Questão de Biologia — Origem e evolução da vida — CESPE / CEBRASPE 2025
- Código
- ce200974
- Banca
- CESPE / CEBRASPE
- Órgão
- EMBRAPA
- Ano
- 2025
- Nível
- Superior
- Cargo
- Pesquisador – Área: Ciências Biológicas – Subárea: Biologia Avançada
- CCerto
- EErrado
GabaritoC — Certo
Gabarito: ✅ CERTO. A afirmativa está correta: a predição de sequências de proteínas pode ser feita por aprendizado de máquina tradicional, que depende de extração manual de características, enquanto o aprendizado profundo (deep learning) extrai automaticamente características e informações contextuais, melhorando a precisão das predições. Essa distinção é um conceito consolidado em bioinformática e inteligência artificial.
A questão aborda a diferença entre duas abordagens de IA aplicadas à bioinformática, especificamente na predição de estruturas e funções de proteínas. O aprendizado de máquina clássico (machine learning) envolve a seleção e extração manual de características (features) relevantes das sequências, como composição de aminoácidos, propriedades físico-químicas, etc., que são então alimentadas em algoritmos como SVM, florestas aleatórias, etc. Já o aprendizado profundo (deep learning), baseado em redes neurais com múltiplas camadas, é capaz de aprender automaticamente as representações e características diretamente dos dados brutos, capturando padrões complexos e informações contextuais (como dependências de longo alcance entre resíduos). Essa capacidade de aprendizado automático de características é o que confere ao deep learning uma vantagem significativa em tarefas como predição de estrutura secundária, contatos de resíduos, e até mesmo estrutura tridimensional de proteínas (ex.: AlphaFold). Portanto, a afirmativa descreve corretamente essa distinção e o benefício do deep learning.
A afirmativa está correta porque diferencia corretamente as duas abordagens: o aprendizado de máquina tradicional utiliza métodos de extração de características (feature engineering) para identificar padrões, enquanto o aprendizado profundo extrai automaticamente características profundas e informações contextuais, resultando em melhor precisão. Essa é uma descrição fiel do estado da arte em bioinformática, onde modelos de deep learning (como redes neurais convolucionais e transformers) superam métodos clássicos em tarefas de predição de proteínas.
A alternativa E afirma que o item está errado, mas o item está correto. Não há erro conceitual na afirmativa: ela descreve com precisão a diferença entre aprendizado de máquina clássico e aprendizado profundo, e o ganho de precisão proporcionado por este último. Portanto, a alternativa E é incorreta.
Gabarito: letra C
Link permanente: /questoes/ce200974