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
1721	2025-04-25	An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome 2024-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.04.597442 PMID:38895386	research paper	该研究通过分析扩展的ENCODE数据集和深度学习模型，创建了一个核转录因子与线粒体基因组关联的综合汇编	利用扩展的ENCODE数据集和深度学习模型，首次系统地评估了核转录因子在线粒体基因组上的占据情况	部分核转录因子的chrM占据证据在不同抗体和ChIP协议下不可重复	评估核转录因子在线粒体基因组上的占据情况	核转录因子与线粒体基因组的关联	基因组学	NA	ChIP-seq, 深度学习模型	深度学习	基因组数据	6,153 ChIP实验，涉及942种蛋白质（其中763种为序列特异性TFs）
1722	2025-04-25	MulTFBS: A Spatial-Temporal Network with Multichannels for Predicting Transcription Factor Binding Sites 2024-05-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c02088 PMID:38733561	research paper	提出了一种名为MulTFBS的多通道深度学习框架，用于预测转录因子结合位点（TFBSs）	整合了DNA序列的不同类型特征，包括独立的一热编码、词嵌入编码（可结合上下文信息并提取序列的全局特征）和双螺旋三维结构特征，通过空间-时间网络结合CNN和双向LSTM及注意力机制有效提取序列高层信息	未明确提及	揭示影响转录因子结合特异性的机制，理解基因调控	转录因子结合位点（TFBSs）	natural language processing	NA	深度学习	CNN, bidirectional LSTM, attention mechanism	DNA序列	66个不同转录因子的通用蛋白结合微阵列数据集
1723	2025-04-25	MolLoG: A Molecular Level Interpretability Model Bridging Local to Global for Predicting Drug Target Interactions 2024-05-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00171 PMID:38709146	research paper	提出了一种名为MolLoG的深度学习网络结构，用于预测药物与靶标之间的相互作用，并提供分子层面的解释	MolLoG通过局部特征编码器（LFE）和全局交互学习（GIL）模块，平衡了局部特征提取与全局交互表示，提供了对黑盒结果的生物学相关解释	未提及具体的数据集规模或实验环境限制	提高药物与靶标相互作用预测的准确性和可解释性	药物与蛋白质分子	machine learning	NA	深度学习（DL）	图卷积网络（GCN）、多层感知机（MLP）	分子结构数据	四个数据集
1724	2025-04-25	CNSMolGen: A Bidirectional Recurrent Neural Network-Based Generative Model for De Novo Central Nervous System Drug Design 2024-05-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00504 PMID:38739718	研究论文	本文介绍了一种基于双向循环神经网络(Bi-RNN)的生成模型CNSMolGen，用于中枢神经系统(CNS)药物的从头设计	开发了首个专门针对CNS药物设计的Bi-RNN生成模型，能够生成90%以上全新且可合成的CNS药物分子结构	未提及模型在更大规模或更复杂CNS靶点上的泛化能力验证	加速中枢神经系统药物的发现与优化	中枢神经系统药物分子	机器学习	神经退行性疾病/精神疾病	深度学习生成模型	Bi-RNN	分子结构数据	未明确说明样本量（使用SERT靶点药物作为微调数据集）
1725	2025-04-25	Predicting Antimicrobial Peptides Using ESMFold-Predicted Structures and ESM-2-Based Amino Acid Features with Graph Deep Learning 2024-05-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c02061 PMID:38739853	研究论文	提出了一种基于ESMFold预测结构和ESM-2氨基酸特征的图深度学习框架，用于预测抗菌肽	结合了最新的三级结构预测技术和进化信息编码方法，避免了多重序列对齐的内存和时间消耗	依赖于预测的肽结构，可能受到预测准确性的影响	开发一种无需对齐的模型，用于高效预测抗菌肽	抗菌肽（AMPs）	机器学习	抗菌耐药性	ESMFold结构预测，ESM-2进化模型，图注意力网络（GAT）	GAT	氨基酸序列和预测的3D结构	67,058种肽
