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
1681	2026-09-18	PhoSARte: identification of SARS-CoV-2 phosphorylation sites using contrastive learning and protein language models 2026-Sep-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag504 PMID:42743972	研究论文	该研究开发了一个名为PhoSARte的可解释计算框架，结合孪生网络对比学习和预训练蛋白质语言模型，用于准确识别SARS-CoV-2感染细胞中的磷酸化位点	1. 首次将孪生网络对比学习与预训练蛋白质语言模型相结合用于病毒相关磷酸化位点预测；2. 采用独特的双流架构，PLM捕获上下文蛋白质序列表示，SCL模块（包含基于Transformer的编码器和基于注意力的双向门控循环单元）学习蛋白质序列对的判别性和相似性保持表示；3. 整合了计算机模拟突变分析，解码复杂的深度学习嵌入以提取生物学相关的基序特征，超越了传统黑箱预测器	摘要中未明确提及研究的具体局限性	准确识别SARS-CoV-2感染细胞中的特异性磷酸化位点，以理解病毒发病机制、优先筛选抗病毒靶点、指导治疗策略并加强对未来病毒爆发的准备	SARS-CoV-2感染细胞中的磷酸化位点，研究数据来源于感染A549（人类）和Vero E6（非洲绿猴）细胞及其组合数据集的磷酸化蛋白质组学数据，以及腺病毒2型感染的人IMR-90细胞的外部跨病毒验证数据	机器学习	COVID-19	磷酸化蛋白质组学	孪生网络对比学习, 预训练蛋白质语言模型, Transformer, 双向门控循环单元	蛋白质序列, 磷酸化蛋白质组学数据	来自感染A549（人类）和Vero E6（非洲绿猴）细胞及其组合数据集的磷酸化蛋白质组学数据集，以及腺病毒2型感染的人IMR-90细胞的外部验证数据集	NA	Transformer, 双向门控循环单元, 孪生网络	NA	NA
1682	2026-09-18	Design of peptides with noncanonical amino acids using flow matching 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag654 PMID:42675622	研究论文	该论文提出了一种基于流匹配的生成模型 NCFlow，用于将任意非经典氨基酸放置到蛋白质骨架中，并应用于肽设计以改善结合亲和力	NCFlow 仅利用原子的类型和键连接性，能够泛化到训练中未见过的非经典氨基酸，并采用预训练策略（在数百万小分子结构和蛋白质-配体复合物上预训练，然后在天然非经典氨基酸上微调），在非经典氨基酸结构预测上优于基于 AlphaFold3 的方法，同时提出了结合深度学习与分子动力学的肽设计评分策略	未明确提及	设计含有非经典氨基酸的肽，以扩展蛋白质和肽的化学空间，改善治疗性肽（如大环肽）的蛋白水解稳定性、膜通透性和免疫原性	非经典氨基酸、蛋白质骨架、蛋白质-肽复合物	机器学习	NA	流匹配生成模型	流匹配	分子结构数据（原子类型、键连接性、蛋白质骨架坐标）	训练数据包括数百万小分子结构和大量蛋白质-配体复合物，测试案例为四个蛋白质-肽复合物	NA	NA	预测结合亲和力改善（最高 -7.0 kcal/mol）	NA
1683	2026-09-18	Artificial intelligence-enabled machine olfaction for volatile profiling and food quality decision-making 2026-Aug-31, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150964 PMID:42748669	综述	本文综述了人工智能赋能的机器嗅觉在食品挥发性成分分析和质量评估中的应用。	系统整合了人工智能与机器嗅觉技术，用于食品质量评估，重点关注食品基质中挥发性有机化合物的形成与转化。	传感器漂移、环境变异性、数据集稀缺以及模型迁移能力弱。	总结人工智能赋能的机器嗅觉在食品质量评估中的应用，并探讨其未来发展方向。	食品挥发性有机化合物、机器嗅觉传感器及电子鼻系统。	机器学习	NA	机器嗅觉、电子鼻、金属氧化物半导体传感器、电化学传感器、仿生材料	机器学习, 深度学习	挥发性有机化合物信号, 多模态数据	NA	NA	NA	NA	NA
