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
1401	2026-09-20	CalDiff: Calibrating Uncertainty and Accessing Reliability of Diffusion Models for Trustworthy Lesion Segmentation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624331 PMID:41129433	研究论文	提出CalDiff框架，通过校准扩散模型的不确定性来实现可信的病变分割，利用多专家标注的不确定性来捕捉真实世界的诊断变异性。	提出了双步骤和序列感知的校准机制，基于扩散模型的序列特性，首次系统性地解决了多标注和多预测场景下不确定性校准和模型可靠性评估的挑战。	未明确说明具体的局限性	开发一个可靠的病变分割模型，利用多标注中的不确定性，捕捉真实世界的诊断变异性，并提供更具信息量的预测结果	病变分割数据集中的医学图像	数字病理学	NA	扩散模型	扩散模型	图像	两个病变分割数据集	NA	扩散模型	定量分析，可视化分析，不确定性校准评估	NA
1402	2026-09-20	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP社区于2023年成立的特别兴趣小组（SIGs），旨在通过在线研讨会系列促进社区持续对话和跨学科交流	CASP特别兴趣小组（SIGs）的建立，通过在线研讨会系列促进社区持续交流和跨学科讨论，打破了传统上仅限于预测季和会议期间的交流模式	摘要未提及具体参与数据、研讨会的具体效果评估以及可能存在的技术或参与障碍	促进CASP社区的持续对话和跨学科交流，推动准确预测算法的发展	CASP社区成员，包括深度学习专家、NMR专家等跨学科科学家	计算生物学	NA	NA	NA	文本	NA	NA	NA	NA	NA
1403	2026-09-20	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	该文章介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果，结合了多种深度学习模型、共识评分和增强的MSA策略	整合多种最先进深度学习模型与共识评分方法，利用大型宏基因组序列数据库增强MSA深度，在共识排名方法中增加更多评分项，并基于文献证据进行人工精修；对于RNA，采用以NuFold框架为中心的集成方法	部分靶标预测仍需进一步改进，且人工精修依赖文献证据，可能存在局限性	在CASP16中提升蛋白质多聚体和RNA结构预测的准确性	CASP16中的蛋白质复合物和RNA靶标	机器学习	NA	NA	深度学习模型（具体未指定）	序列数据（蛋白质和RNA序列）	NA	NA	NuFold	NA	NA
1404	2026-09-20	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-01, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	本文系统综述并荟萃分析了人工智能模型（包括手工放射组学和深度学习）在预测肝细胞癌患者经动脉化疗栓塞治疗反应中的表现	首次系统比较了手工放射组学与深度学习模型在预测肝细胞癌TACE治疗反应中的性能，并评估了内部验证与外部验证的差异	研究间存在异质性，需要进一步研究	评估人工智能模型在预测肝细胞癌患者接受经动脉化疗栓塞治疗疗效中的预测性能	确诊为肝细胞癌并接受经动脉化疗栓塞治疗的患者	数字病理学	肝癌	NA	CNN	图像	27项研究，其中11项纳入TACE治疗反应模型荟萃分析	NA	NA	AUC	NA
1405	2026-09-20	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-01, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	综述	本文评估了CASP16中深度学习方法在计算结构生物学多个领域的进展和瓶颈，包括蛋白质单体、复合物、RNA、大分子集合以及配体-蛋白质结构和亲和力预测	提供了CASP16竞赛的最新评估结果，展示了深度学习在蛋白质复合物界面精度选择方面的有效性，并指出了传统物理方法与深度学习结合以及训练数据增加这两个有前景的趋势	对于RNA结构预测，深度学习方法目前不成功且不优于传统方法；在没有结构同源性的情况下，两种方法结果都很差；大分子集合的CASP目标集有限，难以得出结论；配体-蛋白质复合物预测结果往往达不到实验精度	严格评估计算结构生物学领域的最新方法水平，特别是深度学习方法在CASP16中的表现	CASP16竞赛中的蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构和亲和力预测目标	计算结构生物学	NA	深度学习，传统物理方法，结构同源性建模	AlphaFold变体	结构数据	NA	NA	AlphaFold	与实验结构的一致性，界面精度	NA
