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
1961	2025-07-11	A prior knowledge-supervised fusion network predicts survival after radiotherapy in patients with advanced gastric cancer 2025-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103184 PMID:40587926	research paper	提出一种基于先验知识的多模态融合方法，用于预测晚期胃癌患者放疗后的总生存期	引入先验知识监督的融合网络（PKSFnet）及新型采样策略，提升预测性能	未明确说明样本多样性或外部验证集的泛化能力	预测晚期胃癌患者放疗后的总生存期以辅助临床诊疗决策	晚期胃癌患者的CT图像及多模态临床数据	digital pathology	gastric cancer	multimodal fusion	PKSFnet (prior knowledge-supervised fusion network)	CT图像及多模态临床数据	未明确说明具体样本量
1962	2025-07-11	Your turn: At home turning angle estimation for Parkinson's disease severity assessment 2025-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103194 PMID:40577945	研究论文	本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，自动量化帕金森病患者的转弯角度	首次探索使用单目相机数据在家庭环境中量化帕金森病患者的转弯角度	在自由生活环境中难以获得准确的地面真实数据，因此将角度量化为最近的45°分箱	利用步态特征作为帕金森病进展的敏感指标	帕金森病患者和健康对照志愿者的转弯视频片段	计算机视觉	帕金森病	3D骨架提取	Fastpose和Strided Transformer	视频	来自24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转弯视频片段
1963	2025-07-11	Computational screening of umami tastants using deep learning 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选流程，用于从大型分子数据库中识别高效鲜味物质	首次构建了基于Transformer的架构用于鲜味物质分类，并开发了预测鲜味化合物效能的神经网络模型	研究仅基于分子结构特征，未考虑实际味觉测试验证	开发高效识别新型鲜味物质的计算方法	鲜味分子与非鲜味分子	机器学习	NA	深度学习	Transformer, 神经网络	分子结构数据	867个分子（439个鲜味分子和428个非鲜味分子），并在包含约70,000个分子的FooDB数据库上进行应用验证
1964	2025-07-11	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	提出了一种可解释的深度学习模型iDCNNPred，用于虚拟筛选和识别针对三阴性乳腺癌的PI3Ka抑制剂	开发了Custom-DCNN模型，性能优于预训练模型，并通过Grad-CAM技术增强了模型预测的可解释性	需要进一步的药物化学工作来提高筛选出的分子的效力和选择性	识别和筛选针对三阴性乳腺癌的PI3Ka抑制剂	PI3Ka抑制剂	数字病理学	三阴性乳腺癌	分子对接、体外PI3K抑制研究	Custom-DCNN、AlexNet、SqueezeNet、VGG19	2D分子图像	Maybridge化学库中的分子，最终筛选出12个有潜力的分子，其中4个进行了生物验证
1965	2025-07-11	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	提出了一种名为GraphkmerDTA的新型深度学习模型，用于药物-靶标结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	整合了Kmer特征与结构拓扑信息，克服了现有方法在序列特征提取和拓扑信息利用上的不足	未提及具体的计算资源需求或模型训练时间，可能在实际应用中存在效率问题	提高药物-靶标结合亲和力预测的准确性，并应用于药物发现	药物分子和蛋白质	机器学习	阿尔茨海默病	图神经网络（GNN）和全连接网络	GraphkmerDTA（结合GNN和Kmer特征）	序列数据和结构数据	超过两千种化合物的筛选库
1966	2025-07-11	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究探讨了基于深度学习的信号放大技术在单剂量T1加权脑MRI图像中的应用，以提高转移瘤的检测能力	利用深度学习技术从单剂量对比增强图像生成人工双剂量图像，避免了使用实际双剂量对比剂带来的环境和健康风险	研究中读者在人工双剂量图像上显示出更多的假阳性发现，尽管差异不显著	评估深度学习增强的单剂量脑MRI图像在转移瘤检测中的效果	30名参与者（平均年龄58.5±11.8岁，23名女性）的脑MRI图像	数字病理	脑转移瘤	MRI	深度学习	医学影像	30名参与者
1967	2025-07-11	Deep learning in the discovery of antiviral peptides and peptidomimetics: databases and prediction tools 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11173-y PMID:40153158	综述	本文综述了抗病毒肽（AVPs）的数据库构建、理化特性及其在机器学习预测工具中的应用	探讨了AI技术在抗病毒肽发现中的关键作用，并介绍了专用数据库（如DRAVP、AVPdb和DBAASP）的开发与应用	现有数据库存在数据集小、注释不完整以及与多组学数据整合不足的问题，且预测工具面临过拟合、实验验证有限和缺乏机制性见解的挑战	推动抗病毒肽和拟肽类药物的发现与开发	抗病毒肽（AVPs）及其理化特性	自然语言处理	NA	机器学习和深度学习	NA	文本数据	NA
