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
1641	2025-10-05	The comparison of deep learning and radiomics in the prediction of polymyositis 2025-Sep-12, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000044496 PMID:40958317	研究论文	比较深度学习和影像组学在多发性肌炎预测中的性能	首次系统比较3D CNN与影像组学在多发性肌炎预测中的表现，并开发了股直肌分割模型	样本量相对有限（总样本196例），需更多外部验证	评估深度学习与影像组学在多发性肌炎预测中的可行性	多发性肌炎患者与对照组的T2加权磁共振影像	医学影像分析	多发性肌炎	T2加权磁共振成像	CNN, U-Net	3D医学影像	总196例（训练120例，验证30例，外部测试46例）	MONAI	3D CNN, 3D U-Net	准确率, 敏感度, 特异度, 阳性预测值, Dice系数	NA
1642	2025-10-05	Towards modeling evolving longitudinal health trajectories with a transformer-based deep learning model 2025-Sep-11, Annals of epidemiology IF:3.3Q1 DOI:10.1016/j.annepidem.2025.08.025 PMID:40945546	研究论文	本研究开发了一种基于Transformer的深度学习模型Evolve，用于建模和分析纵向健康轨迹	提出首个基于Transformer的模型来连续预测疾病发作，并能够追踪健康轨迹在潜在嵌入空间中的变化	仅与基线模型进行性能比较，缺乏更广泛的模型对比验证	开发能够建模和预测个体健康轨迹演变的深度学习模型	全国性纵向健康登记数据，包含临床编码、医疗程序和药物购买记录	机器学习	多种疾病	深度学习	Transformer	纵向健康记录数据	全国性数据集（具体样本量未明确说明）	NA	Transformer	疾病发作预测性能	NA
1643	2025-10-05	A unified gradient regularization method for heterogeneous graph neural networks 2025-Sep-11, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108104 PMID:40974991	研究论文	提出一种用于异质图神经网络的新型梯度正则化方法Grug，解决过平滑和非鲁棒性问题	在消息传递过程中同时对节点类型和消息矩阵的梯度进行迭代正则化，提供了统一的正则化框架	未明确说明方法在极端大规模图数据上的可扩展性	提升异质图神经网络的训练稳定性和性能表现	异质图神经网络	机器学习	NA	深度学习	图神经网络	图数据	六个公共数据集	NA	异质图神经网络	稳定性, 多样性, 性能指标	NA
1644	2025-10-05	A multidimensional deep ensemble learning model predicts pathological response and outcomes in esophageal squamous cell carcinoma treated with neoadjuvant chemoradiotherapy from pretreatment CT imaging: A multicenter study 2025-Sep-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111133 PMID:40939680	研究论文	开发并验证基于治疗前CT影像的多维深度集成学习模型，用于预测食管鳞癌患者新辅助放化疗后的病理完全缓解和预后风险分层	提出结合放射组学和3D卷积神经网络的多维深度集成学习模型，在多个中心验证中表现出优于单一领域模型的预测性能	回顾性研究设计，需要前瞻性多中心验证来进一步确认临床实用性	预测食管鳞癌患者新辅助放化疗的治疗反应和预后	接受新辅助放化疗的食管鳞癌患者	医学影像分析	食管鳞癌	CT成像	集成学习, CNN	CT影像	485例来自四个医院的ESCC患者（发现队列194例，内部队列49例，外部验证队列242例）	NA	3D CNN, 集成学习架构	AUC, 校准曲线, 临床效用, 总生存期, 无病生存期, log-rank检验	NA
1645	2025-10-05	MediFlora-Net: Quantum-enhanced deep learning for precision medicinal plant identification 2025-Sep-07, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108674 PMID:40974619	研究论文	提出了一种名为MediFlora-Net的量子增强深度学习模型，用于精确识别药用植物	结合量子辅助特征提取、多模态深度学习和混合集成方法，引入量子概率特征映射和基于纠缠的表征来提取高阶植物特征	NA	开发高精度的药用植物识别系统，支持生物多样性保护、民族植物学研究和药理学应用	药用植物	计算机视觉	NA	多模态成像	CNN, GAN, Transformer	图像	NA	NA	Vision Transformer (ViT), CNN, Med-Plant-GAN	NA	NA
