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
16641	2024-09-14	Improving dictionary-based named entity recognition with deep learning 2024-09-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae402 PMID:39230709	研究论文	本文通过深度学习方法改进了基于字典的命名实体识别，自动生成需要屏蔽的名称列表，从而提高了文本挖掘的精度	本文创新性地使用Transformer模型（BioBERT）进行实体类型分类，自动生成需要屏蔽的名称列表，显著提高了文本挖掘的精度	本文未详细讨论模型的召回率略有下降的问题	改进基于字典的命名实体识别方法，提高文本挖掘的精度	生物医学领域的基因、疾病、物种和化学物质四种实体类型	自然语言处理	NA	Transformer模型（BioBERT）	Transformer	文本	超过1250万个文本片段
16642	2024-09-14	Daily PM2.5 concentration prediction based on variational modal decomposition and deep learning for multi-site temporal and spatial fusion of meteorological factors 2024-Aug-29, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13005-2 PMID:39207594	研究论文	本文提出了一种基于变分模态分解和深度学习的多站点时空融合气象因子预测每日PM2.5浓度的混合模型	该研究引入了新的混合模型VCBA，结合了变分模态分解、因果卷积神经网络、双向长短期记忆网络和注意力机制，用于时空融合的多站点数据预测	NA	准确预测每日PM2.5浓度，以保护环境和公众健康	PM2.5浓度及其影响因素	机器学习	NA	变分模态分解（VMD）	因果卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）	气象数据	太原市多个站点
16643	2024-09-14	A study on the classification of complexly shaped cultivated land considering multi-scale features and edge priors 2024-Aug-15, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12966-8 PMID:39145878	研究论文	本文提出了一种考虑多尺度特征和边缘先验的复杂形状耕地提取网络（MFEPNet），通过设计上下文交叉注意力融合模块和纹理增强边缘模块，提高了复杂形状耕地的提取精度	本文的创新点在于设计了上下文交叉注意力融合模块和纹理增强边缘模块，有效减少了尺度变化、边缘模糊和全局视野有限的影响	NA	研究目的是提高复杂形状耕地的提取精度，为可持续农业发展提供准确的耕地分布数据	研究对象是复杂形状的耕地，特别是其多尺度和模糊边缘问题	计算机视觉	NA	深度学习	CNN-transformer	图像	使用了IFLYTEK和荷兰数据集划分的规则和不规则耕地数据集
16644	2024-09-14	Multiview Deep Learning-based Efficient Medical Data Management for Survival Time Forecasting 2024-Jul-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422180 PMID:38954570	研究论文	本文提出了一种基于多视角深度学习的生存时间预测高效医疗数据管理框架	引入集成深度学习思想，增强特征表示能力，提升远程医疗管理中的知识发现	实验仅在美国的癌症患者数据集上进行，可能限制了方法的普适性	提高生存时间预测的准确性，实现高效的医疗数据管理	癌症患者的生存时间	机器学习	NA	深度学习	卷积神经网络、图注意力网络、图卷积网络	生理特征数据	美国的癌症患者数据集
16645	2024-09-14	D'or: deep orienter of protein-protein interaction networks 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae355 PMID:38862241	研究论文	本文提出了一种新的深度学习方法用于蛋白质-蛋白质相互作用网络的方向性预测	本文提出的深度学习方法在蛋白质-蛋白质相互作用网络方向性预测上表现优异，超越了以往的方法	NA	开发一种计算方法来推断蛋白质-蛋白质相互作用的方向性	蛋白质-蛋白质相互作用网络的方向性	机器学习	NA	深度学习	深度集编码器	蛋白质-蛋白质相互作用数据	来自五个不同来源的综合数据集
16646	2024-09-14	Geometric epitope and paratope prediction 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae405 PMID:38984742	研究论文	本文研究了用于预测抗体和抗原结合位点的最佳表示方法，强调了几何信息的重要性	本文提出了基于几何深度学习的方法，比较了不同几何表示对预测抗体和抗原结合位点的效果，发现表面模型在预测表位结合方面更有效，而图模型在预测表位方面表现更好	NA	研究用于预测抗体和抗原结合位点的最佳几何表示方法	抗体和抗原的结合位点	计算机视觉	NA	几何深度学习	表面模型和图模型	3D坐标和光谱几何描述符	NA
16647	2024-09-14	GraphADT: empowering interpretable predictions of acute dermal toxicity with multi-view graph pooling and structure remapping 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae438 PMID:38967119	研究论文	本文介绍了一种名为GraphADT的新模型，利用结构重映射和多视角图池化技术来准确预测化合物的急性皮肤毒性	提出了结构重映射和多视角图池化技术，通过将“键”转换为新节点并将“键-原子-键”相互作用转换为新边来重建化合物分子图，从而提高模型的解释性和预测准确性	未提及	提高化合物急性皮肤毒性的预测准确性和模型的解释性	化合物分子及其急性皮肤毒性	机器学习	NA	图神经网络	GraphADT	图数据	未提及
