引導式測驗 · 中等 等級

藥物發現測驗中的人工智慧

回顧用於分子篩選和設計、蛋白質預測、早期 ADMET 估計以及驗證候選者所需實驗的 AI 工具。

問題 1 的 8

DeepMind 的 AlphaFold 在幫助藥物發現方面取得了哪些成就?

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 在幫助藥物發現方面取得了哪些成就?
    • 它預測了超過 2 億個蛋白質的 3D 折疊結構
    • 它在實驗室合成了新藥
    • 它會自動進行人體臨床試驗
    • 它取代了所有化學家
  2. 機器學習模型中分子通常如何表示?
    • 僅作為照片
    • 作為原子和鍵的圖或作為 SMILES 文字字串
    • 作為音訊波形
    • 作為價格電子表格
  3. 什麼是人工智慧藥物發現中的「虛擬篩選」?
    • 看一部關於毒品的電影
    • 篩檢患者的疾病
    • 對數百萬種化合物進行計算排名,以找到有前景的化合物,而無需將它們全部合成
    • 與監管機構進行視訊通話的一種方式
  4. ADME 或毒性預測在早期候選分子評估時能提供什麼?
    • 它證明分子對人體安全
    • 它消除對動物或實驗室研究的需求
    • 這保證了候選藥物將通過臨床試驗
    • 它有助於優先篩選出候選藥物進行後續實驗,但不能確立安全性或取代測試
  5. 哪些生成式人工智慧技術用於設計新穎的分子?
    • 變分自動編碼器和擴散模型
    • 試算表宏
    • 條碼掃描儀
    • 電子郵件過濾器
  6. 在美國,一種新的候選藥物在開始人體臨床研究之前,通常必須完成什麼程序?
    • 模型分數高於 0.8
    • 臨床前安全性資訊以及經 FDA 審查的新藥臨床試驗申請 (IND)
    • 僅憑成功的虛擬篩選
    • 在藥局的商業可用性
  7. 除了預測蛋白質結構外,AlphaFold 3 還增加了什麼功能?
    • 它證明了預測的藥物將在患者身上取得成功
    • 它取代了所有的臨床試驗
    • 它可以預測涉及蛋白質、核酸和配體的結構與交互作用
    • 它僅估算藥物的零售價格
  8. 虛擬篩選排名對於候選化合物意味著什麼?
    • 該化合物已經是獲准上市的藥物
    • 該化合物在人體中保證是安全的
    • 該模型已在臨床試驗中觀察過該化合物
    • 這是一個用於後續追蹤的計算優先級,而非療效證明