1646	2025-10-05	Autoregressive enzyme function prediction with multi-scale multi-modality fusion 2025-Sep-06, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf476 PMID:40966652	研究论文	提出一种多尺度多模态自回归预测器MAPred，用于自回归预测蛋白质的酶委员会编号	首次整合蛋白质氨基酸序列和3D结构标记，采用双路径方法和自回归预测网络，利用EC分类的层次结构	未明确说明模型在更广泛数据集上的泛化能力	提高酶功能预测的准确性和可靠性	蛋白质酶功能预测	生物信息学	NA	多模态融合，自回归预测	深度学习模型	氨基酸序列数据，3D结构数据	New-392，Price，New-815基准数据集	NA	双路径架构，自回归预测网络	NA	NA
1647	2025-10-05	Artificial intelligence-enhanced biosurveillance for antimicrobial resistance in sub-Saharan Africa 2025-Sep-03, International health IF:2.3Q2 DOI:10.1093/inthealth/ihae081 PMID:39545538	综述	探讨人工智能在撒哈拉以南非洲地区抗菌素耐药性生物监测中的整合与应用潜力	首次系统评估AI技术在资源有限地区AMR监测中的适用性，强调跨学科合作与伦理框架建设	数据稀缺、基础设施不足和伦理问题阻碍AI在SSA地区的实际应用	提升撒哈拉以南非洲地区抗菌素耐药性监测能力	撒哈拉以南非洲地区的抗菌素耐药性监测系统	机器学习	抗菌素耐药性感染	基因组分析	机器学习,深度学习	大规模数据集	NA	NA	NA	NA	NA
1648	2025-10-05	Interpretable Artificial Intelligence Analysis of Functional Magnetic Resonance Imaging for Migraine Classification: Quantitative Study 2025-Sep-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72155 PMID:40903006	研究论文	本研究结合可解释人工智能技术和多种fMRI指标进行偏头痛分类分析	首次将可解释AI技术与多种fMRI指标结合，识别最优模型-指标组合并定位鉴别性脑区	样本量相对较小（64名参与者），需要更大规模验证	评估可解释AI在偏头痛临床诊断中的应用潜力	偏头痛患者（有先兆和无先兆）和健康对照者	医学影像分析	偏头痛	功能磁共振成像	CNN, Transformer, SVM, 随机森林	医学影像	64名参与者（21名无先兆偏头痛，15名有先兆偏头痛，28名健康对照）	NA	GoogleNet, ResNet18, Vision Transformer	准确率, AUC	NA
1649	2025-10-05	Decoding Epigenetic Enhancer-Promoter Interactions in Periodontitis via Transformer-GAN: A Deep Learning Framework for Inflammatory Gene Regulation and Biomarker Discovery 2025-Sep-02, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.103879 PMID:40902506	研究论文	本研究开发了一种基于Transformer-GAN的深度学习框架，用于解码牙周炎中表观遗传增强子-启动子相互作用及其对炎症基因调控的影响	首次将Transformer-GAN模型应用于表观遗传增强子-启动子相互作用的预测，并整合DNA甲基化和基因表达多组学数据	研究样本量有限，仅基于公共数据集GSE173081和GSE173078进行分析	解析牙周炎中表观遗传增强子-启动子相互作用的调控网络，发现新的生物标志物和治疗靶点	牙周炎患者的表观遗传调控网络和炎症基因	深度学习, 生物信息学	牙周炎	DNA甲基化测序, RNA-seq, 多组学整合分析	Transformer, GAN	基因组DNA甲基化数据, 基因表达数据	基于公共数据集GSE173081和GSE173078（具体样本数未明确说明）	NA	Transformer-GAN	AUC-ROC, AUC-PRC, F1-score, 诊断准确率	NA
1650	2025-10-05	Deep learning-driven proteomics analysis for gene annotation in the renin-angiotensin system 2025-Sep-02, European journal of pharmacology IF:4.2Q1 DOI:10.1016/j.ejphar.2025.178119 PMID:40907688	研究论文	本研究开发了一种多标签深度学习模型，用于系统注释肾素-血管紧张素系统基因功能并阐明其在生物通路中的作用	首次将多标签AI建模与细胞外囊泡蛋白质组学整合用于RAS通路注释，揭示了新型IRAP/Ywha(s)/Nedd4-2-ACE2相互作用轴	研究主要基于文献挖掘和计算预测，实验验证仅限于DOCA-盐高血压小鼠模型	系统注释肾素-血管紧张素系统基因功能并阐明其在生物通路中的作用	肾素-血管紧张素系统相关基因	自然语言处理	心血管疾病	文本挖掘，蛋白质组学，毛细管Western分析	MLP	文本	39,463篇来自PubMed和PMC的RAS相关出版物	NA	多层感知器	精确度，F1分数，排序损失，ROC-AUC	NA