1726	2025-04-25	Prediction of Transcription Factor Binding Sites on Cell-Free DNA Based on Deep Learning 2024-05-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00047 PMID:38798191	研究论文	本研究提出了一种基于深度学习的非侵入性方法，用于预测细胞游离DNA上的转录因子结合位点	利用卷积神经网络和长短期记忆网络从已知的转录因子结合位点学习序列信息，实现了非侵入性预测	研究中未提及样本的具体数量或多样性，可能影响模型的泛化能力	探索基因调控机制，为非侵入性动态监测疾病提供技术指导	细胞游离DNA上的转录因子结合位点	机器学习	癌症	深度学习	CNN, LSTM	DNA序列数据	NA
1727	2025-04-25	Natural language processing models reveal neural dynamics of human conversation 2024-Apr-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.10.531095 PMID:36945468	研究论文	该研究利用预训练的深度学习自然语言处理模型和颅内神经元记录，揭示了人类自然对话中语言产生和理解的神经动态	结合深度学习模型和颅内神经元记录技术，首次在自然对话情境下揭示了语言产生和理解过程中神经活动的动态组织	研究依赖于颅内记录技术，样本量有限，且仅关注了前颞叶区域的神经活动	探索人类自然对话中语言产生和理解的神经机制	人类自然对话过程中的神经活动	自然语言处理	NA	深度学习自然语言处理模型, 颅内神经元记录	预训练深度学习模型	神经信号数据, 语言数据	NA
1728	2025-04-25	Fine-Grained Forecasting of COVID-19 Trends at the County Level in the United States 2024-Mar-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.13.24301248 PMID:38293076	research paper	本文提出了一种名为FIGI-Net的循环神经网络模型，用于预测美国县级COVID-19的感染趋势	FIGI-Net利用堆叠的双向LSTM结构，能够提前两周准确预测县级COVID-19感染趋势，并能预测疾病趋势的突然变化	NA	提高COVID-19短期疾病活动预测的准确性和实时性	美国县级COVID-19感染趋势	machine learning	COVID-19	deep learning	LSTM	time-series data	县级数据（具体数量未提及）
1729	2025-04-25	Single-cell spatial multi-omics and deep learning dissect enhancer-driven gene regulatory networks in liver zonation 2024-01, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-023-01316-4 PMID:38182825	研究论文	本研究结合单细胞多组学、空间组学、大规模并行报告基因检测和深度学习技术，解析了小鼠肝脏细胞类型中的增强子-基因调控网络	首次结合多种组学技术和深度学习模型DeepLiver，系统解析了肝脏分区中的增强子驱动基因调控网络	研究主要基于小鼠模型，人类肝脏中的适用性需要进一步验证	解析肝脏分区现象的基因调控机制	小鼠肝脏细胞（特别是肝细胞）	生物信息学	NA	单细胞多组学、空间组学、大规模并行报告基因检测	DeepLiver（分层深度学习模型）	单细胞基因表达数据、染色质可及性数据	NA
1730	2025-04-25	Structural characterization of an intrinsically disordered protein complex using integrated small-angle neutron scattering and computing 2023-10, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4772 PMID:37646172	研究论文	本文提出了一种结合小角中子散射和计算方法的集成方法，用于解析两个内在无序区域形成的复合物的结构集合	结合选择性氘标记的小角中子散射实验、微秒级全原子分子动力学模拟和基于自动编码器的深度学习算法，提出了一种新的集成方法来表征内在无序蛋白质的结构集合	实验时间尺度通常捕获的是多个构象的平均测量值，导致复杂的小角中子散射数据难以解析	研究内在无序蛋白质和蛋白质内在无序区域的结构集合，以理解其结构与功能关系	由两个内在无序区域形成的复合物	结构生物学	NA	小角中子散射(SANS)、分子动力学(MD)模拟、深度学习(DL)	自动编码器	中子散射数据、分子动力学模拟数据	NA
