引導式測驗 · 中等 等級

人工智慧在蛋白質結構預測測驗的應用

檢查 AlphaFold 輸入、進化訊號、CASP14、Evoformer 分析和結構模組的座標預測作用。

問題 1 的 8

AlphaFold2 主要使用什麼輸入來預測蛋白質的 3D 結構?

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. AlphaFold2 主要使用什麼輸入來預測蛋白質的 3D 結構?
    • 蛋白質的胺基酸序列
    • 蛋白質的顯微鏡影像
    • 在光譜儀中測量蛋白質的質量
    • 基因的DNA甲基化模式
  2. 為什麼預測蛋白質的形狀如此重要?
    • 形狀決定蛋白質的顏色
    • 形狀決定蛋白質的功能以及藥物如何結合它
    • 形狀對生物活性沒有影響
    • 對於在細胞中儲存蛋白質而言,形狀僅重要
  3. AlphaFold2 從多重序列比對中利用了什麼演化訊號?
    • 每個蛋白質的總長度
    • 存在的物種數量
    • 共同進化的氨基酸對在折疊時往往彼此靠近
    • 物種進化的順序
  4. AlphaFold2在2020年的哪一場比賽中展現了突破性的準確率?
    • 影像網
    • 圖靈測試
    • Kaggle 開放蛋白質挑戰賽
    • CASP14
  5. 有哪些重大科學榮譽認可人工智慧驅動的蛋白質結構預測?
    • 2024年諾貝爾化學獎
    • 菲爾茲獎
    • 普立茲獎
    • 諾貝爾文學獎
  6. 除了預測單一蛋白質形狀之外,AlphaFold3 還增加了哪些功能?
    • 它自動撰寫研究論文
    • 它預測與 DNA、RNA 和小分子藥物的相互作用
    • 它永久取代所有實驗室實驗
    • 它只對病毒蛋白起作用
  7. Which AlphaFold2 component analyzes multiple-sequence-alignment patterns to infer co-evolving residues?
    • The output tokenizer
    • The structure database
    • The Evoformer
    • The Adam optimizer
  8. What does AlphaFold2’s structure module produce from inferred spatial relationships?
    • A new amino-acid sequence
    • A list of drug prescriptions
    • A tree of possible training labels
    • Refined three-dimensional atomic coordinates for the protein structure