1968	2025-07-11	Integrating deep learning and molecular dynamics simulations for FXR antagonist discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11145-2 PMID:40172823	研究论文	本研究结合深度学习和分子动力学模拟，发现FXR拮抗剂用于治疗代谢疾病	开发了预测FXR拮抗活性和毒性的深度学习模型，并通过分子动力学模拟筛选出具有潜在治疗价值的化合物	研究中筛选的化合物数量有限，且未进行临床验证	发现可用于治疗代谢疾病的FXR拮抗剂	FXR（法尼醇X受体）及其潜在拮抗剂	机器学习	代谢疾病	深度学习，分子动力学模拟	深度学习模型	化合物数据	从HMDB数据库中筛选的217,345种化合物
1969	2025-07-11	QMGBP-DL: a deep learning and machine learning approach for quantum molecular graph band-gap prediction 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11178-7 PMID:40252145	研究论文	本文提出了一种结合深度学习和机器学习的量子分子图带隙预测方法QMGBP-DL	QMGBP-DL方法通过结合分子图编码器和机器学习模型，显著提高了分子和材料带隙能量的预测准确性	未提及具体局限性	加速药物设计和材料科学中的发现，特别是分子和量子材料性质的预测	分子和量子材料的带隙能量	机器学习	NA	图卷积网络(GCN)和随机森林	GCN, Random Forest	分子图数据(SMILES字符串)	QM9, PCQM4M和OPV数据集
1970	2025-07-11	Cangrelor and AVN-944 as repurposable candidate drugs for hMPV: analysis entailed by AI-driven in silico approach 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11206-6 PMID:40316857	研究论文	本研究通过AI驱动的计算机模拟方法，筛选出Cangrelor和AVN-944作为抗人类偏肺病毒(hMPV)的候选药物	利用深度学习构建药效团模型筛选FDA批准药物和抗病毒药物，并通过分子对接和分子动力学模拟验证药物与hMPV F蛋白的结合稳定性	需要进一步的体外和体内实验验证候选药物的疗效	寻找可重新用于治疗hMPV感染的药物	人类偏肺病毒(hMPV)的F蛋白	计算生物学	呼吸道感染	深度学习、分子对接、分子动力学模拟	深度学习药效团模型	蛋白质结构数据、药物分子数据	初始筛选2400种FDA批准药物和255种抗病毒药物，最终筛选出792种和72种候选药物
1971	2025-07-11	Machine learning approaches for predicting the small molecule-miRNA associations: a comprehensive review 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11211-9 PMID:40392452	综述	本文全面回顾了机器学习在预测小分子与microRNA关联中的应用	对32种基于机器学习的SMA预测方法进行了详尽分类和趋势分析，提供了未来研究的宝贵见解	未提及具体方法在临床转化中的实际应用限制	增强对小分子-miRNA相互作用的理解和预测能力	小分子(SMs)与microRNA(miRNAs)的关联关系	机器学习	NA	机器学习算法	经典ML、深度学习、矩阵分解、网络传播、图学习、集成学习	生物分子相互作用数据	NA
1972	2025-07-11	Brain age prediction from MRI scans in neurodegenerative diseases 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	综述	本文综述了利用MRI扫描进行脑龄估计作为脑健康生物标志物的应用	探讨了脑龄估计在神经退行性疾病早期诊断、疾病监测和个性化医疗中的潜在应用	标准化实施、人口统计学偏差和可解释性等挑战仍然存在	探索脑龄估计作为神经退行性疾病早期检测工具的潜力	阿尔茨海默病、轻度认知障碍(MCI)和帕金森病患者	数字病理学	神经退行性疾病	MRI扫描、深度学习	深度学习模型	MRI图像	NA
1973	2025-07-11	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估，发现了新型潜在的11β-HSD1抑制剂	使用基于GRU的循环神经网络构建分子生成模型，结合转移学习生成潜在的11β-HSD1抑制剂	化合物02的抑制活性不如对照药物	开发新型11β-HSD1抑制剂	11β-HSD1抑制剂	机器学习	糖尿病、胰岛素抵抗、血脂异常和肥胖	深度学习、分子对接、分子动力学模拟	GRU	分子数据	1,854,484个药物样分子
1974	2025-07-11	Drug repurposing to identify potential FDA-approved drugs targeting three main angiogenesis receptors through a deep learning framework 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11214-6 PMID:40418485	研究论文	本研究利用深度学习框架，从FDA批准的药物中识别出针对VEGFR、FGFR和EGFR三种主要血管生成受体的多靶点抑制剂	采用新颖的集成方法，结合分类和回归模型，同时考虑三种靶受体，以提高药物开发的成功率并减少耐药性	研究仅基于计算机模拟筛选，未进行实验验证	开发一种方法学，用于发现FDA批准药物中的多靶点抑制剂，以控制血管生成	2000多种FDA批准的药物	机器学习	癌症	深度学习	深度自编码器分类模型和回归模型	药物分子数据	2000多种FDA批准的药物
