsupervised deep learning	image	570名患者用于训练，769名患者（3,012条血管）用于狭窄评估，45名患者（325条血管）用于HRP评估
1386	2025-05-31	AlphaFold2 Reveals Structural Patterns of Seasonal Haplotype Diversification in SARS-CoV-2 Nucleocapsid Protein Variants 2024-08-25, Viruses DOI:10.3390/v16091358 PMID:39339835	研究论文	利用AlphaFold2揭示SARS-CoV-2核衣壳蛋白变体的季节性单倍型多样化结构模式	首次将AlphaFold2应用于SARS-CoV-2核衣壳蛋白变体的结构模式分析，揭示了内在无序区域在病毒进化中的重要性	研究依赖于计算模型预测的蛋白质结构，而非实验验证的实际结构	探究SARS-CoV-2变体的起源和进化机制	SARS-CoV-2核衣壳蛋白(N蛋白)的22种单倍型	计算生物学	COVID-19	AlphaFold2, 从头计算方法, 数据挖掘	AlphaFold2	蛋白质序列和结构数据	22种单倍型(来自GISAID数据库截至2023年7月23日的数据)
1387	2025-05-31	Accurate prediction of protein function using statistics-informed graph networks 2024-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50955-0 PMID:39097570	研究论文	提出了一种利用统计信息图网络仅从蛋白质序列预测蛋白质功能的方法	该方法无需结构信息即可预测蛋白质功能，并通过进化特征量化评估执行特定功能的残基重要性	NA	预测蛋白质功能以支持医学、生物技术和药物开发领域的研究	蛋白质序列	生物信息学	NA	统计信息图网络	图网络	序列数据	超过2亿个未表征的蛋白质
1388	2025-05-31	Unsupervised representation learning on high-dimensional clinical data improves genomic discovery and prediction 2024-Aug, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-024-01831-6 PMID:38977853	research paper	介绍了一种名为REGLE的无监督深度学习模型，用于发现高维临床数据（HDCD）与遗传变异之间的关联	REGLE利用变分自编码器计算HDCD的非线性解缠结嵌入，这些嵌入作为全基因组关联研究（GWAS）的输入，能够发现现有专家定义特征未捕获的特征，并在标记数据极少的数据集中构建准确的疾病特异性多基因风险评分（PRSs）	NA	改进高维临床数据的遗传发现和疾病预测	高维临床数据（HDCD）	machine learning	respiratory and circulatory diseases	variational autoencoders, GWAS	variational autoencoders	clinical data	biobank-scale datasets
1389	2025-05-31	Quantifying social roles in multi-animal videos using subject-aware deep-learning 2024-Jul-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.07.602350 PMID:39026890	研究论文	介绍了一种基于深度学习的系统LabGym2，用于识别和量化多动物群体中的社会角色	采用主体感知方法，评估群体中每个个体的行为状态，同时考虑其社会和周围环境	NA	开发自动化工具以分析多动物群体中自由移动个体的社会角色	多动物群体中的个体	计算机视觉	NA	深度学习	NA	视频	多种物种和实验，包括自由移动昆虫和野外灵长类动物的社会互动
1390	2025-05-31	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含基因组和病理注释的泛癌患者来源异种移植组织学图像库，用于深度学习分析	创建了一个大规模的PDX H&E图像库，并展示了其在深度学习中的三种应用	NA	促进通过组织病理学分析进行的癌症生物学研究，并扩展现有的人类组织学库	患者来源的异种移植(PDX)样本	数字病理学	癌症	H&E染色	深度学习	图像	超过1000个PDX和配对亲代肿瘤H&E图像
1391	2025-05-31	Dynamic risk stratification of worsening heart failure using a deep learning-enabled implanted ambulatory single-lead electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae035 PMID:39081943	研究论文	该研究开发了一种基于深度学习的动态风险分层方法，利用植入式单导联动态心电图监测心力衰竭恶化的风险	首次将植入式循环记录器的动态心电图数据与深度学习算法结合，用于心力衰竭恶化的动态风险分层	研究仅基于回顾性数据，需要前瞻性研究验证	开发心力衰竭恶化的早期预警系统	心力衰竭患者	数字病理学	心血管疾病	动态心电图监测	CNN	心电图数据	2247名患者（训练集），909名患者（验证集）
1392	2025-05-31	CrysFormer: Protein structure determination via Patterson maps, deep learning, and partial structure attention 2024-Jul, Structural dynamics (Melville, N.Y.) DOI:10.1063/4.0000252 PMID:39148510	研究论文	提出了一种基于Transformer的模型CrysFormer，利用实验蛋白质晶体学数据和部分结构信息计算蛋白质的电子密度图	首次提出直接利用实验蛋白质晶体学数据和部分结构信息的Transformer模型，绕过晶体学相位问题	仅在合成数据集上进行了验证，未在真实复杂蛋白质结构上测试	解决蛋白质原子级结构确定的长期挑战	蛋白质晶体结构	计算生物学	NA	X射线晶体学	Transformer	Patterson图、蛋白质序列信息	两个合成数据集（一个每单位细胞含2个残基，另一个含15个残基）
1393	2025-05-31	Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography 2024-Jun-14, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.13.24308898 PMID:38947008	research paper	开发并评估了一种基于深度学习的心动图视频算法，用于慢性肝病的机遇性筛查	利用深度学习技术从常规心动图视频中自动识别高质量图像并检测肝硬化或脂肪性肝病（SLD），实现了慢性肝病的机遇性筛查	研究为回顾性观察队列，可能存在选择偏差；外部测试队列样本量较小（106例患者）	开发慢性肝病的机遇性筛查方法	接受心动图和腹部影像检查的成年患者	digital pathology	chronic liver disease	deep learning computer vision pipeline	CNN（推测）	video	1,596,640个心动图视频（来自24,276名患者）