1684	2026-09-18	A Comparison of Machine Learning Approaches to Activity Classification Using IMU Data Collected in a Community-Based Setting 2026-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s26175357 PMID:42739977	研究论文	该研究比较了多种机器学习方法在社区环境中使用IMU数据识别四种日常活动时的性能	在小型、异质、真实世界样本上系统比较了多种机器学习模型、特征集、类别平衡策略、空值和过渡期处理技术及传感器配置	模型准确率相对较低（0.427-0.644），可能受限于样本量小和异质性	系统比较多种机器学习模型、特征集、类别平衡策略等，以识别从年龄多样化人群中提取的IMU时间序列数据中的四种日常活动	儿童和成人的IMU时间序列数据	机器学习	NA	IMU	多层感知机, 随机森林, k近邻, 逻辑回归, CatBoost, 高斯朴素贝叶斯, DeepConvLSTM, ResGCNN	时间序列	NA	NA	多层感知机, 随机森林, k近邻, 逻辑回归, CatBoost, 高斯朴素贝叶斯, DeepConvLSTM, ResGCNN	准确率, 精确率, 召回率, AUC	NA
1685	2026-09-18	Adaptive conditional diffusion-based data augmentation for NIR spectroscopy quantitative analysis under limited labeled samples 2026-Aug-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128647 PMID:42748721	研究论文	本文提出自适应条件扩散模型（ACDM）用于近红外光谱数据增强，以解决有限标记样本下的定量回归问题	提出ACDM，整合无分类器引导与FiLM实现连续回归条件控制，引入条件引导噪声注入网络实现标签引导自适应加噪，使用SE模块进行光谱特征重校准，并设计适用于近红外信号的一维U-Net	仅在三个近红外回归数据集上验证，未在大规模或更多样化的样本体系中进行评估	解决近红外光谱定量分析中标记样本有限导致模型训练、泛化及实际部署受限的问题	西洋参、玉米籽粒和药片样本的近红外光谱数据	机器学习	NA	近红外光谱	扩散模型	光谱数据	三个近红外回归数据集（西洋参、玉米籽粒和药片样本）	NA	ResNet1D, U-Net	R值, 预测误差, 残差行为	NA
1686	2026-09-18	An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Aug-07, The American journal of pathology DOI:10.1016/j.ajpath.2026.07.007 PMID:42567444	研究论文	该研究开发了X-SPATIO，一种可解释的深度学习流程，用于从三阴性乳腺癌的H&E染色图像中预测和可视化空间分辨的生物标志物表达	开发了空间兼容的计算流程X-SPATIO，直接关联H&E形态与区域匹配的mRNA和蛋白质表达；使用多实例学习方法捕获形态-分子关联，生成空间形态学注意力图；在生物学相关的空间生物标志物上实现AUC 0.79-0.97；整合空间分子金标准与常规组织病理学，实现成本效益的空间生物标志物表达推断	未明确提及具体局限性	开发一种计算流程，将常规H&E组织病理学图像与空间转录组/蛋白质组数据关联，实现三阴性乳腺癌中空间生物标志物表达的成本效益预测和可视化	三阴性乳腺癌组织样本，H&E染色的感兴趣区域，以及匹配的GeoMx数字空间分析空间转录组/蛋白质组数据	数字病理学	三阴性乳腺癌	H&E染色，GeoMx数字空间分析，空间转录组学，空间蛋白质组学	多实例学习	图像，文本/组学数据	未明确说明具体样本量	未明确说明	未明确说明	AUC	未明确说明