1651	2025-10-05	Benchmarking deep learning-designed inlay restorations across operator experience: An in vitro comparison of time efficiency, contact intensity, and contour quality 2025-Sep-02, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106083 PMID:40907866	研究论文	比较深度学习与传统人工设计嵌体修复体的时间效率、接触强度和轮廓质量	首次系统评估深度学习设计工作流在不同操作者经验水平下的表现，并分析其对经验相关变异性的影响	体外研究，样本量有限（25个数字扫描），未涉及长期临床效果评估	评估深度学习设计嵌体工作流的性能表现	上颌和下颌后牙区近中-𬌗面或远中-𬌗面洞形预备后的基牙数字扫描	数字病理	牙科修复	数字扫描，深度学习设计	深度学习模型	数字扫描图像	25个上颌和下颌牙弓数字扫描	NA	NA	时间效率，𬌗面接触强度，邻面接触强度，轮廓质量	NA
1652	2025-10-05	TransFactor-prediction of pro-viral SARS-CoV-2 host factors using a protein language model 2025-Sep-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf491 PMID:40929136	研究论文	提出TransFactor计算框架，利用蛋白质语言模型预测SARS-CoV-2促病毒宿主因子	首次将预训练的ESM-2蛋白质语言模型应用于宿主因子预测，通过计算丙氨酸扫描提供可解释性	依赖有限实验数据集，实验方法存在局限性	预测和优先排序候选宿主因子作为抗病毒治疗靶点	SARS-CoV-2宿主蛋白质	自然语言处理	传染病	蛋白质序列分析	Transformer	蛋白质序列数据	来自33项独立SARS-CoV-2研究的实验确定宿主因子数据集	PyTorch	ESM-2	与机器学习和深度学习基线比较，基因本体富集分析	NA
1653	2025-10-05	THLANet: A deep learning framework for predicting TCR-pHLA binding in immunotherapy applications 2025-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013050 PMID:40939018	研究论文	提出了一种名为THLANet的深度学习框架，用于预测TCR与pHLA的结合特异性，以评估新抗原的免疫原性潜力	采用进化尺度建模-2（ESM-2）替代传统嵌入方法增强序列特征表示，通过分析CDR3序列和模拟抗原序列丙氨酸扫描提供TCR与抗原3D结合相互作用的新见解	仅使用TCR序列（CDR3β）、抗原序列和I类HLA进行预测，可能无法覆盖所有结合情况	准确预测TCR与新抗原的结合特异性，为免疫治疗应用提供支持	T细胞受体（TCR）、新抗原、I类人类白细胞抗原（HLA）	生物信息学	癌症	scTCR-seq，深度学习	深度学习模型	序列数据	使用scTCR-seq数据构建的TCR-pHLA结合数据库和多种癌症类型的临床癌症数据	NA	THLANet，ESM-2	NA	NA
1654	2025-10-05	Spatial gene expression at single-cell resolution from histology using deep learning with GHIST 2025-Sep, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02795-z PMID:40954301	研究论文	提出GHIST深度学习框架，从组织学图像预测单细胞分辨率空间基因表达	首次实现从组织学图像预测单细胞分辨率空间基因表达，利用亚细胞空间转录组学和多层次生物信息协同关系	NA	开发从常规组织学图像预测空间基因表达的新方法	空间转录组数据和常规组织学图像	数字病理学	癌症	空间转录组学，组织学成像	深度学习	组织学图像，基因表达数据	公共数据集和癌症基因组图谱数据	NA	GHIST	准确性，空间分辨率	NA
1655	2025-10-05	Graph-based deep learning for integrating single-cell and bulk transcriptomic data to identify clinical cancer subtypes 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf467 PMID:40966644	研究论文	提出基于图深度学习的单细胞和批量转录组数据整合方法scBGDL，用于识别癌症临床亚型和预测临床结局	首次构建样本特异性基因图模型，结合图注意力网络、MinCutPool层和Transformer模块，实现多组学数据的高效整合与生物学解释	方法在16种癌症类型中验证但尚未涵盖所有癌症类型，需要进一步扩大验证范围	整合单细胞和批量转录组数据以精确识别癌症亚型并预测临床结局	16种TCGA癌症类型及三个多中心队列（肺腺癌、上皮性卵巢癌、皮肤黑色素瘤）	生物信息学, 机器学习	癌症	单细胞RNA测序, 批量转录组测序	图神经网络, Transformer	基因表达数据	TCGA 16种癌症类型，肺腺癌1099例，上皮性卵巢癌762例，皮肤黑色素瘤305例	PyTorch, DGL	Graph Attention Networks, MinCutPool, Transformer	C-index, log-rank P值	NA
