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
19841	2024-08-07	BigBind: Learning from Nonstructural Data for Structure-Based Virtual Screening 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01211 PMID:38113513	研究论文	本文介绍了一种名为BigBind的数据集，该数据集将ChEMBL的化学活性数据映射到CrossDocked数据集的蛋白质上，并开发了一种基于神经网络的模型Banana，用于区分活性与非活性化合物	BigBind数据集结合了ChEMBL的化学活性信息和CrossDocked的蛋白质结合口袋的3D结构信息，提高了模型的泛化能力	NA	开发一种新的数据集和模型，以提高基于结构的虚拟筛选的性能	蛋白质-配体结合预测	机器学习	NA	神经网络	神经网络	结构数据	583,000个配体活性数据
19842	2024-08-07	Regression-Based Active Learning for Accessible Acceleration of Ultra-Large Library Docking 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01661 PMID:38157481	研究论文	本研究展示了基于回归的主动学习方法如何加速超大规模虚拟筛选，以发现高亲和力命中化合物	提出了一种使用简单线性回归模型的主动学习方法，能够在仅对接10%的配体后，检索到高达90%的顶级命中化合物	NA	加速虚拟筛选过程，减少计算资源需求	超大规模虚拟筛选数据集中的高亲和力命中化合物	计算机视觉	NA	虚拟筛选	线性回归模型	数据集	超大规模虚拟筛选数据集，仅对接2%的库即可检索到70%的顶级命中化合物
19843	2024-08-07	Compound Activity Prediction with Dose-Dependent Transcriptomic Profiles and Deep Learning 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01855 PMID:38293736	研究论文	本文介绍了一种基于化合物处理下多个浓度观察到的基因表达谱来预测化合物在其他生化或细胞检测中活性的转录组到活性转换器（TAT）模型	引入了TAT模型，利用化合物在多个浓度下的基因表达数据来预测化合物活性，这是一种新颖的方法	模型在51%的检测中得到了有用的结果，表明仍有一定的局限性	旨在通过计算模型预测化合物在不同检测中的活性，以支持药物发现	研究对象包括2692种化合物在262种剂量反应检测中的活性	机器学习	NA	RASL-seq	TAT	基因表达数据	2692种化合物，262种剂量反应检测
19844	2024-08-07	graphLambda: Fusion Graph Neural Networks for Binding Affinity Prediction 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00771 PMID:38366974	研究论文	本文介绍了一种名为graphLambda的图神经网络模型，用于预测蛋白质-配体复合物的结合亲和力	利用图卷积、注意力和同构块来增强预测能力	NA	提高计算机辅助药物发现（CADD）中结合亲和力预测的准确性	蛋白质-配体复合物的结合亲和力	机器学习	NA	图神经网络	图神经网络	图数据	NA
19845	2024-08-07	HydraProt: A New Deep Learning Tool for Fast and Accurate Prediction of Water Molecule Positions for Protein Structures 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01559 PMID:38552195	研究论文	本文介绍了一种名为HydraProt的新型深度学习工具，用于快速准确地预测蛋白质结构周围水分子氧原子的精确位置	HydraProt采用两种深度学习架构——3D U-net和多层感知器（MLP），通过粗粒度体素化表示蛋白质，快速采样候选水分子位置，并通过MLP在欧几里得空间中嵌入水-蛋白质关系，最后通过后处理步骤进一步优化预测	NA	开发一种新的深度学习方法，用于准确预测蛋白质结构周围水分子氧原子的位置	蛋白质结构周围水分子氧原子的位置	机器学习	NA	深度学习	3D U-net, 多层感知器（MLP）	蛋白质结构数据	大型蛋白质结构数据集
19846	2024-08-07	Enhancing Generalizability in Protein-Ligand Binding Affinity Prediction with Multimodal Contrastive Learning 2024-03-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01961 PMID:38441880	研究论文	本文提出了一种基于图神经网络的评分函数，通过三重对比学习损失改进蛋白质-配体结合亲和力的预测	引入了多模态对比学习方法，结合三维复合物表示和二维配体及粗粒度口袋表示，提高了蛋白质-配体相互作用的理解	NA	提高蛋白质-配体结合亲和力预测的泛化能力	蛋白质-配体结合亲和力	机器学习	NA	图神经网络	图神经网络	三维复合物表示和二维配体及粗粒度口袋表示	多个外部数据集
19847	2024-08-07	DeePNAP: A Deep Learning Method to Predict Protein-Nucleic Acid Binding Affinity from Their Sequences 2024-03-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01151 PMID:38458968	研究论文	提出了一种基于深度学习的模型DeePNAP，用于仅从序列预测蛋白质-核酸结合亲和力	DeePNAP模型利用大量异构数据集进行训练，仅使用序列特征进行预测，提高了预测的多样性和通用性	NA	开发一种新的机器学习模型，用于从序列预测蛋白质-核酸结合亲和力	蛋白质-核酸结合亲和力和突变引起的自由能变化	机器学习	NA	深度学习	机器学习模型	序列	14,401个来自ProNAB数据库的野生型和突变型蛋白质-核酸复合物结合参数