1406	2026-09-20	Identification of potent high-affinity secondary nucleation inhibitors of Aβ42 aggregation from an ultra-large chemical library using deep docking 2026-Jan, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-025-00159-5 PMID:41193694	研究论文	本文开发了一个开源Deep Docking流程，从超过5.39亿化合物的超大型化学库中筛选Aβ42聚集的二次成核抑制剂，并通过体外实验验证了候选化合物的抑制活性	将可筛选化合物数量提高了4个数量级，开发了开源Deep Docking流程，并从超大型化学库中成功发现了效力优于adapalene的高亲和力Aβ42聚集抑制剂	候选化合物仅通过体外实验验证，尚未进行细胞实验或动物模型验证，且未评估化合物的药代动力学性质和血脑屏障穿透能力	利用基于深度学习的结构对接方法，从超大型化学库中快速、经济地识别针对蛋白质错误折叠疾病的强效先导化合物，特别是Aβ42聚集的二次成核抑制剂	Aβ42肽的聚集过程及其二次成核抑制剂，超大型化学库中的化合物	药物发现，机器学习	阿尔茨海默病	Deep Docking，分子对接，表面等离子共振	深度学习模型	分子结构数据，化合物库数据	超过5.39亿个化合物（超大型化学库），35个候选化合物进行体外测试，其中19个具有抑制活性	NA	NA	命中率（54%），平衡解离常数（低纳摩尔范围）	NA
1407	2026-09-20	Application of deep learning in evaluating the anatomical relationship between the mandibular third molar and inferior alveolar nerve: A scoping review 2026-Jan-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27584 PMID:41108775	综述	本综述旨在识别和比较用于下颌第三磨牙手术影像评估的深度学习模型，重点关注AI模型类型、关键性能指标、影像模态和临床适用性	首次对深度学习在下颌第三磨牙与下牙槽神经解剖关系评估中的应用进行范围综述，系统比较了不同AI模型的性能并揭示了当前研究的局限性	大多数研究依赖二维影像且聚焦于检测和分割，预测建模和三维CBCT分析相对有限；数据集大小、验证流程和性能指标存在显著差异，模型泛化性不一致	识别和比较用于下颌第三磨牙手术影像评估的深度学习模型，评估其临床适用性	2015至2024年间发表的关于深度学习应用于下颌第三磨牙影像分析的研究	计算机视觉, 数字病理学	口腔疾病	全景X线摄影, 锥形束计算机断层扫描(CBCT)	CNN	图像	16篇符合纳入标准的研究	NA	U-Net, CNN	准确率, 灵敏度, 特异度	NA
1408	2026-09-20	Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology 2025-12-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-4350 PMID:41166699	研究论文	开发了一个深度学习框架Path2Omics，从组织病理学图像中独立预测基因表达和甲基化，覆盖30种TCGA癌症类型	Path2Omics包含FFPE模型和FF模型，整合模型结合两者预测，比单独FFPE模型提升30%，稳健预测约4400个基因；推断的基因表达在预测患者生存和治疗反应方面与实际值密切匹配	研究未明确提及局限性，但可能包括依赖TCGA数据、外部验证数据集有限等	利用常规组织病理学切片推进精准肿瘤学	30种TCGA癌症类型的组织病理学图像和分子数据	数字病理学	泛癌症	组织病理学成像，转录组学和甲基化预测	深度学习	图像	NA	NA	NA	NA	NA
1409	2026-09-20	HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data 2025-Dec-11, ArXiv PMID:41040798	研究论文	提出了一种用于空间转录组和蛋白质组数据的分层图Transformer基础模型HEIST	1. 采用分层图建模组织：高层为空间细胞图，低层为每个细胞的基因共表达网络图；2. 不使用固定基因词汇表，而是从共表达网络和细胞上下文计算基因嵌入；3. 通过层内和跨层消息传递利用层次结构，无需重新训练即可泛化到新的数据类型（如空间蛋白质组）；4. 使用空间感知的对比学习和掩码自编码目标进行预训练	摘要中未明确提及	解决现有模型忽略空间信息或细胞内复杂遗传和蛋白质程序、无法推断细胞内部调控如何适应微环境线索、以及固定基因词汇表限制泛化性的问题	空间转录组学和蛋白质组学数据，包括来自15个器官124个组织的2230万个细胞	空间组学，机器学习	NA	空间转录组学，空间蛋白质组学	图Transformer，基础模型	图数据，空间坐标，基因表达，蛋白质丰度	2230万个细胞，来自15个器官的124个组织	PyTorch	分层图Transformer	临床结果预测准确性，细胞类型注释准确性，基因插补准确性	NA