1731	2025-04-25	Computational Advancements in Cancer Combination Therapy Prediction 2023-09, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.23.00261 PMID:37824797	review	本文综述了计算预测癌症联合疗法的方法，并总结了最近的研究	强调了计算预测方法在癌症联合疗法中的创新应用，包括网络、回归机器学习、分类器机器学习模型和深度学习方法	不同方法各有优缺点，需要谨慎选择最适合的方法	提高癌症联合疗法的预测准确性	癌症联合疗法的计算预测方法	machine learning	cancer	in silico drug repurposing	networks, regression-based machine learning, classifier machine learning models, deep learning	multiomics data	NA
1732	2025-04-25	Rapid and Portable Quantification of HIV RNA via a Smartphone-enabled Digital CRISPR Device and Deep Learning 2023-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.05.12.23289911 PMID:37292781	research paper	该研究开发了一种基于智能手机的数字CRISPR设备，用于快速便携地定量检测HIV RNA	结合了数字CRISPR检测、智能手机控制和深度学习算法，实现了HIV RNA的快速便携检测	NA	开发便携式HIV病毒载量监测工具	HIV RNA	digital pathology	HIV/AIDS	RT-RPA-CRISPR检测	Deep Learning	fluorescence images	75 copies of HIV RNA
1733	2025-04-25	Spikebench: An open benchmark for spike train time-series classification 2023-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010792 PMID:36626366	研究论文	提出了一个名为Spikebench的开放基准测试，用于评估尖峰序列时间序列分类的性能	基于开放获取的神经活动数据集，创建了一个包含多种学习任务的尖峰序列分类基准测试，并展示了基于手工特征工程的方法与深度学习模型性能相当	未提及具体的局限性	为神经解码领域提供多样化和具有挑战性的基准测试	神经尖峰序列	机器学习	NA	时间序列特征工程	决策树集成和深度神经网络	时间序列数据	基于多个开放获取的神经活动数据集
1734	2025-04-25	Exploration of the intelligent-auxiliary design of architectural space using artificial intelligence model 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282158 PMID:36867635	research paper	探讨利用人工智能模型进行建筑空间智能辅助设计的综合方法	通过深度学习和语义网络分析，建立建筑空间智能辅助模型，实现设计方案的自动生成	随着网络节点数量的增加，模型在测试数据集和训练数据集上的拟合度下降	提升建筑设计行业的智能化水平和设计效率	建筑空间设计	machine learning	NA	Deep Learning	语义网络和内部结构分析模型	3D模型数据	UrbanScene3D数据集中的3D模型
1735	2025-04-25	Artificial Intelligence for Intraoperative Guidance: Using Semantic Segmentation to Identify Surgical Anatomy During Laparoscopic Cholecystectomy 2022-08-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000004594 PMID:33196488	research paper	本研究开发并评估了人工智能模型在腹腔镜胆囊切除术中识别安全与危险解剖区域及解剖标志物的性能	利用深度学习技术实现术中实时解剖结构识别，为外科医生提供实时引导	研究样本来自多国多机构，可能存在手术操作差异，且模型性能指标仍有提升空间	开发AI模型用于腹腔镜手术中的解剖结构识别，降低手术风险	腹腔镜胆囊切除术视频中的解剖结构	computer vision	胆囊疾病	深度学习	语义分割模型	手术视频帧	290个手术视频中的2627帧图像，来自37个国家136个机构的153名外科医生