1975	2025-07-11	Integrated machine learning-based virtual screening and biological evaluation for identification of potential inhibitors against cathepsin K 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10845-5 PMID:38662177	研究论文	本研究通过机器学习和深度学习虚拟筛选结合生物评估，识别出潜在的Cathepsin K抑制剂	结合机器学习和深度学习进行虚拟筛选，并进行了生物评估，鉴定出五种具有潜在抑制Cathepsin K活性的化合物	研究仅筛选了十种化合物，样本量较小	识别潜在的Cathepsin K抑制剂以治疗骨质疏松症	Cathepsin K及其潜在抑制剂	机器学习	骨质疏松症	虚拟筛选、分子对接、MD模拟、MM/PBSA分析	机器学习和深度学习模型	化学化合物数据	十种短名单化合物，其中五种表现出超过50%的抑制效果
1976	2025-07-11	Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies 2025-Jul-10, Journal of materials chemistry. B DOI:10.1039/d5tb00744e PMID:40476698	综述	本文系统探讨了先进生物可视化技术的原理、应用和局限性，特别关注AI驱动的图像分析、多维成像与重建以及多模态数据整合的变革性进展	整合人工智能、增强现实和深度学习等尖端技术，实现实时、高分辨率和预测性分析，超越传统成像模式的限制	未具体说明现有技术的具体操作限制或数据处理的挑战	解码组织复杂性，推进生物材料开发和临床策略创新	生物组织的多尺度结构和功能复杂性	数字病理	NA	AI、增强现实、深度学习	NA	图像、多维数据	NA
1977	2025-07-11	Modeling Nonradiative Recombination in CsPbI3 and Ge-Doped Perovskites Via Deep Learning with CNN and Transformer Architectures 2025-Jul-10, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01669 PMID:40576303	研究论文	本研究通过深度学习方法（CNN和Transformer架构）建模CsPbI3和Ge掺杂钙钛矿中的非辐射复合过程	首次将多种深度学习模型（包括四种CNN和三种Transformer结构）应用于非绝热耦合的高效预测，揭示了Ge掺杂对非平衡复合过程的微观调控机制	研究仅针对CsPbI和Ge掺杂系统，未验证其他掺杂体系	解决钙钛矿光电设备性能瓶颈中的非辐射电子-空穴复合问题	CsPbI3和Ge掺杂钙钛矿系统	机器学习	NA	密度泛函理论与非绝热分子动力学(NAMD)结合，采用Hammes-Schiffer-Tully(HST)和norm-preserving interpolation(NPI)策略	CNN（包括ResNetPlus等四种）和Transformer（包括TSTPlus等三种）	计算化学数据	NA
1978	2025-07-11	BIScreener: enhancing breast cancer ultrasound diagnosis through integrated deep learning with interpretability 2025-Jul-10, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay00475f PMID:40586715	研究论文	提出了一种可解释的深度学习模型BIScreener，用于从乳腺超声图像预测BI-RADS分类，以提高乳腺癌风险评估和诊断效率	结合了三种预训练卷积神经网络的堆叠泛化方法，提高了BI-RADS分类的准确性和诊断效率	研究仅使用了两种特定仪器（Mindray R5和HITACHI）获取的超声图像，可能限制了模型的泛化能力	提高乳腺癌的早期诊断准确性和效率	乳腺超声图像	数字病理学	乳腺癌	深度学习	CNN	图像	外部测试集（具体数量未提及）
1979	2025-07-11	In-silico CT simulations of deep learning generated heterogeneous phantoms 2025-Jul-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c9 PMID:40587975	研究论文	该研究提出了一种使用3D DUC-GAN生成具有真实器官纹理和材料变化的虚拟幻影的方法，以提高CT模拟的真实性	首次使用3D DUC-GAN生成包含躯干内器官的16种独特纹理的虚拟幻影，显著提高了模拟的真实性	研究仅基于公开数据集中的378对CT图像-分割对进行训练，可能无法涵盖所有可能的器官变异	提高虚拟CT模拟中幻影的真实性，以更准确地模拟成像过程	虚拟CT幻影	计算机视觉	NA	CT成像	3D DUC-GAN	CT图像	378对CT图像-分割对用于训练，18对用于测试
1980	2025-07-11	A transformer-based network with second-order pooling for motor imagery EEG classification 2025-Jul-10, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adeae8 PMID:40602422	研究论文	提出了一种结合转置注意力机制和二阶池化的神经网络(SecTNet)，用于运动想象脑电图(EEG)分类	首次将转置注意力机制与二阶池化结合，利用黎曼几何度量EEG信号的协方差结构，并通过注意力机制自适应建模通道间依赖关系	未明确说明模型在更广泛EEG数据集上的泛化能力	提升运动想象脑机接口(BCI)的EEG信号解码性能	脑电图(EEG)信号	脑机接口	NA	深度学习	Transformer结合CNN	EEG信号	两个公开EEG数据集(BCI competition IV 2a和OpenBMI)