引导式测验 · 中等 等级
人工智能在蛋白质结构预测测验中的应用
检查 AlphaFold 输入、进化信号、CASP14、Evoformer 分析和结构模块的坐标预测作用。
问题 1 的 8
AlphaFold2 主要使用什么输入来预测蛋白质的 3D 结构？
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。
- AlphaFold2 主要使用什么输入来预测蛋白质的 3D 结构？
- 蛋白质的氨基酸序列
- 蛋白质的显微镜图像
- 在光谱仪中测量蛋白质的质量
- 基因的DNA甲基化模式
- 为什么预测蛋白质的形状如此重要？
- 形状决定蛋白质的颜色
- 形状决定蛋白质的功能以及药物如何结合它
- 形状对生物活性没有影响
- 对于在细胞中储存蛋白质而言，形状仅重要
- AlphaFold2 从多重序列比对中利用了什么进化信号？
- 每个蛋白质的总长度
- 存在的物种数量
- 共同进化的氨基酸对在折叠时往往彼此靠近
- 物种进化的顺序
- AlphaFold2在2020年的哪场比赛中展现了突破性的准确率？
- 图像网
- 图灵测试
- Kaggle 开放蛋白质挑战赛
- CASP14
- 有哪些重大科学荣誉认可人工智能驱动的蛋白质结构预测？
- 2024年诺贝尔化学奖
- 菲尔兹奖
- 普利策奖
- 诺贝尔文学奖
- 除了预测单一蛋白质形状之外，AlphaFold3 还添加了哪些功能？
- 它自动撰写研究论文
- 它预测与 DNA、RNA 和小分子药物的相互作用
- 它永久取代所有实验室实验
- 它只对病毒蛋白起作用
- AlphaFold2 的哪个组件通过分析多序列比对模式来推断共同进化的残基？
- 输出分词器
- 结构数据库
- Evoformer
- Adam 优化器
- AlphaFold2 的结构模块根据推断出的空间关系产生什么？
- 一个新的氨基酸序列
- 一份药物处方清单
- 一棵可能的训练标签树
- 蛋白质结构的精细三维原子坐标