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
1741	2026-03-31	Integrative deep learning of spatial multi-omics with SWITCH 2025-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00891-w PMID:41162770	研究论文	本文介绍了一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测	提出了循环映射机制，无需额外配对数据即可实现可靠的跨模态翻译，并利用这些翻译作为伪配对提供补充信号	未明确提及具体局限性	开发计算方法来整合未配对的空间多组学数据，并在单模态数据上进行跨模态预测	空间多组学数据	机器学习	NA	空间组学技术	深度生成模型	空间多组学数据	NA	NA	NA	整合准确性、空间域划分精度	NA
1742	2026-03-31	Paradigm Shifts in Regenerative Medicine for Bone and Joint Surgery: From Mechanical Repair to Intelligent Biological Restoration 2025-Oct-31, Ortopedia, traumatologia, rehabilitacja DOI:10.5604/01.3001.0055.6647 PMID:41904999	综述	本文综述了再生医学和人工智能在骨与关节外科中从机械修复向智能生物修复范式转变的科学进展与临床转化	整合了干细胞疗法、生物活性支架、生长因子策略以及AI驱动的规划与递送系统，强调了生物材料、智能技术与人工智能的融合如何重新定义手术范式	存在监管障碍，如干细胞审批路径不一、细胞来源和患者数据使用的伦理问题、生产成本高，以及外科医生在生物和AI集成系统方面需要培训	探讨再生医学和人工智能在骨与关节外科中的范式转变，从机械修复转向智能生物修复	干细胞疗法、生物活性支架、生长因子策略、AI规划与递送系统在肌肉骨骼应用中的临床转化	再生医学	骨关节疾病	NA	深度学习模型	NA	NA	NA	NA	NA	NA
1743	2026-03-31	Unveiling the Bioactive Potential of the Invasive Jellyfish Phyllorhiza punctata Through Integrative Transcriptomic and Proteomic Analyses 2025-08-04, Biomolecules IF:4.8Q1 DOI:10.3390/biom15081121 PMID:40867566	研究论文	本研究通过整合转录组学和蛋白质组学数据，分析了入侵物种白色斑点水母的分子和生化特性，重点关注其组织特异性蛋白表达和抗菌肽候选物的发现	首次对白色斑点水母进行整合转录组与蛋白质组分析，识别了组织特异性蛋白表达谱和新型抗菌肽候选物，揭示了其未被充分开发的生物技术潜力	研究主要基于实验室生成的蛋白质组数据和公开转录组信息，可能未完全覆盖物种在自然状态下的全部分子多样性，且功能验证有待进一步实验	探究入侵水母物种的分子与生化特征，挖掘其生物活性成分（如毒素和抗菌肽）的生物技术应用潜力	白色斑点水母（Phyllorhiza punctata）的三种组织：口腕、套膜和性腺	生物信息学	NA	LC-MS/MS蛋白质组学，转录组学分析	深度学习，机器学习	蛋白质组数据，转录组数据	三种组织类型（口腕、套膜、性腺），共鉴定2764个蛋白质和25,045个肽段	NA	NA	NA	NA
1744	2026-03-31	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质，通过微调AlphaFold2来克服现有方法对理想化几何形状的系统性偏差	通过物理基础设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并微调AlphaFold2模型以更好地捕捉自然蛋白质的几何多样性，从而提高了对未见折叠家族的泛化能力	当前深度学习结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所基于的物理原理，如原子堆积和氢键相互作用	改进深度学习模型以更准确地预测具有非理想几何形状的从头设计蛋白质，从而更好地反映自然蛋白质的多样性	从头设计的蛋白质，特别是那些具有多样几何形状的蛋白质	机器学习	NA	物理基础设计方法，深度学习结构预测	深度学习模型，具体为微调的AlphaFold2	蛋白质结构数据	5,996个稳定、从头设计的蛋白质，以及数千个来自5个未见折叠家族的几何形状多样的从头设计蛋白质	NA	AlphaFold2	NA	NA
1745	2026-03-31	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-04-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	综述	本文综述了人工智能在优化黑色素瘤免疫检查点抑制剂治疗中的应用潜力	探讨了AI整合多种诊断工具（如RNAseq、电子健康记录、CT影像）以优化免疫治疗的新策略，包括预测模型构建、生物标志物识别和治疗反应预测	临床验证和实施挑战仍然存在	优化黑色素瘤的免疫检查点抑制剂治疗	黑色素瘤患者	机器学习	黑色素瘤	RNAseq分析，CT成像，电子健康记录数据分析	机器学习，深度学习	文本，图像，实验室数据	NA	NA	NA	准确度	NA
