引导式测验 · 中等 等级

抗体和蛋白质设计测验中的人工智能

了解结构预测、基于扩散的主链生成和序列设计如何为蛋白质工程贡献不同的步骤。

相关引导路径抗体和蛋白质设计中的人工智能
问题 1 的 8

DeepMind 的 AlphaFold 取得了哪些著名的成就？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. DeepMind 的 AlphaFold 取得了哪些著名的成就？
    • 根据序列准确预测蛋白质结构
    • 更快的互联网路由
    • 更好的天气预报
    • 更便宜的太阳能电池板
  2. 射频扩散有什么作用？
    • 下棋
    • 通过扩散生成新的蛋白质骨架
    • 翻译语言
    • 压缩图像
  3. ProteinMPNN 在蛋白质设计中的作用是什么？
    • 它打印物理蛋白质
    • 它测量温度
    • It proposes amino-acid sequences compatible with a target backbone
    • 它可以编辑活体患者的 DNA
  4. 在抗体中，AI通常设计什么部分来结合靶标？
    • 细胞膜
    • 线粒体
    • 核糖体
    • CDR结合环
  5. 为什么预测设计的蛋白质链如何折叠如此重要？
    • Structure influences protein function, which still requires experimental testing
    • 颜色取决于它
    • 它设置细胞的温度
    • 它仅决定血型
  6. When an AI-designed protein is developed as a therapeutic biologic for human use in the United States, what additional step applies before marketing?
    • The applicable development and regulatory review, including a biologics license application when required
    • No review, because computational design establishes safety
    • Only a structure-prediction benchmark
    • Approval for every research protein before any laboratory study
  7. What kind of structure does AlphaFold-Multimer aim to predict?
    • Only the DNA sequence of a single gene
    • The exact number of cells in a tissue
    • The arrangement of multiple interacting protein chains in a complex
    • The amino-acid sequence without any structure
  8. What types of molecules can AlphaFold 3 model in addition to proteins?
    • Only additional protein chains
    • Only whole cells and tissues
    • Every chemical reaction rate in a living organism
    • DNA, RNA, and small-molecule ligands in biomolecular complexes