Questões de Concurso
Comentadas para fuvest
Foram encontradas 4.711 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
AlphaFold2 e suas aplicações nos campos da biologia e medicina
Em dezembro de 2020, o AlphaFold2 (AF2), um modelo baseado em aprendizado de máquina (machine learning) para prever estruturas de proteínas desenvolvido pela DeepMind, conquistou o campeonato na 14ª edição do Critical Assessment of Structure Prediction (CASP14). Um ano e meio depois, a DeepMind e o EMBL’s European Bioinformatics Institute (EMBL-EBI) divulgaram as estruturas de mais de 200 milhões de proteínas previstas pelo AF2, que cobrem quase todas as proteínas conhecidas no planeta (o universo das proteínas). Esses dois eventos atraíram grande atenção para o AF2 na comunidade científica. O AF2 representa um avanço marco na previsão de estruturas de proteínas. Ele é considerado a maior contribuição da Inteligência Artificial (IA) para o campo científico e um dos maiores avanços científicos feitos pela humanidade no século XXI. Este é um feito histórico notável no entendimento humano da natureza. A alta avaliação do AF2 não é excessiva, pois entender as estruturas tridimensionais (3D) das proteínas é um dos problemas mais desafiadores no campo da biologia, que tem desconcertado os cientistas por 50 anos. Embora múltiplas tecnologias, incluindo Ressonância Magnética Nuclear (RMN), Cristalografia por Raios-X e Microscopia Crioeletrônica (cryoEM), tenham sido adotadas para resolver as estruturas das proteínas, apenas cerca de 200.000 estruturas de proteínas foram determinadas, cobrindo menos de 0,1% do universo das proteínas.
Adaptado de Yang, Z. et al. (2023). AlphaFold2 and its applications in the fields of biology and medicine. Sig Transduct Target. Tradução livre.
AlphaFold2 e suas aplicações nos campos da biologia e medicina
Em dezembro de 2020, o AlphaFold2 (AF2), um modelo baseado em aprendizado de máquina (machine learning) para prever estruturas de proteínas desenvolvido pela DeepMind, conquistou o campeonato na 14ª edição do Critical Assessment of Structure Prediction (CASP14). Um ano e meio depois, a DeepMind e o EMBL’s European Bioinformatics Institute (EMBL-EBI) divulgaram as estruturas de mais de 200 milhões de proteínas previstas pelo AF2, que cobrem quase todas as proteínas conhecidas no planeta (o universo das proteínas). Esses dois eventos atraíram grande atenção para o AF2 na comunidade científica. O AF2 representa um avanço marco na previsão de estruturas de proteínas. Ele é considerado a maior contribuição da Inteligência Artificial (IA) para o campo científico e um dos maiores avanços científicos feitos pela humanidade no século XXI. Este é um feito histórico notável no entendimento humano da natureza. A alta avaliação do AF2 não é excessiva, pois entender as estruturas tridimensionais (3D) das proteínas é um dos problemas mais desafiadores no campo da biologia, que tem desconcertado os cientistas por 50 anos. Embora múltiplas tecnologias, incluindo Ressonância Magnética Nuclear (RMN), Cristalografia por Raios-X e Microscopia Crioeletrônica (cryoEM), tenham sido adotadas para resolver as estruturas das proteínas, apenas cerca de 200.000 estruturas de proteínas foram determinadas, cobrindo menos de 0,1% do universo das proteínas.
Adaptado de Yang, Z. et al. (2023). AlphaFold2 and its applications in the fields of biology and medicine. Sig Transduct Target. Tradução livre.
A estrutura terciária de uma proteína descreve a conformação tridimensional de toda a cadeia polipeptídica, resultante das interações entre os seus átomos e resíduos. Essas interações são fundamentais para a função biológica da proteína.
Considerando as características da estrutura terciária das proteínas, assinale a alternativa correta.
Conheça nossos planos