1687	2026-09-18	Deep learning-supported image quantification of epithelial cell shapes and its application to polycystic kidney disease 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014614 PMID:42546061	研究论文	本文提出了一种全自动、深度学习支持的工作流程，用于量化免疫荧光图像中上皮细胞的形态和连接组织，并应用于常染色体显性多囊肾病（ADPKD）的MDCK细胞模型	开发了一种基于U-Net的分割方法，能够减轻离焦区域的影响，提取标准细胞形状特征以及针对特定表型的读数（如连接弯曲的R指数和基于边界的细胞间力传递代理），并支持混合细胞实验中基因型分辨的共享边界行为分析	未在摘要中明确提及 limitations	开发一种可扩展的框架，用于在特定实验系统中对上皮形态和连接组织进行测定特异性量化，以实现标准化、高通量的表型分析	ZO-1染色的单层上皮细胞，包括基因修饰的MDCK细胞模型（ADPKD模型）	数字病理学	多囊肾病	免疫荧光成像	CNN	图像	大规模图像数据集（具体数量未提及）	NA	U-Net	NA	NA
1688	2026-09-18	Deep Learning-Based Prediction of Heart Failure Readmission Using Longitudinal Cardiac Device Data 2026-08, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70406 PMID:42296299	研究论文	该研究利用心脏植入式电子设备（CIED）出院后30天的纵向诊断数据，训练深度学习模型预测心力衰竭患者60天再入院风险	首次利用CIED设备连续采集的出院后生理诊断参数的时序变化轨迹，通过深度学习模型进行心衰再入院风险分层，而非仅依赖静态临床特征	回顾性研究设计，排除了7天内再入院和大量缺失设备数据的患者，可能引入选择偏倚；模型仅在特定CIED人群（ICD/CRT-D）中验证，泛化性有待确认	利用心衰出院后CIED诊断参数的时序行为，预测60天内心衰再入院风险，以支持出院后早期风险分层和靶向随访	植入ICD或CRT-D设备并参与远程监测的心力衰竭患者	机器学习	心血管疾病	心脏植入式电子设备（CIED）远程监测	CNN	时间序列	5734名患者，共12369次心衰住院事件，其中2489次指数住院后60天内发生心衰再入院	NA	1D CNN	敏感度, 特异度, AUROC	NA
1689	2026-09-18	EvoSNR-Prom: Predicting promoters at single-nucleotide resolution with label-aware transfer learning of the pretrained EVO model 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014626 PMID:42574449	研究论文	该研究提出了EvoSNR-Prom模型，基于预训练的Evo基础模型，通过标签感知的迁移学习，在单核苷酸分辨率上预测启动子。	将启动子预测构建为标记级序列标注问题，引入词典增强的嵌入策略，并采用标签感知的迁移学习框架。	未明确提及。	实现单核苷酸分辨率的启动子预测。	原核生物数据集。	自然语言处理	NA	预训练的Evo模型、迁移学习、词典增强嵌入	Evo基础模型	DNA序列	NA	NA	Evo	NA	NA
1690	2026-09-18	scKanFormer: A Transformer-KAN framework with biologically informed attention for cell type annotation in large-scale scRNA-seq data 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014607 PMID:42599963	研究论文	提出并评估了一个名为 scKanFormer 的 Transformer-KAN 框架，用于大规模 scRNA-seq 数据中的细胞类型注释	结合 Transformer 架构与 Kolmogorov-Arnold Networks，引入生物学信息的局部和全局注意力机制，并融合 CNN 以缓解批次效应，同时避免降维并增强可解释性	未明确说明具体的局限性	准确高效地识别大规模 scRNA-seq 数据中的细胞类型，克服批次效应并提升可解释性和鲁棒性	大规模多类别 scRNA-seq 数据中的细胞	机器学习	NA	scRNA-seq	Transformer	文本	NA	NA	Transformer, KAN, CNN	NA	NA
