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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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