1656	2025-10-05	AttBiomarker: unveiling preeclampsia biomarkers and molecular pathways through two-stage gene selection techniques and attention-based CNN with gene regulatory network analysis 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf473 PMID:40966654	研究论文	本研究开发了一种集成深度学习和生物信息学的方法，通过两阶段基因选择技术和基于注意力的CNN结合基因调控网络分析，识别先兆子痫的潜在生物标志物	提出两阶段基因选择方法（Fisher评分+mRMR）结合注意力机制CNN模型，并整合基因调控网络分析来识别先兆子痫生物标志物	仅基于三个微阵列数据集进行分析，样本规模和多样性可能存在限制	识别先兆子痫的潜在生物标志物和分子通路	先兆子痫相关基因表达数据	生物信息学	先兆子痫	微阵列分析, 基因本体分析, KEGG通路富集分析, 蛋白质-蛋白质相互作用网络, 基因调控网络分析, 分子对接分析	CNN	基因表达数据	三个微阵列数据集	NA	基于注意力的卷积神经网络(AttCNN)	分类准确率	NA
1657	2025-10-05	Artificial intelligence for comprehensive DNA methylation analysis: overview, challenges, and future directions 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf468 PMID:40966651	综述	本文全面评述了人工智能与DNA甲基化分析的协同作用，涵盖机器学习、深度学习、自然语言处理和可解释人工智能等技术	强调了信号处理和基于大语言模型的在DNA甲基化研究中尚未充分开发的潜力	讨论了管理和分析大型复杂DNA甲基化数据集时面临的挑战和限制	探索人工智能在DNA甲基化分析领域的应用现状与未来发展	DNA甲基化数据分析方法	自然语言处理, 机器学习	NA	DNA甲基化分析	机器学习, 深度学习, 自然语言处理模型, 大语言模型	DNA甲基化数据	NA	NA	NA	NA	NA
1658	2025-10-05	Magnetic resonance imaging (MRI)-derived radiomics and deep learning models for predicting epidermal growth factor receptor status in glioma: a systematic review and meta-analysis 2025-Aug-22, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107049 PMID:40974758	系统评价与荟萃分析	本文系统评价了放射组学和深度学习模型在预测神经胶质瘤表皮生长因子受体状态方面的性能，并对放射组学模型进行了荟萃分析	首次对放射组学和深度学习模型预测神经胶质瘤EGFR状态进行系统评价和荟萃分析，提供放射组学模型的汇总性能估计	仅纳入12项研究评估EGFR扩增，其中仅6项纳入荟萃分析，样本量有限	评估放射组学和深度学习模型预测神经胶质瘤EGFR改变的性能	神经胶质瘤患者	医学影像分析	神经胶质瘤	磁共振成像	放射组学模型,深度学习模型	医学影像	12项研究（6项纳入荟萃分析）	NA	NA	灵敏度,特异性,阳性似然比,阴性似然比,诊断比值比,AUC	NA
1659	2025-10-05	Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14 2025-Aug-21, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110611 PMID:40848973	研究论文	本研究开发了选择性非共价抑制RGS14 GTP酶加速活性的小分子抑制剂	首次发现可靶向RGS14 GAP活性的非共价小分子抑制剂，并采用机器学习增强的分子对接方法优化配体	未明确说明临床前研究的局限性	开发针对RGS14 GTP酶加速活性的选择性抑制剂	RGS14蛋白及其GTP酶加速活性	计算生物学	中枢神经系统疾病,代谢疾病	结构引导虚拟筛选,配体对接,深度学习评分,荧光检测,放射性GTP水解测定	深度学习	分子结构数据,生物活性数据	40多个第二代类似物	NA	NA	抑制活性,细胞毒性,药代动力学参数	NA
1660	2025-10-05	Electrode Net: tailoring deep learning with signed distance field for fast and accurate multiscale design of porous electrodes 2025-Aug-21, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.08.026 PMID:40975668	研究论文	开发名为Electrode Net的定制深度学习框架，用于快速准确预测多孔电极的各向异性传输特性	将符号距离场与三维卷积神经网络结合，为多孔电极设计提供高效预测工具	NA	开发深度学习框架以加速多孔电极的设计过程	多孔电极的各向异性传输特性	机器学习	NA	深度学习，符号距离场	CNN	几何样本数据	15,433个真实和生成的几何样本	NA	3D卷积神经网络	R平方值	NA