19848	2024-08-07	Computational Chemistry in Structure-Based Solute Carrier Transporter Drug Design: Recent Advances and Future Perspectives 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01736 PMID:38294194	综述	本文综述了计算化学在基于结构的溶质载体转运蛋白药物设计中的最新进展和未来展望	利用计算化学，包括基于物理的分子建模和基于机器学习及深度学习的人工智能，为经典药物发现方法提供了一种替代和互补的方式	目前只有约9.8%的SLC超家族成员具有3D结构和特定结合位点	深入理解SLC超家族的结构和功能，以促进新型调节剂的理性设计	溶质载体转运蛋白（SLCs）及其在多种复杂疾病治疗中的应用	药物设计	NA	计算化学	人工智能（AI）	蛋白质结构	约450种SLCs中仅有44种具有3D结构
19849	2024-08-07	AlphaFold2 Predicts Whether Proteins Interact Amidst Confounding Structural Compatibility 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01805 PMID:38373070	research paper	本文测试了AlphaFold2在预测结构兼容但非相互作用的蛋白质对时的预测能力	AlphaFold2能够在蛋白质结构兼容的情况下有效区分相互作用和非相互作用的蛋白质	部分错误分类的情况可以通过重新审视输入序列来纠正，但也可能揭示数据集中的假阳性和假阴性	评估AlphaFold2在预测蛋白质相互作用中的应用潜力	蛋白质相互作用的预测	machine learning	NA	AlphaFold2	NA	蛋白质结构数据	一个具有挑战性的数据集
19850	2024-08-07	Genetic Algorithm-Based Receptor Ligand: A Genetic Algorithm-Guided Generative Model to Boost the Novelty and Drug-Likeness of Molecules in a Sampling Chemical Space 2024-02-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01964 PMID:38302422	研究论文	提出了一种基于遗传算法的生成模型GARel，用于设计具有新颖骨架和药物相似性的分子	GARel模型通过遗传算法引导，能够生成具有更多样化和新颖骨架的分子，并具有更好的物理化学性质和有利的对接分数	NA	开发一种能够平衡新颖性和药物相似性的深度学习生成模型，以推动药物发现领域的发展	设计针对AA2AR、EGFR和SARS-Cov2的抑制剂分子	机器学习	NA	遗传算法	深度学习生成模型	分子结构	针对三个目标（AA2AR、EGFR和SARS-Cov2）设计抑制剂分子
19851	2024-08-07	Data modeling analysis of GFRP tubular filled concrete column based on small sample deep meta learning method 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305038 PMID:38985781	研究论文	本文提出了一种基于小样本深度元学习方法的GFRP管混凝土柱数据建模分析	结合传统回归模型与基于元学习的数据增强优化方法，提出了一种深度神经网络，在优化GFRP包裹混凝土短柱方面表现优异	NA	解决工程数据分析中的小样本回归问题	GFRP管混凝土柱	机器学习	NA	元学习	深度神经网络	工程数据	小样本
19852	2024-08-07	Neighborhood structure-guided brain functional networks estimation for mild cognitive impairment identification 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17774 PMID:39099649	研究论文	本文提出了一种基于邻域结构引导的大脑功能网络估计方法，用于轻度认知障碍的识别	该方法通过考虑感兴趣区域（ROI）之间的空间邻域信息，利用K-最近邻（KNN）算法构建稀疏的大脑功能网络（BFN），克服了传统Pearson相关系数（PC）构建的密集网络与生物学先验的矛盾	NA	旨在提高轻度认知障碍（MCI）与健康个体之间的分类性能	大脑功能网络的构建与轻度认知障碍的识别	计算机视觉	神经退行性疾病	功能磁共振成像（fMRI）	K-最近邻（KNN）	图像	具体样本数量未在摘要中提及
19853	2024-08-07	Embedded-deep-learning-based sample-to-answer device for on-site malaria diagnosis 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1392269 PMID:39100623	研究论文	本研究提出了一种基于嵌入式深度学习的miLab™设备，用于现场疟疾诊断，该设备采用固体水凝胶染色法，确保血液涂片的一致性和高质量。	miLab™设备通过使用可变形染色贴片，实现了在不同血细胞比容下的一致性血液涂片制备，并利用嵌入式深度学习技术从自动对焦的染色血细胞图像中检测和分类疟原虫。	NA	开发一种在细胞水平上准确且临床表现良好的疟疾诊断方法。	疟疾诊断方法及其在实际应用中的性能。	数字病理学	疟疾	深度学习算法	嵌入式深度学习	图像	临床验证在马拉维进行，总体百分比一致性为92.21%。