1394	2025-05-31	ROBUST QUANTIFICATION OF PERCENT EMPHYSEMA ON CT VIA DOMAIN ATTENTION: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635299 PMID:39267982	研究论文	本文提出了一种基于域注意力的深度学习框架，用于在CT扫描中稳健量化肺气肿，解决了不同扫描仪类型带来的域偏移问题	设计了一种新颖的域注意力块，将图像视觉特征与定量扫描仪先验融合，显著提高了结果	需要进一步验证在大规模临床扫描中的适用性	开发一种稳健的肺气肿量化方法，适用于不同CT扫描仪的大规模研究	CT扫描图像中的肺气肿量化	数字病理	肺气肿	CT扫描	UNet, 域注意力块	CT图像	NA
1395	2025-05-31	UNSUPERVISED AIRWAY TREE CLUSTERING WITH DEEP LEARNING: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635651 PMID:39398280	research paper	该研究提出了一种无监督深度学习流程，用于从3D气道分割投影中提取特征并进行聚类，以识别与疾病风险相关的气道亚型	首次使用无监督深度学习方法直接从3D气道分割投影中提取特征并进行聚类，识别出四种可重复且临床意义不同的气道亚型	对CT分割气道树变异的定量表征仍不完整，对这些变异的临床和发展影响的理解也有限	开发一种方法来定量表征CT扫描中气道树的变异，并探索其与疾病风险的关联	人类气道树	digital pathology	COPD	deep learning	unsupervised deep-learning pipeline	3D CT scans	MESA Lung CT cohort
1396	2025-05-31	Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3008793 PMID:39371589	research paper	该论文提出了一种弱监督学习方法，用于腹部CT扫描中皮下水肿的自动分割，以提高水肿的量化准确性	使用强度先验生成的水肿伪标签和肌肉、皮下及内脏脂肪组织的伪标签进行上下文学习，结合多阶段nnU-Nets，显著降低了分割误差	依赖于伪标签的质量，可能受到初始分割误差的影响	开发一种非侵入性方法，通过腹部CT扫描自动分割水肿，以监测肾、肝或心力衰竭等疾病的进展	腹部CT扫描中的皮下水肿	digital pathology	kidney, liver or heart failure	weakly supervised learning, nnU-Nets	nnU-Nets	3D CT images	NA
1397	2025-05-31	DeepDate: A deep fusion model based on whale optimization and artificial neural network for Arabian date classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305292 PMID:39078864	研究论文	提出了一种基于鲸鱼优化算法和人工神经网络的深度融合模型DeepDate，用于阿拉伯椰枣分类	结合鲸鱼优化算法和人工神经网络，提高了椰枣分类的准确性和效率	未提及模型在小规模生产者中的实际应用效果	提高椰枣分类的准确性和效率	阿拉伯椰枣（Barhi, Khalas, Meneifi, Naboot Saif, Sullaj）	计算机视觉	NA	深度学习算法	人工神经网络（ANN）	图像	五类椰枣图像（具体数量未提及）
1398	2025-05-31	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	research paper	该研究利用深度学习和多模态数据结合可解释AI技术，预测中风后的恢复情况	提出了一种新颖的方法，通过训练CNN在结合MRI提取的ROIs和表格数据的符号表示的图像上，以提高分类准确性	数据集在机器学习标准下相对较小，可能影响模型的泛化能力	预测中风后症状及其对康复的反应，以提高分类准确性	758名英语中风幸存者，参与PLORAS研究	machine learning	cardiovascular disease	MRI扫描和表格数据结合	CNN, 2D Residual Neural Network (ResNet), 3D CNN	image, tabular data	758名中风幸存者，其中286名初始有中度或重度失语症
1399	2025-05-31	Large-Kernel Attention for 3D Medical Image Segmentation 2024, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-023-10126-7 PMID:38974012	research paper	提出了一种新型3D大核注意力模块，用于提高多器官和肿瘤在3D医学图像中的分割准确性	结合了生物启发的自注意力和卷积的优点，包括局部上下文信息、长距离依赖和通道适应性，同时通过分解大核卷积优化计算成本	未明确提及具体限制，但可能包括对特定类型医学图像的适用性或计算资源需求	实现准确的3D医学图像分割，特别是多器官和肿瘤的分割	MRI和CT扫描中的多器官和肿瘤	digital pathology	cancer	deep learning	U-Net with 3D LK attention module	3D medical images (MRI, CT)	CT-ORG and BraTS 2020 datasets
1400	2025-05-31	Brain Age Estimation from Overnight Sleep Electroencephalography with Multi-Flow Sequence Learning 2024, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S463495 PMID:38974693	research paper	本研究通过开发一种新型深度学习模型，利用夜间脑电图（EEG）数据改进脑年龄估计	提出了一种基于多流学习的深度学习框架，结合一维Swin Transformer和带注意力机制的卷积神经网络，以及DecadeCE损失函数来解决年龄分布不均的问题	NA	改进脑年龄估计方法	夜间脑电图（EEG）数据	machine learning	psychiatric or neurological disorders	overnight electroencephalography (EEG)	Swin Transformer, CNN with attentional mechanisms	EEG signals	18,767 polysomnograms (PSGs) from 13,616 subjects