แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
AI ในแบบทดสอบการทำนายโครงสร้างโปรตีน
ตรวจสอบอินพุต AlphaFold, สัญญาณวิวัฒนาการ, CASP14, การวิเคราะห์ Evoformer และบทบาทการทำนายพิกัดของโมดูลโครงสร้าง
คำถาม 1 ของ 8
AlphaFold2 ใช้อินพุตใดในการทำนายโครงสร้าง 3 มิติของโปรตีนเป็นหลัก
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- AlphaFold2 ใช้อินพุตใดในการทำนายโครงสร้าง 3 มิติของโปรตีนเป็นหลัก
- ลำดับกรดอะมิโนของโปรตีน
- ภาพโปรตีนจากกล้องจุลทรรศน์
- มวลของโปรตีนวัดด้วยสเปกโตรมิเตอร์
- รูปแบบ DNA methylation ของยีน
- เหตุใดการทำนายรูปร่างของโปรตีนจึงมีความสำคัญมาก
- รูปร่างเป็นตัวกำหนดสีของโปรตีน
- รูปร่างเป็นตัวกำหนดการทำงานของโปรตีนและวิธีที่ยาสามารถจับกับโปรตีนได้
- รูปร่างไม่มีผลกระทบต่อกิจกรรมทางชีวภาพ
- รูปร่างมีความสำคัญต่อการเก็บโปรตีนในเซลล์เท่านั้น
- AlphaFold2 สัญญาณวิวัฒนาการใดที่ใช้ประโยชน์จากการจัดตำแหน่งหลายลำดับ
- ความยาวรวมของโปรตีนแต่ละชนิด
- จำนวนชนิดที่มีอยู่
- คู่กรดอะมิโนที่พัฒนาร่วมกันซึ่งมีแนวโน้มที่จะอยู่ใกล้กันเมื่อพับเก็บ
- ลำดับวิวัฒนาการของสายพันธุ์
- การแข่งขันใดที่ AlphaFold2 แสดงให้เห็นถึงความแม่นยำที่ก้าวล้ำในปี 2020
- อิมเมจเน็ต
- การทดสอบทัวริง
- Kaggle Open Protein Challenge
- CASP14
- เกียรติยศทางวิทยาศาสตร์ที่สำคัญใดที่ได้รับการยอมรับในการทำนายโครงสร้างโปรตีนที่ขับเคลื่อนด้วย AI
- รางวัลโนเบลสาขาเคมีประจำปี 2024
- เหรียญสนาม
- รางวัลพูลิตเซอร์
- รางวัลโนเบลสาขาวรรณกรรม
- AlphaFold3 เพิ่มความสามารถอะไรนอกเหนือจากการทำนายรูปร่างของโปรตีนเดี่ยว
- มันเขียนงานวิจัยโดยอัตโนมัติ
- ทำนายปฏิกิริยาระหว่าง DNA, RNA และยาโมเลกุลขนาดเล็ก
- โดยจะแทนที่การทดลองในห้องปฏิบัติการทั้งหมดอย่างถาวร
- ใช้ได้กับโปรตีนของไวรัสเท่านั้น
- Which AlphaFold2 component analyzes multiple-sequence-alignment patterns to infer co-evolving residues?
- The output tokenizer
- The structure database
- The Evoformer
- The Adam optimizer
- What does AlphaFold2’s structure module produce from inferred spatial relationships?
- A new amino-acid sequence
- A list of drug prescriptions
- A tree of possible training labels
- Refined three-dimensional atomic coordinates for the protein structure