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。
- 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
- 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
- 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
- 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
- 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
- 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
- Which AlphaFold2 component analyzes multiple-sequence-alignment patterns to infer co-evolving residues?
- The output tokenizer
- The structure database
- The Evoformer
- The Adam optimizer
- 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