1746	2026-03-31	Leveraging Artificial Intelligence/Machine Learning Models to Identify Potential Palliative Care Beneficiaries: A Systematic Review 2025-01, Journal of gerontological nursing IF:1.1Q3 DOI:10.3928/00989134-20241210-01 PMID:39746126	系统综述	本文系统综述了人工智能和机器学习技术在安宁疗护领域的应用，重点关注用于识别慢性病和终末期患者中潜在安宁疗护服务受益者的模型	首次系统性地总结和评估了AI/ML模型在识别安宁疗护潜在受益者方面的应用现状与方法	纳入研究数量有限（仅5项），且研究间异质性较大，可能影响结论的普适性	评估人工智能和机器学习技术在识别安宁疗护服务潜在受益者方面的应用效果与前景	慢性病和终末期疾病患者	自然语言处理, 机器学习	老年疾病	NA	监督学习算法, 深度学习模型	NA	NA	NA	神经网络模型, 逻辑回归, 树模型	NA	NA
1747	2024-10-30	Publisher Correction: Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00729-x PMID:39468341	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1748	2026-03-31	Deep generative design of RNA aptamers using structural predictions 2024-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00720-6 PMID:39506080	研究论文	本文开发了一个基于结构预测的深度生成学习平台，用于从头设计RNA适配体	利用深度学习将RNA三维结构预测与序列生成结合，实现结构引导的RNA适配体设计	未明确说明实验验证的样本规模及设计方法的通用性限制	开发一种结构引导的RNA适配体生成设计方法	RNA适配体，特别是与荧光小分子结合的发光适配体	自然语言处理	NA	RNA三维结构预测，深度学习生成模型	深度学习生成模型	RNA结构数据，序列数据	NA	NA	NA	结构相似性，序列差异性，荧光活性	NA
1749	2026-03-31	A deep learning approach for rational ligand generation with toxicity control via reactive building blocks 2024-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00718-0 PMID:39516375	研究论文	本文提出了一种名为DeepBlock的深度学习方法，用于基于目标蛋白质序列生成配体分子，并通过反应性构建块实现毒性控制	受DNA编码化合物库技术启发，将生成过程分为构建块生成和分子重建两步，结合优化算法与深度学习以精确调控生成分子的性质	未在摘要中明确说明	开发一种能够针对新靶点理性设计配体分子并控制其性质的深度生成模型	配体分子	机器学习	NA	深度学习	神经网络	序列数据	NA	NA	NA	亲和力、合成可及性、药物相似性、毒性	NA
1750	2026-03-31	Traversing chemical space with active deep learning for low-data drug discovery 2024-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00697-2 PMID:39333789	研究论文	本文通过模拟低数据药物发现场景，系统分析了六种主动学习策略与两种深度学习架构在三个大规模分子库上的表现，旨在优化化学空间探索	首次系统比较主动深度学习在低数据药物发现中的策略与性能，揭示了成功的关键决定因素，并展示了相比传统方法高达六倍的命中发现提升	研究基于模拟场景，可能未完全反映真实药物发现中的复杂因素，如实验验证延迟或成本限制	探索主动深度学习在低数据药物发现中的应用，解决化学空间探索、与传统方法对比及低数据场景适应性问题	大规模分子库中的化合物	机器学习	NA	主动深度学习	深度学习架构	分子数据	三个大规模分子库	NA	NA	命中发现率	NA
1751	2026-03-31	Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00703-7 PMID:39394501	研究论文	本文提出了一种评估深度学习在异常扩散中处理分布外动态的通用框架，并开发了一种基线方法以实现稳健的分布外动态检测和准确的分布内异常扩散识别	开发了一个通用框架来评估基于深度学习的分布外动态检测方法，并提出了一个基线方法，该方法在分布外动态检测和分布内异常扩散识别方面均表现出色	NA	提高深度学习在异常扩散识别中对分布外动态的可靠性和准确性	异常扩散现象，包括膜中的烟碱型乙酰胆碱受体、葡聚糖溶液中的荧光珠和经历主动内吞的银纳米粒子	机器学习	NA	NA	深度学习网络	动态数据	NA	NA	NA	NA	NA