1691	2026-09-18	Clinical Applications, Opportunities, and Implementation Challenges of AI in Emergency Medicine: A Narrative Review 2026-Aug, Cureus DOI:10.7759/cureus.114581 PMID:42746119	综述	本文综述了人工智能在急诊医学中的当前和新兴应用，重点关注分诊和风险分层、诊断决策支持、急诊影像、患者流程优化、大语言模型及实施治理	系统性地总结了AI在急诊医学多个应用场景中的证据，强调了近期最强应用的特征，并综合讨论了LLM带来的额外风险以及负责任实施的治理要求	证据在不同用例间不均衡，缺乏外部验证、数据集偏移、偏见、误报、警报疲劳、可解释性不足、隐私风险、责任不明确、监管复杂性以及难以证明以患者为中心的结局改善	总结AI在急诊医学中的当前和新兴临床应用、机会以及实施挑战	急诊医学中AI应用的相关文献	机器学习	NA	机器学习，深度学习，自然语言处理，计算机视觉，预测分析，大语言模型	NA	NA	NA	NA	NA	NA	NA
1692	2026-09-18	Twelve quick tips for applying deep learning to animal sounds 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014604 PMID:42585243	综述	本文为将深度学习应用于动物声音研究的研究者提供十二条实用建议，涵盖从问题定义到部署和伦理考量的完整生物声学机器学习生命周期	提出了一个迭代框架而非线性清单，强调基于现实错误代价的模型评估、迁移学习和开源工具的利用，以及应对野外条件下领域偏移的策略	作为指南性文章，未提供具体的实验验证或定量性能对比，可能缺乏针对特定应用场景的深度技术细节	为缺乏计算背景的生物学家、生态学家、行为科学家和保护工作者提供低门槛、可复现的动物声音深度学习应用指导	动物声音（生物声学录音数据）	机器学习	NA	NA	NA	音频	NA	NA	NA	NA	NA
1693	2026-09-18	Structure-aware deep learning enhances m6A prediction and reveals cell type-associated RNA structural signatures 2026-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014649 PMID:42599984	研究论文	该文提出SMART-m6A深度学习框架，通过整合序列与RNA结构信息提升m6A位点预测性能并揭示细胞类型相关的RNA结构特征	首次将序列衍生的RNA结构特征与序列信息通过并行卷积特征提取和结构引导注意力机制进行多特征融合，用于m6A位点预测，并在序列模糊候选位点上展现出明显优势	摘要中未明确提及研究的局限性	提升m6A位点计算预测的准确性，并探索RNA结构信息在表观转录组学预测中的互补价值	m6A RNA修饰位点及其序列与结构特征	机器学习	NA	m6A测序，RNA结构探测	Transformer，CNN	序列，结构	NA	NA	Transformer，CNN	NA	NA
1694	2026-09-18	Neuroscience-guided bilateral thalamic MRI deep learning for obstructive sleep apnea diagnosis: a dual-center translational study 2026-Jul-31, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-026-08472-5 PMID:42717319	研究论文	该研究通过小鼠间歇性缺氧实验发现丘脑激活，特别是中央外侧丘脑核（CL），并基于此开发了一种双侧丘脑MRI深度学习模型，用于阻塞性睡眠呼吸暂停（OSA）的辅助诊断，在双中心数据中进行了验证	首次将神经科学实验发现（间歇性缺氧诱导的丘脑激活，CL亚区响应最强）与深度学习相结合，指导双侧丘脑ROI选择，并采用双分支3D CNN与Transformer特征融合架构，在外部测试集上验证了模型的泛化能力	摘要中未明确提及研究局限性	开发一种神经科学引导的MRI深度学习模型，用于阻塞性睡眠呼吸暂停（OSA）的辅助诊断	雄性C57BL/6J小鼠（间歇性缺氧模型）和来自两个中心的760名成人临床脑MRI及多导睡眠图（PSG）数据	数字病理学, 医学影像分析	阻塞性睡眠呼吸暂停	免疫荧光染色, 体内钙成像, 脑MRI, 多导睡眠图（PSG）	深度学习	图像, 临床数据	小鼠：6只（每组）；人类：760名成人（来自两个中心）	NA	双分支3D CNN, Transformer	AUC	NA
