Pular para o conteúdo principal

Questão de Biologia — Origem e evolução da vida — CESPE / CEBRASPE 2025

BiologiaOrigem e evolução da vida
Código
ce200974
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Pesquisador – Área: Ciências Biológicas – Subárea: Biologia Avançada
Tendo em vista os recentes avanços da inteligência artificial na bioinformática, julgue o item a seguir.Enquanto a predição de sequências de proteínas é uma abordagem de aprendizado de máquina que utiliza métodos de extração de características para identificar padrões em sequências biológicas, a baseada em aprendizado profundo extrai automaticamente características profundas e informações contextuais das proteínas, o que resulta em melhoria significativa na precisão das predições.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Predição de sequências de proteínas: aprendizado de máquina vs. aprendizado profundo

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.

Predição de sequências de proteínas
  • 1Aprendizado de máquina clássico
    • Extração manual de características
    • Padrões em sequências biológicas
  • 2Aprendizado profundo (deep learning)
    • Extração automática de características
    • Captura informações contextuais
    • Melhor precisão nas predições
LEVEL · soulevel.com.br

Alternativa C — ✅ Correta ⟵ GABARITO

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.

Alternativa E — ❌ Incorreta

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