Kuis terkait panduan · Sedang Tingkat

Kuis Biologi Pembelajaran Mesin Insitro

Jelajahi bagaimana Insitro menggabungkan model penyakit sel induk, data pencitraan dan omics, genetika manusia, dan pembelajaran mesin untuk menginformasikan penemuan obat.

Pertanyaan 1 dari 8

Apa gabungan nama 'Insitro'?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa gabungan nama 'Insitro'?
    • 'In silico' (komputasi) dan 'in vitro' (lab biologi)
    • insulin dan nitro
    • Di dalam dan di luar
    • Wawasan dan retro
  2. Siapa yang mendirikan Insitro?
    • Demis Hassabis
    • Daphne Koller
    • Andrew Ng
    • Jensen Huang
  3. Mengapa Insitro menekankan genetika manusia dalam pemilihan target?
    • Ini lebih murah daripada pencitraan
    • Genetika tidak memerlukan data
    • Genetika manusia adalah salah satu bukti terkuat bahwa suatu target benar-benar menyebabkan penyakit
    • Ini menghindari penggunaan komputer
  4. Apa yang dimaksud dengan 'fenotip pembelajaran mesin' seperti yang digunakan Insitro?
    • Perilaku robot
    • Suatu jenis bug perangkat lunak
    • Label pemasaran
    • Sifat kuantitatif yang diperoleh AI dari data seperti gambar medis
  5. Kelompok manusia besar manakah yang biasa digunakan untuk studi genetik skala biobank seperti yang dilakukan Insitro?
    • Biobank Inggris
    • Kumpulan data Netflix
    • GambarNet
    • Wikipedia
  6. Bidang penyakit apa yang menjadi fokus utama kemitraan Insitro dengan Gilead?
    • Pilek biasa
    • Penyakit hati seperti NASH dan fibrosis
    • Tulang patah
    • Kerusakan gigi
  7. What does an in-vitro disease model refer to in Insitro's approach?
    • A computer simulation with no biological measurements
    • A population study that uses only insurance claims
    • A lab-grown cellular model, such as stem-cell-derived cells, used to study disease biology
    • An animal trial that replaces all cell experiments
  8. How can Insitro combine an image-derived phenotype with human genetics?
    • Treat every associated locus as proof of a causal drug target
    • Replace genetic data with a microscope image of the whole population
    • Use a phenotype score as a clinical diagnosis without validation
    • Run genome-wide association analyses to identify loci associated with the measured phenotype