16648	2024-09-14	SFINN: inferring gene regulatory network from single-cell and spatial transcriptomic data with shared factor neighborhood and integrated neural network 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae433 PMID:38950180	研究论文	本文介绍了一种基于共享因子邻域和集成神经网络（SFINN）的新型深度学习框架，用于从单细胞和空间转录组数据中推断转录因子与目标基因之间的潜在相互作用和因果关系	SFINN利用共享因子邻域构建基于基因表达数据的细胞邻域网络，并整合来自空间位置信息的细胞网络，通过图卷积神经网络和全连接神经网络的集成框架来确定基因是否相互作用	NA	开发一种准确推断基因调控网络（GRN）的算法，以应对单细胞RNA测序（scRNA-seq）数据中的噪声、技术误差和丢失现象	单细胞和空间转录组数据中的转录因子与目标基因之间的相互作用和因果关系	机器学习	NA	单细胞RNA测序（scRNA-seq），空间转录组测序	图卷积神经网络（GCN），全连接神经网络	基因表达数据	NA
16649	2024-09-14	PredGCN: a Pruning-enabled Gene-Cell Net for automatic cell annotation of single cell transcriptome data 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae421 PMID:38924517	研究论文	本文提出了一种名为PredGCN的剪枝启用的基因-细胞网络，用于单细胞转录组数据的自动细胞注释	PredGCN通过结合基因拼接网络和细胞分层网络，并采用剪枝操作来动态处理异质性细胞识别问题，显著提高了细胞类型注释的准确性和跨物种数据的可扩展性	NA	解决现有自动细胞注释方法在分类器架构和训练数据质量与多样性方面的局限性	单细胞转录组数据的细胞类型注释	机器学习	NA	深度学习	GCN（图卷积网络）	转录组数据	涉及多种物种的真实单细胞转录组数据集
16650	2024-09-14	DeepGSEA: explainable deep gene set enrichment analysis for single-cell transcriptomic data 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae434 PMID:38950178	研究论文	本文介绍了一种名为DeepGSEA的可解释深度基因集富集分析方法，用于单细胞转录组数据	DeepGSEA利用可解释的原型神经网络，能够在单细胞基因表达数据中进行深入的基因集富集分析，并提供可视化的结果	NA	开发一种新的深度学习方法，用于单细胞转录组数据的基因集富集分析，并提高分析的可解释性	单细胞转录组数据中的基因集富集分析	机器学习	NA	单细胞RNA测序 (scRNA-seq)	神经网络	基因表达数据	NA
16651	2024-09-14	CodonBERT: a BERT-based architecture tailored for codon optimization using the cross-attention mechanism 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae330 PMID:38788220	研究论文	本文提出了一种基于BERT的架构CodonBERT，用于密码子优化，通过交叉注意力机制提高mRNA疫苗的稳定性和蛋白质表达	CodonBERT利用BERT架构和交叉注意力机制，有效捕捉密码子和氨基酸之间的长期依赖关系，为特定优化目标提供定制化训练框架	当前深度学习方法如循环神经网络在捕捉密码子偏好长期依赖方面能力较弱	开发一种新的深度学习架构，用于mRNA疫苗设计中的密码子优化	mRNA序列的稳定性和蛋白质表达	机器学习	NA	BERT	BERT	文本	高表达转录本来自人类蛋白质图谱，混合不同比例的高密码子适应指数密码子序列
16652	2024-09-14	A deep learning method to predict bacterial ADP-ribosyltransferase toxins 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae378 PMID:38885365	研究论文	提出了一种基于深度学习的模型ARTNet，用于预测细菌ADP-核糖基转移酶毒素	引入了一种有效的数据增强方法来解决数据稀缺问题，并使用ART相关域子序列代替原始全序列，显著提高了模型性能	NA	开发一种高效准确的模型来预测细菌ADP-核糖基转移酶毒素	细菌ADP-核糖基转移酶毒素	机器学习	NA	深度学习	ARTNet	序列数据	NA
16653	2024-09-14	Unlocking Hidden Risks: Harnessing Artificial Intelligence (AI) to Detect Subclinical Conditions from an Electrocardiogram (ECG) 2024-Jul-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-51-2-64-76.1 PMID:39266002	研究论文	本文探讨了利用人工智能（AI）从心电图（ECG）中检测亚临床状况的潜力	应用深度学习模型在正常心电图中检测疾病，达到了以往技术和人类专家未曾达到的准确度	尽管结果令人鼓舞，但仍需谨慎乐观	提供对AI辅助心电图技术的基本理解，并探讨其在心血管医学中的应用	心电图（ECG）及其在检测亚临床状况中的应用	机器学习	心血管疾病	人工智能（AI）	深度学习模型	心电图（ECG）数据	NA
