引導式測驗 · 中等 等級

抗體和蛋白質設計測驗中的人工智慧

了解結構預測、基於擴散的主鏈生成和序列設計如何為蛋白質工程貢獻不同的步驟。

問題 1 的 8

DeepMind 的 AlphaFold 取得了哪些著名的成就?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. DeepMind 的 AlphaFold 取得了哪些著名的成就?
    • 根據序列準確預測蛋白質結構
    • 更快的網際網路路由
    • 更好的天氣預報
    • 更便宜的太陽能板
  2. 射頻擴散有什麼作用?
    • 下棋
    • 透過擴散生成新的蛋白質骨架
    • 翻譯語言
    • 壓縮影像
  3. ProteinMPNN 在蛋白質設計中的作用是什麼?
    • 它列印物理蛋白質
    • 它測量溫度
    • 它提出與目標骨架相容的氨基酸序列
    • 它可以編輯活體患者的 DNA
  4. 在抗體中,AI通常設計什麼部分來結合標靶?
    • 細胞膜
    • 粒線體
    • 核醣體
    • CDR結合環
  5. 為什麼預測設計的蛋白質鏈如何折疊如此重要?
    • 結構影響蛋白質功能,仍需實驗驗證
    • 顏色取決於它
    • 它設定細胞的溫度
    • 它只決定血型
  6. 當一種 AI 設計的蛋白質被開發為在美國使用的人類治療生物製劑時,上市前還需要哪些額外步驟?
    • 適用的開發與監管審查,包括必要時的生物製劑許可申請
    • 不需要審查,因為計算設計已確定安全性
    • 僅進行結構預測基準測試
    • 在任何實驗室研究之前,先批准每一個研究蛋白質
  7. AlphaFold-Multimer 旨在預測哪種結構?
    • 單一基因的 DNA 序列
    • 組織中細胞的確切數量
    • 多個相互作用的蛋白鏈在複合物中的排列
    • 僅氨基酸序列而無任何結構
  8. AlphaFold 3 除蛋白質外還能模擬哪些類型的分子?
    • 僅額外的蛋白鏈
    • 僅整個細胞和組織
    • 活體中每一個化學反應速率
    • DNA、RNA 和生物分子複合物中的小分子配體