1752	2026-03-31	Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals 2024-08-01, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2023.0820 PMID:37728587	研究论文	本研究通过深度学习分析10,001名健康个体的腹部脂肪与脑体积关系，发现内脏和皮下脂肪可预测中年脑体积损失	首次在大规模人群（10,001人）中系统量化内脏/皮下脂肪与多脑区体积的关联，并揭示脂肪分布对脑健康的年龄特异性影响	横断面研究无法确定因果关系，仅使用1.5T MRI可能限制空间分辨率，未考虑饮食/运动等混杂因素	探究腹部脂肪类型与脑体积损失的关联及其作为脑健康可调控因素的潜力	10,001名健康参与者（52.8%男性，47.2%女性），平均年龄52.9±13.1岁	数字病理学	老年疾病	MRI成像	深度学习	医学影像	10,001名参与者	FastSurfer	NA	相关系数(r值), p值, 比值比(OR)	NA
1753	2026-03-31	An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294368 PMID:39008506	研究论文	本研究评估了深度神经网络在预测手术相关结局（如心房颤动、静脉血栓栓塞和肺炎）的遗传风险中的价值	结合深度神经网络、基因组学与已建立的临床预测因子，以改进手术风险预测	未明确说明模型在减少相关死亡率和发病率方面的实际效果	评估深度神经网络在预测手术相关结局遗传风险中的价值	UK Biobank中的手术患者数据	机器学习	心血管疾病	GWAS	线性模型, 深度神经网络	遗传数据, 临床特征数据	UK Biobank数据集	NA	NA	ROC-AUC, 精确度, 召回率	NA
1754	2026-03-31	Validation of a Natural Language Machine Learning Model for Safety Literature Surveillance 2024-01, Drug safety IF:4.0Q1 DOI:10.1007/s40264-023-01367-4 PMID:37938539	研究论文	本研究验证了一种用于安全文献监测的自然语言机器学习模型，通过前瞻性验证比较其与人工监测团队在真实世界中的性能	采用深度学习算法自动化文献监测的初步尝试，并在良好药物警戒实践框架下进行前瞻性验证，关注模型召回率以降低安全信号漏报风险	深度学习算法引入独特风险，且模型在药物警戒实践中的验证仍是一个开放性问题，未来需进一步改进和社区协作	验证自动化深度学习方法在文献监测中的应用，以提升AstraZeneca公司的安全监测效率	安全文献监测中的文章筛选过程	自然语言处理	NA	自然语言处理	深度学习模型	文本	数千篇潜在相关文章	NA	NA	召回率	NA
1755	2026-03-31	Symphonizing pileup and full-alignment for deep learning-based long-read variant calling 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00387-x PMID:38177392	研究论文	本文介绍了Clair3，一种基于深度学习的变异检测工具，通过结合pileup和全比对方法，提高了长读长测序中单核苷酸多态性检测的性能和速度	Clair3创新性地整合了pileup和全比对两种方法，前者处理大多数变异候选以提升速度，后者处理复杂候选以最大化精确度和召回率，从而在低覆盖度下实现更优性能	NA	开发一种高效且准确的基于深度学习的变异检测工具，用于长读长测序数据	长读长测序数据中的单核苷酸多态性	机器学习	NA	长读长测序	深度学习	测序数据	NA	NA	NA	精确度, 召回率	NA
1756	2026-03-31	Single-sequence protein structure prediction using supervised transformer protein language models 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00373-3 PMID:38177395	研究论文	本文介绍了一种名为trRosettaX-Single的自动化算法，用于单序列蛋白质结构预测	结合了监督式Transformer蛋白质语言模型的序列嵌入，并通过知识蒸馏增强的多尺度网络来预测残基间二维几何，从而重建三维结构	未明确提及具体局限性，但可能依赖于特定数据集或计算资源	开发一种高效的单序列蛋白质结构预测方法	孤儿蛋白质、人工设计蛋白质以及网络幻觉生成的蛋白质	机器学习	NA	蛋白质结构预测	Transformer	蛋白质序列	2,000个网络幻觉生成的设计蛋白质	NA	Transformer	模板建模分数（TM-score）	未指定具体资源，但提到计算资源使用少于10%且比AlphaFold2快两倍
