創薬における AI クイズ

クイズに答えると、答えと解説が表示されます。

1. DeepMind の AlphaFold は創薬を支援するために何を達成しましたか?
   • 2億個以上のタンパク質の3D折り畳み構造を予測した
   • 研究室で新薬を合成した
   • 人間の臨床試験を自動的に実行した
   • それはすべての化学者を置き換えました
2. 機械学習モデルでは分子は一般的にどのように表現されるのでしょうか?
   • 写真としてのみ
   • 原子と結合のグラフまたは SMILES テキスト文字列として
   • オーディオ波形として
   • 価格のスプレッドシートとして
3. AI創薬における「バーチャルスクリーニング」とは何ですか?
   • 麻薬に関する映画を見る
   • 患者の病気をスクリーニングする
   • すべてを合成することなく、数百万の化合物をコンピューターでランク付けして、有望な化合物を見つけます。
   • 規制当局との一種のビデオ通話
4. What can an ADME or toxicity prediction contribute during early candidate assessment?
   • It proves a molecule is safe in humans
   • It eliminates the need for animal or laboratory studies
   • It guarantees the candidate will pass clinical trials
   • It can help prioritize candidates for experimental follow-up, but does not establish safety or replace testing
5. 新しい分子を設計するためにどの生成 AI 技術が使用されますか?
   • 変分オートエンコーダと拡散モデル
   • スプレッドシートマクロ
   • バーコードスキャナー
   • 電子メールフィルター
6. What must generally occur before a new drug candidate can begin clinical research in people in the United States?
   • A model score above 0.8
   • Preclinical safety information and an FDA-reviewed Investigational New Drug application
   • A successful virtual screen alone
   • Commercial availability in a pharmacy
7. What does AlphaFold 3 add beyond predicting protein structures?
   • It proves a predicted drug will succeed in patients
   • It replaces all clinical trials
   • It can predict structures and interactions involving proteins, nucleic acids, and ligands
   • It estimates only the retail price of a medicine
8. What does a virtual-screening rank mean for a candidate compound?
   • The compound is already an approved drug
   • The compound is guaranteed safe in humans
   • The model has observed the compound in a clinical trial
   • It is a computational priority for follow-up, not proof of efficacy