1736	2025-04-25	Unreferenced English articles' translation quality-oriented automatic evaluation technology using sparse autoencoder under the background of deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0270308 PMID:35830434	研究论文	本文提出了一种基于稀疏自编码器（SAE）和深度学习（DL）的自动翻译质量评估（TQA）模型，用于无参考英文文章的翻译质量评估	利用稀疏自编码器在深度学习背景下进行无监督学习，优化语言向量特征的提取，并将其引入自动翻译质量评估	未提及具体的数据集规模或模型在其他语言对上的泛化能力	实现无参考英文文章的高精度自动翻译质量评估	无参考英文文章的翻译质量	自然语言处理	NA	深度学习，稀疏自编码器（SAE）	SAE, AE	文本	句子数量从1,000增加到6,000
1737	2025-04-24	Comprehensive Raman spectroscopy analysis for differentiating toxic cyanobacteria through multichannel 1D-CNNs and SHAP-based explainability 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127845 PMID:40081250	研究论文	结合拉曼光谱和深度学习技术对四种有毒蓝藻进行分类的研究	采用多通道一维卷积神经网络（1D-CNN）结合SHAP解释性方法，提高了分类准确率并增强了模型的可解释性	仅针对四种蓝藻物种进行研究，样本多样性可能有限	开发一种快速准确识别有毒蓝藻物种的方法，以支持水质监测和有害藻华早期检测	四种有毒蓝藻物种：Dolichospermum crassum, Aphanizomenon sp., Planktothrix agardhii 和 Microcystis aeruginosa	机器学习	NA	拉曼光谱	1D-CNN	光谱数据	四种蓝藻物种的光谱数据
1738	2025-04-24	Advanced SERSome-based artificial-intelligence technology for identifying medicinal and edible homologs 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127931 PMID:40112588	研究论文	本研究提出了一种结合表面增强拉曼光谱（SERS）和深度学习的新方法，用于快速识别药食同源物质（MEHs）	利用基于光谱集的SERS（称为'SERSome'）与深度学习结合，开发了一种新型识别模型，避免了反应过程中额外保护剂的使用，并克服了MEHs的荧光干扰	NA	提高药食同源物质的质量控制和快速识别能力	药食同源物质（MEHs）	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习	光谱数据	NA
1739	2025-04-24	Transformer-based deep learning models for quantification of La, Ce, and Nd in rare earth ores using laser-induced breakdown spectroscopy 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127937 PMID:40127553	研究论文	本文提出了一种基于iTransformer-BiLSTM（iTBi）深度学习算法和随机森林（RF）算法的LIBS定量分析模型，用于精确测定稀土矿石中的La、Ce和Nd元素浓度	提出iTBi-LIBS和iTBi-RF-LIBS集成模型，有效降低基质效应和光谱重叠干扰，提高了定量分析的准确性	样本量较小（35个样本），且浓度范围有限（La: 0-1.924wt%, Ce: 0-2.917wt%, Nd: 0-1.492wt%）	开发一种高效的LIBS定量分析方法，用于稀土矿石中La、Ce和Nd元素的实时定量分析	稀土矿石中的La、Ce和Nd元素	机器学习	NA	激光诱导击穿光谱（LIBS）	iTransformer-BiLSTM（iTBi）、随机森林（RF）	光谱数据	35个样本
1740	2025-04-24	Intelligent Recognition of Goji Berry Pests Using CNN With Multi-Graphic-Occlusion Data Augmentation and Multiple Attention Fusion Mechanisms 2025-Aug, Archives of insect biochemistry and physiology IF:1.5Q4 DOI:10.1002/arch.70060 PMID:40262026	研究论文	本文提出了一种改进的卷积神经网络（CNN）GojiNet，用于准确识别17种枸杞害虫	结合多图遮挡数据增强方法和多注意力融合机制，构建了GojiNet模型，提高了害虫识别的准确率	模型训练时间略有增加，且未提及在不同光照或环境条件下的泛化能力	解决枸杞害虫识别中传统人工检测方法的主观性、耗时和劳动密集型问题	17种枸杞害虫	计算机视觉	NA	多图遮挡数据增强方法	CNN（GojiNet，基于ResNet18改进）	图像	未明确提及具体样本数量，但涉及17种害虫的数据集