Questão de Biologia — Aspectos Gerais da Proteômica — CESPE / CEBRASPE 2025
- Código
- ce406574
- Banca
- CESPE / CEBRASPE
- Órgão
- EMBRAPA
- Ano
- 2025
- Cargo
- Ana ( )
- CCerto
- EErrado
GabaritoC — Certo
Gabarito: CERTO. Ferramentas de inteligência artificial, como o AlphaFold, de fato permitem predições de estrutura de proteínas — essa é uma aplicação consolidada de IA na bioinformática estrutural, e a afirmação do item está correta.
A predição de estrutura de proteínas é um dos grandes desafios da biologia molecular: a partir da sequência de aminoácidos (estrutura primária), busca-se prever o dobramento tridimensional (estrutura terciária) que a proteína adota na célula. Esse dobramento é o que determina a função da proteína — enzimas, anticorpos, receptores e transportadores só funcionam se estiverem corretamente dobrados. Historicamente, a determinação experimental da estrutura 3D dependia de técnicas como cristalografia de raios X, ressonância magnética nuclear (RMN) e, mais recentemente, criomicroscopia eletrônica — métodos caros, demorados e que nem sempre funcionam para todas as proteínas.
O AlphaFold, desenvolvido pela DeepMind (Google), revolucionou esse campo ao usar redes neurais profundas (deep learning) para prever a estrutura tridimensional de proteínas com alta precisão, diretamente a partir da sequência de aminoácidos. Na CASP14 (Critical Assessment of protein Structure Prediction), competição internacional que avalia métodos de predição, o AlphaFold2 alcançou precisão comparável à experimental para muitas proteínas. Isso abriu caminho para aplicações em descoberta de fármacos, engenharia de proteínas e compreensão de doenças. A IA, portanto, não apenas "permite" predições — ela elevou a precisão dessas predições a um nível sem precedentes.
É importante distinguir a predição de estrutura (o que o AlphaFold faz) de outras técnicas de bioinformática estrutural. As bases de dados de domínios de proteínas (como Pfam, PROSITE, SMART e InterPro) preveem domínios funcionais — regiões de dobramento local — a partir da sequência, mas não a estrutura tridimensional completa. Já a Protein Data Bank (PDB) é um repositório de estruturas determinadas experimentalmente, não um preditor. O AlphaFold, por sua vez, é um preditor de estrutura 3D, e é exatamente isso que o item afirma.
A pegadinha que a banca poderia explorar aqui seria confundir predição de estrutura com determinação experimental, ou trocar o AlphaFold por outra ferramenta de análise de sequência. Mas o item é direto e factual: ferramentas de IA como o AlphaFold permitem predições de estrutura de proteínas — e isso é verdadeiro. Não há exceção ou nuance que torne a afirmação incorreta.
Guarde o critério decisivo: predição de estrutura 3D a partir da sequência é exatamente o que o AlphaFold faz, e é isso que o item afirma. Não há como interpretar a afirmação de outra forma.
A afirmação está correta. O AlphaFold é uma ferramenta de inteligência artificial baseada em redes neurais profundas que prediz a estrutura tridimensional de proteínas a partir da sequência de aminoácidos. Essa é uma aplicação real, amplamente reconhecida e validada na comunidade científica, tendo sido destaque na CASP14 e utilizada em inúmeras pesquisas. O item não afirma que a predição substitui a determinação experimental, apenas que a IA "permite" predições — o que é factualmente verdadeiro. Não há erro conceitual, troca de termos ou exceção que torne a afirmação falsa.
Gabarito: CERTO
Link permanente: /questoes/ce406574