1757	2026-03-31	Optimization of a Sports Activity Development Model Using Artificial Intelligence under New Curriculum Reform 2021-08-27, International journal of environmental research and public health DOI:10.3390/ijerph18179049 PMID:34501638	研究论文	本研究利用人工智能技术优化体育教学活动模型，通过深度学习建立基于LSTM神经网络的人体运动识别模型，以提升学生运动识别和身体状况检测的准确性	提出结合人工智能和深度学习技术的新型体育教学活动模型，采用智能穿戴系统进行学生状态检测并建立反馈系统，相比传统算法具有更高的运动识别准确率	未明确说明模型在不同年龄、性别或运动能力学生群体中的泛化能力，以及长期实际教学环境中的稳定性验证	优化体育教学活动模型，提高学生身体素质和运动技能，满足新课程改革对体育教育发展的要求	体育教学活动中的学生运动状态和身体状况	机器学习	NA	深度学习，智能穿戴系统	LSTM	运动数据	未明确说明具体样本数量，仅提及构建了数据集进行模型训练和测试	未明确说明	LSTM神经网络	识别准确率，损失值	未明确说明
1758	2026-03-31	Reproductive outcomes predicted by phase imaging with computational specificity of spermatozoon ultrastructure 2020-08-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2001754117 PMID:32690677	研究论文	本研究通过结合高灵敏度相位成像与深度学习，开发了一种无标记精子超微结构分析方法，用于预测辅助生殖技术中的生殖结果	提出了一种结合相位成像与计算特异性（PICS）的模板，通过深度学习对定量相位图进行语义分割，在无标记条件下实现精子细胞的高通量分析，并发现细胞干质量含量与生殖结果的相关性	未明确提及样本量的具体限制或外部验证的充分性，且方法可能依赖于特定成像设备	开发一种无标记、高通量的精子评估方法，以优化辅助生殖技术中的精子选择	精子细胞	计算机视觉	生殖医学	相位成像，深度学习	CNN	图像	数千个精子细胞	未指定	深度卷积神经网络	未指定	未指定
1759	2026-03-30	A benchmarking of genomic selection models for predicting grain-yield related traits using haplotype-based and genome-wide association study-based markers in rice 2026-Jun, The plant genome DOI:10.1002/tpg2.70226 PMID:41894430	研究论文	本研究通过基准测试比较了17种基因组选择模型在预测水稻粒长、粒宽和千粒重等产量相关性状中的表现，评估了基于单倍型和全基因组关联研究标记的预测准确性	首次在水稻中系统比较了基于单倍型标记和全基因组关联研究标记的基因组选择模型性能，并探讨了群体规模和标记数量对预测准确性的影响	研究仅基于688个水稻种质资源，可能无法完全代表更广泛的水稻遗传多样性	评估不同基因组选择模型在水稻产量相关性状预测中的性能，以加速育种进程	水稻（Oryza sativa）的688个种质资源，关注粒长、粒宽和千粒重性状	机器学习	NA	基因组选择，单倍型分析，全基因组关联研究	RRBLUP，机器学习模型，深度学习模型	基因型数据（单核苷酸多态性标记）	688个水稻种质资源，包含66,456个基于单倍型的单核苷酸多态性标记	NA	NA	预测准确性	NA
1760	2026-03-30	AI-powered insights in pediatric nephrology: current applications and future opportunities 2026-May, Pediatric nephrology (Berlin, Germany) DOI:10.1007/s00467-025-06911-1 PMID:40957986	综述	本文综述了人工智能在儿科肾病学中的当前应用与未来机遇，涵盖诊断、治疗、工作流程优化及研究加速等方面	整合了多源数据（如患者历史、基因组学、影像和临床记录）的AI工具，用于检测肾脏异常、预测急性肾损伤和疾病进展，并探讨了AI在改善患者参与、文档处理及研究中的创新潜力	存在伦理和实践挑战，包括数据隐私、算法偏见、标准化监管框架缺乏，以及医护人员需要充分培训以确保技术不损害医患关系	探讨人工智能在儿科肾病学中的转型作用，以提升诊断准确性、治疗精确性、工作流程效率和研究创新	儿科肾病学领域，包括儿童肾脏疾病患者及其相关临床数据（如病史、基因组、影像、临床记录）	数字病理学	儿科肾病	深度学习	深度学习模型	多源数据（包括患者历史、基因组学、影像、纵向临床记录）	NA	NA	NA	NA	NA