1695	2026-09-18	A hybrid generative and transformer-based framework for anomaly detection in industrial sensor time-series for predictive maintenance 2026-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-62330-8 PMID:42736324	研究论文	本文提出了一种结合改进TransGAN、Transformer时序建模和统计验证的混合异常检测框架，用于工业传感器时间序列的预测性维护	结合改进TransGAN架构、基于Transformer的时序序列建模和统计验证，实现无监督和有监督的工业异常检测，并提出加权融合和跨模型一致性方法提高检测可靠性	未明确讨论框架的计算复杂度和实时性，故障数据集较小且分布不平衡可能影响模型泛化能力	解决工业4.0中多元时间序列传感器数据的异常检测问题，用于预测性维护	工业传感器多元时间序列数据，包括Machine Failure数据集、SWaT数据集和起重机电流数据集	机器学习	NA	生成对抗网络，Transformer，时序序列建模，统计验证，双向LSTM-GRU	TransGAN，Transformer，Bidirectional LSTM-GRU	时间序列	两个基准数据集（Machine Failure和SWaT）和一个真实世界未标注起重机电流数据集	NA	TransGAN，Transformer，Bidirectional LSTM，GRU，卷积神经网络	准确率，精确率，召回率，F1分数	NA
1696	2026-09-18	Predicting weekly instability in depressive symptoms among individuals diagnosed with Major Depressive Disorder using deep learning and passively-collected movement data 2026-Jul, Journal of affective disorders reports DOI:10.1016/j.jadr.2026.101102 PMID:42746325	研究论文	本研究利用深度学习模型和被动采集的加速度计数据，预测重度抑郁症患者抑郁症状的每周不稳定性。	采用预注册研究设计，使用被动采集的加速度计数据预测重度抑郁症患者短期抑郁症状波动，并评估其预测性能。	模型预测性能低于随机截距基线模型，预测个体内不稳定性变异性低于随机水平，临床实用性有限，需纳入更多被动感知模态。	检验深度学习模型能否预测重度抑郁症患者短期抑郁症状波动。	临床诊断为重度抑郁症的个体。	机器学习	重度抑郁症	加速度计被动传感	深度学习	加速度计时间序列数据、EMA问卷数据	179名临床抑郁症患者，每人平均214.49份EMA问卷，中位数237，最少77，最多270，标准差54.27	NA	NA	AUC, 敏感度, 特异度	NA
1697	2026-09-18	Hourly ozone prediction using ensemble forecasting to accurately capture peak concentration: a case study of Tehran, Iran 2026-Jul, Environmental science and pollution research international DOI:10.1007/s11356-026-38197-7 PMID:42681216	研究论文	本文提出了一种残差感知元集成（RAME）混合深度学习框架，用于每小时臭氧浓度预测，特别关注峰值浓度事件和监管超标情况，并以伊朗德黑兰为案例进行了验证	提出了残差感知元集成（RAME）框架，将双向循环单元与膨胀卷积相结合，并引入残差校正机制，通过元学习器补偿加权集成预测与实际浓度之间的差异，从而显著提升对光化学峰值时段臭氧浓度的预测能力	未明确提及	实现高分辨率的每小时地表臭氧浓度预测，准确捕捉峰值浓度事件和监管超标情况，以支持城市空气质量管理、公共卫生保护和监管合规	德黑兰八个监测站点的地表臭氧浓度数据、24小时历史污染物数据和实时气象参数	机器学习	呼吸系统疾病	NA	CNN, RNN, 集成学习, 元学习	时间序列	德黑兰八个监测站点的观测数据	NA	双向循环单元, 膨胀卷积, 元学习器	R², RMSE, MAE	NA