16654	2024-09-14	MolLM: a unified language model for integrating biomedical text with 2D and 3D molecular representations 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae260 PMID:38940177	研究论文	本文介绍了一种名为MolLM的统一预训练语言模型，该模型能够同时捕捉2D和3D分子信息以及生物医学文本	MolLM模型创新性地整合了2D和3D分子结构与生物医学文本，通过对比学习方法提升了分子表示能力	NA	开发一种能够同时处理2D和3D分子结构以及生物医学文本的统一语言模型	2D和3D分子结构以及生物医学文本	自然语言处理	NA	对比学习	Transformer	文本和分子结构	160K分子-文本配对
16655	2024-09-14	scGrapHiC: deep learning-based graph deconvolution for Hi-C using single cell gene expression 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae223 PMID:38940151	研究论文	本文介绍了一种基于深度学习的图解卷积框架scGrapHiC，用于利用单细胞基因表达数据预测伪批量scHi-C接触图	scGrapHiC通过图解卷积从批量Hi-C接触图中提取全基因组单细胞相互作用，并使用scRNA-seq作为指导信号，显著提高了细胞类型特异性拓扑关联域的恢复率	NA	开发一种新方法，利用广泛可用的基因组信号生成细胞类型特异性的scHi-C接触图，以研究细胞类型特异性的染色质相互作用	单细胞Hi-C数据和单细胞RNA测序数据	机器学习	NA	深度学习	图解卷积	基因组数据	七个细胞类型共分析数据集
16656	2024-09-14	Predicting single-cell cellular responses to perturbations using cycle consistency learning 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae248 PMID:38940153	研究论文	本文提出了一种名为cycleCDR的新型深度学习框架，用于预测细胞对外部扰动的响应	利用自编码器将未扰动的细胞状态映射到潜在空间，并假设药物扰动对细胞状态的影响遵循线性加性模型，通过循环一致性约束确保扰动和去扰动过程的准确性	NA	开发一种能够预测细胞对外部扰动响应的深度学习模型	细胞对外部药物或基因扰动的响应	机器学习	NA	深度学习	自编码器	转录组数据和蛋白质组数据	涉及四种不同类型的数据集，包括批量转录组响应、批量蛋白质组响应和单细胞转录组响应
16657	2024-09-14	Enhancing generalizability and performance in drug-target interaction identification by integrating pharmacophore and pre-trained models 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae240 PMID:38940179	研究论文	提出了一种名为HeteroDTA的新方法，用于增强药物-靶点相互作用识别的泛化能力和性能	结合了药效团和预训练模型，构建了多视角化合物特征提取模块，并提出了上下文感知的非线性特征融合方法	现有方法仅考虑原子-键图或一维序列表示，忽略了具有特定生物活性的功能团信息，且依赖有限标记数据导致泛化性能差	提高药物-靶点相互作用预测的准确性和泛化能力	药物-靶点相互作用	机器学习	NA	深度学习	NA	图数据	使用公开基准数据集进行实验
16658	2024-09-14	TA-RNN: an attention-based time-aware recurrent neural network architecture for electronic health records 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae264 PMID:38940180	研究论文	本文提出了一种基于注意力机制的时间感知循环神经网络架构（TA-RNN），用于电子健康记录（EHR）中的临床结果预测	本文的创新点在于引入了时间嵌入和双层注意力机制，以解决EHR数据中时间间隔不规则的问题，并提高模型的可解释性	本文未详细讨论模型的计算复杂度和训练时间，且未在更多不同类型的疾病数据集上进行验证	研究目的是利用深度学习技术改进电子健康记录的分析，以提高临床决策的准确性和可解释性	研究对象是电子健康记录中的临床结果预测，特别是阿尔茨海默病和重症监护中的死亡率预测	机器学习	阿尔茨海默病	深度学习	循环神经网络（RNN）	电子健康记录（EHR）	使用了阿尔茨海默病神经影像学倡议（ADNI）、国家阿尔茨海默病协调中心（NACC）和重症监护医学信息集市（MIMIC-III）数据集
16659	2024-09-14	Approximating facial expression effects on diagnostic accuracy via generative AI in medical genetics 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae239 PMID:38940144	研究论文	研究了面部表情对遗传疾病诊断准确性的影响，并使用生成式AI技术模拟不同表情	通过生成式AI技术模拟面部表情变化，研究其对遗传疾病诊断准确性的影响	研究仅限于四种遗传综合征，且样本量相对较小	探讨面部表情对遗传疾病诊断准确性的影响	Williams综合征、Angelman综合征、22q11.2缺失综合征和Noonan综合征	机器学习	遗传疾病	生成对抗网络（GAN）	GAN	图像	约3500名遗传疾病患者的面部图像
16660	2024-09-14	CODEX: COunterfactual Deep learning for the in silico EXploration of cancer cell line perturbations 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae261 PMID:38940173	研究论文	本文提出了一种名为CODEX的反事实深度学习框架，用于模拟高吞吐量筛选数据中的因果关系，并探索癌症细胞系扰动的影响	CODEX利用反事实推理进行严格的因果建模，能够预测药物特定的细胞反应，包括细胞存活和分子变化，并促进药物组合的模拟探索	NA	开发一种能够优先考虑干预措施以进行进一步实验调查的框架	癌症细胞系的化学和遗传扰动	机器学习	癌症	反事实推理	深度学习	高吞吐量筛选数据	NA