19854	2024-08-07	Surrogate modelling of heartbeat events for improved J-peak detection in BCG using deep learning 2024, Frontiers in network physiology DOI:10.3389/fnetp.2024.1425871 PMID:39099720	研究论文	本文提出了一种基于深度学习的方法，用于改进BCG信号中的J峰检测，通过模拟离散参考心跳事件来提高检测精度	首次采用核函数编码时间事件，并系统比较了多种事件编码用于事件检测的回归序列到序列模型	NA	提高BCG信号中J峰检测的准确性	BCG信号中的心跳事件检测	机器学习	NA	深度学习	回归序列到序列模型	时间序列	17晚，共134小时的数据，使用嵌入在床垫中的惯性测量单元(IMUs)收集
19855	2024-08-07	Generalising electrocardiogram detection and delineation: training convolutional neural networks with synthetic data augmentation 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1341786 PMID:39100388	研究论文	本文介绍了一种使用合成数据增强训练卷积神经网络的方法，用于心电图检测和 delineation	开发了一种合成数据生成方案，从现有数据库中提取基本段落并概率性地构建未见过的心电图轨迹，同时提出了两种基于分割的损失函数	NA	解决心电图检测和 delineation 中传统方法难以泛化到多样心电图模式的问题	心电图检测和 delineation	机器学习	NA	卷积神经网络	CNN	心电图数据	使用了三个多样化的自由可用数据库（QT, LU, 和 Zhejiang）
19856	2024-08-07	Hybrid healthcare unit recommendation system using computational techniques with lung cancer segmentation 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1429291 PMID:39099589	研究论文	本研究针对医学健康应用中精确分割的关键需求，特别是在使用计算机断层扫描（CT）进行肺结节检测方面，提出了一种混合医疗单元推荐系统，利用计算技术进行肺癌分割。	本研究提出了一种结合U-Net和双参数逻辑分布的学习架构，称为U-Net++，并利用对比度受限自适应直方图均衡化（CLAHE）在5,000组CT扫描图像上进行精确图像分割。	NA	研究目的是提高医学健康应用中肺结节检测的准确性，特别是在CT扫描图像的分割方面。	研究对象为肺结节，特别是其粒子组成，这是诊断和治疗计划的重要方面。	数字病理学	肺癌	深度学习	U-Net++	图像	5,000组CT扫描图像
19857	2024-08-07	Bibliometric analysis of electroencephalogram research in Parkinson's disease from 2004 to 2023 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1433583 PMID:39099632	研究论文	本文通过文献计量分析方法，研究了2004年至2023年间帕金森病中脑电图研究的全球趋势和主要贡献者	应用机器学习、深度学习和任务分析技术为未来脑电图和帕金森病的研究提供了新的方向	NA	分析帕金森病中脑电图研究的全球趋势和主要贡献者	帕金森病中的脑电图研究	神经科学	帕金森病	脑电图（EEG）	NA	文献数据	1,559篇相关出版物
19858	2024-08-07	Utilizing deep learning models in an intelligent eye-tracking system for autism spectrum disorder diagnosis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1436646 PMID:39099594	研究论文	本研究利用深度学习模型开发了一种智能眼动追踪系统，用于自闭症谱系障碍的诊断	本研究采用了先进的图像重采样方法来扩展训练数据集，并开发了基于MobileNet、VGG19、DenseNet169及MobileNet-VGG19混合模型的自动化分类器，这些模型在准确性上超过了现有系统	NA	旨在开发一种快速、高效且精确的自闭症谱系障碍诊断方法	自闭症谱系障碍的早期评估	机器学习	自闭症谱系障碍	深度学习算法	MobileNet, VGG19, DenseNet169, MobileNet-VGG19	眼动追踪数据	547个眼动追踪系统数据，包括328名典型发育儿童和219名自闭症儿童
19859	2024-08-07	Corrigendum: A novel approach for sports injury risk prediction: based on time-series image encoding and deep learning 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1441107 PMID:39105083	correction	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19860	2024-08-07	Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning 2023-Nov-23, Research square DOI:10.21203/rs.3.rs-3592809/v1 PMID:38045314	研究论文	本研究利用前视光学相干断层扫描（OCT）探头和卷积神经网络（CNN）进行自动肾癌活检指导	结合OCT和CNN技术，显著提高了肾癌活检的指导精度	在区分正常组织方面表现不佳	旨在提高肾癌活检的采样准确性	人类肾脏和肾癌样本	计算机视觉	肾癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	五个人类肾脏和肾癌样本