1698	2026-09-18	Dynamic models of occupational fatigue: a systematic review for risk management advancement 2026-Jun-29, BMC public health IF:3.5Q1 DOI:10.1186/s12889-026-28156-9 PMID:42374307	系统综述	本文系统综述了2019至2025年间关于职业疲劳动态模型的研究，评估其在疲劳管理与风险控制中的应用价值	系统梳理了四种动态疲劳建模方法（生理信息动态仿真、机器学习与深度学习实时监测、动态贝叶斯网络等概率动态模型、症状网络或贝叶斯图方法），并强调多模态输入与可操作输出对疲劳管理的重要性	纳入研究样本量小，缺乏充分的现场验证，证据分散于不同建模范式与行业，难以明确最适合实施的建模方法	综合近期关于职业疲劳动态模型的证据，评估其对疲劳管理与风险控制的相关性和适用性	2019至2025年发表的职业疲劳动态模型相关同行评审研究	机器学习	职业疲劳	NA	动态仿真模型, 机器学习, 深度学习, 动态贝叶斯网络, 贝叶斯图模型	NA	从180条记录中筛选出12项符合纳入标准的同行评审研究	NA	NA	NA	NA
1699	2026-09-18	Identifying the ideal deep learning algorithm to quantify the threshold effect of parental smoking on child nutritional status in South Asia 2026-Jun-27, Archives of public health = Archives belges de sante publique DOI:10.1186/s13690-026-01998-w PMID:42365358	研究论文	本研究利用深度学习算法分析南亚五国219,168名五岁以下儿童的DHS数据，评估父母吸烟对儿童营养状况的阈值效应，并识别最优预测模型	首次系统性地对16种深度学习模型进行基准测试以识别最优模型（贝叶斯神经网络BNN），并创新性地将深度学习应用于量化父母吸烟对儿童营养不良的阈值效应，发现了每日10支香烟的阈值及超过阈值后每增加一支香烟营养不良风险增加3.2倍的新证据	研究为二次分析公开的去标识化DHS数据，非前瞻性干预研究；仅覆盖南亚五国，结论的泛化性有待验证；未提及具体计算资源信息	准确识别南亚地区儿童营养不良的可改变风险因素，利用深度学习算法评估儿童营养状况与室内父母吸烟污染的阈值关系	南亚五国（孟加拉国、印度、马尔代夫、尼泊尔、巴基斯坦）219,168名五岁以下儿童及其父母的吸烟行为与儿童营养状况数据	机器学习	儿童营养不良	NA	贝叶斯神经网络BNN	表格数据	219,168名五岁以下儿童（来自2016-2022年南亚五国DHS调查数据）	NA	贝叶斯神经网络BNN	NA	NA
1700	2026-09-18	Application of transformer attention mechanism-based multimodal deep learning model in the diagnosis of papillary thyroid carcinoma 2026-Jun-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02530-w PMID:42374243	研究论文	该研究开发了一种基于Transformer的多模态深度学习模型，用于提高甲状腺乳头状癌（PTC）和良性结节的超声诊断准确性	提出了Efficientnetv2scbamTrans融合模型，结合CBAM注意力机制和Transformer，通过多模态融合（影像、临床特征）显著提升诊断性能，并利用SHAP和Grad-CAM进行可解释性分析	未明确提及	开发并评估基于Transformer注意力机制的多模态深度学习模型在甲状腺乳头状癌诊断中的应用价值	甲状腺结节患者	医学图像分析	甲状腺癌	超声成像	Transformer, CNN	图像, 临床特征	491例甲状腺结节患者（来自两个中心），其中苏州第九人民医院406例（训练集284例，验证集122例），江苏盛泽医院85例外测集	NA	EfficientNetV2, CBAM, Transformer, DenseNet201	AUC, 敏感性, 特异性, 空间IoU, 能量集中度, 峰值中心距离	NA