1410	2026-09-20	Dual-feature selectivity enables bidirectional coding in visual cortical neurons 2025-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665209 PMID:40777393	研究论文	该研究揭示了猕猴视觉皮层V1和V4区域神经元对两种视觉特征的双重选择性编码策略，并结合功能数字孪生模型系统识别神经元的偏好和非偏好特征	首次发现视觉皮层神经元具有双重特征选择性，即对两种不同视觉特征分别产生增强和抑制反应，并利用深度学习功能数字孪生模型系统识别每个神经元的偏好和非偏好特征，证明了该编码策略在小鼠视觉皮层中保守存在	研究主要基于猕猴和小鼠的视觉皮层，尚未在更广泛的物种或脑区中验证该编码策略的普遍性；数字孪生模型的预测准确性可能受限于训练数据的质量和覆盖范围	探究视觉皮层神经元的特征编码策略，特别是双重特征选择性及其对刺激编码和群体表征的影响	猕猴视觉皮层V1和V4区域的神经元，以及小鼠初级和外侧视觉皮层的神经元	计算神经科学	NA	神经元记录，功能数字孪生模型（基于深度学习的预测模型）	深度学习	神经元记录数据，图像数据	NA	NA	NA	NA	NA
1411	2026-09-20	Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning 2025-Dec, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02528-1 PMID:39809933	研究论文	本文提出SCP-Nano，一种结合实验和深度学习的流程，能在单细胞分辨率下量化纳米载体在小鼠全身的靶向分布	开发了SCP-Nano流程，在单细胞分辨率下以极低剂量（低至0.0005 mg/kg）实现全身纳米载体成像，并揭示了不同纳米载体的新分布模式	摘要中未明确提及	开发高效准确的纳米载体分析方法，以促进靶向药物递送系统的开发	纳米载体（脂质纳米颗粒、脂质体、聚复合物、DNA折纸、腺相关病毒）及小鼠全身	计算机视觉	肺癌	深度学习成像分析	深度学习	图像	NA	NA	NA	NA	NA
1412	2026-09-20	Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data 2025-Dec, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17773 PMID:40271548	研究论文	本文通过综述理论、实验和比较数据，结合群体测序与深度学习方法，推断家养动物与野生祖先的全基因组重组率，发现混合结果	利用深度学习方法和群体测序数据，对鸡/红原鸡、绵羊/盘羊、山羊/野山羊进行新的全基因组重组率比较，并发现家养并非一致增加重组率	研究仅涉及三种动物比较，样本量有限；深度学习推断方法可能存在误差；综述部分受限于已有文献的覆盖面	重新审视驯化是否导致全基因组重组率增加的假说，并提供新的实证证据	鸡与红原鸡、绵羊与盘羊、山羊与野山羊	机器学习	NA	群体测序	深度学习	基因组序列	未明确说明具体样本数量	NA	NA	NA	NA
1413	2026-09-20	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-12, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本文提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级Covid-19预测，并进行了回顾性评估	利用Transformer神经网络融合历史病例数据、死亡数据和社交媒体情感数据，并开发了多级和多尺度注意力机制进行自适应时频分析	需要进行前瞻性验证以评估模型在实时演变数据条件下的实用性	提高大流行病预测的准确性，特别是县级Covid-19病例和死亡的预测	县级Covid-19病例和死亡数据	机器学习	Covid-19	多源数据融合	Transformer	时间序列数据、文本数据	三个Omicron变异波次的数据（2021年12月至2023年2月）	NA	Transformer	县级一致性准确率	NA
1414	2025-11-14	Response to correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Dec, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105881 PMID:41223632	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1415	2026-09-20	Deep learning assessment of street spatial quality in old residential communities of Wuchang, Wuhan, China 2025-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28936-0 PMID:41276562	研究论文	该研究利用街景图像和深度学习对武汉武昌老旧社区的街道空间质量进行定量评估，并提出优化策略	结合街景图像、语义分割和Place Pulse 2.0数据集预测主观感知维度，并利用Local Moran's I和SHAP分析链接主客观指标，提出可复现、可解释且文化适应的评估框架	未明确提及，可能包括样本区域单一、主观感知预测依赖Place Pulse 2.0的泛化性等	定量评估老旧社区街道空间质量并提出优化策略	武汉武昌老旧社区的街道空间	计算机视觉	NA	街景图像、语义分割、深度学习	深度学习	图像	未明确，高分辨率街景图像数据集覆盖武昌区	NA	NA	相关性分析（未具体说明指标）	NA
1416	2026-09-20	Integrated bioinformatics and deep learning (MLP) approach reveals a novel five miRNA prognostic signature in uveal melanoma 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28095-2 PMID:41274898	研究论文	该研究结合生物信息学分析和深度学习模型，从TCGA-UVM队列的miRNA测序数据中识别出一个五miRNA预后特征，用于葡萄膜黑色素瘤的预后预测和治疗指导	首次将单变量Cox回归与多层感知机深度学习模型相结合来筛选葡萄膜黑色素瘤的预后miRNA，并通过多数据库验证了五miRNA特征的预后和治疗意义	样本量较小（仅80例患者），MLP分类性能中等（AUC=0.71），缺乏实验验证	识别葡萄膜黑色素瘤中可靠的预后miRNA生物标志物，并探索其治疗潜力	TCGA-UVM队列中80例葡萄膜黑色素瘤患者的miRNA测序数据和临床数据	机器学习	葡萄膜黑色素瘤	miRNA测序	多层感知机	文本	80例葡萄膜黑色素瘤患者的miRNA测序和临床数据	NA	多层感知机	AUC	NA
1417	2026-09-20	Multi scale deep learning quantifies Ki67 index in breast cancer histopathology images 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28734-8 PMID:41272033	研究论文	本文提出了一种基于U-Net的多尺度深度学习框架Kpi-Net，用于精确量化乳腺癌病理图像中的Ki67增殖指数	开发了残差扩张多尺度模块（RDMS Module）结合Transformer Block以捕获局部和全局信息，引入了HS-CBAM-FPN和SFF-CBAM机制进行多级特征融合，并应用分水岭算法细化细胞簇分割	摘要中未明确提及研究的局限性	精确量化乳腺癌病理图像中的Ki67增殖指数，以辅助乳腺癌诊断和治疗决策	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN, Transformer	图像	NA	NA	U-Net, Transformer	F1分数, 均方根误差（RMSE）	NA
1418	2026-09-20	Smartphone-integrated portable microfluidic platform for liver biomarker quantification using deep learning 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29431-2 PMID:41272257	研究论文	本文提出了一种集成了微流控、深度学习和移动健康技术的智能手机比色传感平台，用于定量检测肝脏生物标志物。	结合了SLA 3D打印微流控流动池、智能手机成像和CNN回归分析，实现了便携式、低试剂消耗的肝脏生物标志物定量检测，并通过两点手机适配框架确保跨设备稳健性。	未明确提及	开发一种准确、分散式的肝脏生物标志物检测平台，用于资源有限环境下肝功能障碍的早期诊断和监测。	肝脏生物标志物，包括直接胆红素、总胆红素、丙氨酸氨基转移酶（ALT）和天冬氨酸氨基转移酶（AST）。	数字病理学	肝脏疾病	微流控、比色传感、深度学习	CNN	图像	未明确提及	未明确提及	卷积神经网络（CNN）	决定系数（R）、变异系数（CV）、检测限（LOD）	未明确提及
1419	2026-09-20	Utility of Thin-slice Single-shot T2-weighted MR Imaging with Deep Learning Reconstruction as a Protocol for Evaluating Pancreatic Cystic Lesions 2025-Nov-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0042 PMID:40518300	研究论文	该研究评估了使用深度学习重建与超分辨率技术的薄层单次激发T2加权MR成像在胰腺囊性病变评估中的效用	将深度学习重建与超分辨率技术应用于薄层单次激发T2加权成像，实现了2mm层厚图像质量优于5mm层厚图像，且不降低信噪比和对比噪声比	样本量较小，仅纳入30例患者，且为单中心回顾性研究	评估深度学习重建与超分辨率技术对薄层单次激发T2加权成像图像质量的影响，并探讨其作为胰腺囊性病变评估方案的可行性	胰腺囊性病变患者	医学影像分析	胰腺囊性病变	磁共振成像	深度学习重建模型	医学图像	30例患者	NA	NA	信噪比, 对比噪声比, 图像质量评分, 诊断置信度	NA
1420	2026-09-20	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.15.670535 PMID:40894573	研究论文	该研究使用AlphaFold2多聚体预测秀丽隐杆线虫的蛋白质-蛋白质相互作用，并分析内在无序区域在相互作用中的作用	结合物理和功能数据集进行预测，发现功能关联对高置信度预测的贡献，并强调内在无序区域在预测相互作用中的重要性	未明确提及	预测和理解秀丽隐杆线虫中蛋白质-蛋白质相互作用的分子细节	秀丽隐杆线虫的蛋白质	计算生物学	NA	深度学习	AlphaFold2	蛋白质序列和结构数据	NA	NA	AlphaFold2多聚体	NA	NA