热点01 “人工智能（AI）与生物学--2025年高考生物【热点·重点·难点】专练（新高考通用）

热点01“人工智能（AI）与生物学 目录 1.热点解读：知考点 2.关联教材：锚基础 3.命题趋势：明考情知方向 3.创新演练：知情境、练突破（10min限时练) 热点解读： 1.蛋白质结构与功能 核心考点：蛋白质的四级结构、氨基酸序列与空间结构的关系、酶的作用机制。 AI关联：AlphaFold预测蛋白质结构的原理（深度学习算法）、AI模拟酶催化过程。 典型题型：结合AI预测的蛋白质结构数据，分析基因突变对蛋白质功能的影响。 2.神经调节与脑机接口 核心考点：动作电位的产生机制、突触传递过程、神经调节的分级调控。 AI关联：脑机接口的信号采集（如非侵入式EEG）、AI算法对神经信号的解码与应用。 典型题型：通过脑机接口案例，分析神经元兴奋时的离子变化及信号传递路径。 3.基因编辑与合成生物学 核心考点：基因工程工具（如CRISPR-Cas9）、基因表达调控、生物安全性。 AI关联：AI辅助设计基因编辑工具、合成生物学中人工代谢途径的优化。 典型题型：讨论AI在基因编辑脱靶效应预测中的作用及伦理争议。 4.生态与进化计算 核心考点：种群增长模型、自然选择与进化机制。 AI关联：进化算法模拟物种适应过程、AI预测生态系统变化。 典型题型：结合AI模拟数据，分析环境变化对种群基因频率的影响。 关联教材： AI热点 教材章节 核心知识点 蛋白质结构预测 必修一《分子与细胞》第三章 氨基酸脱水缩合、蛋白质空间结构多样性 脑机接口 必修三《稳态与环境》第二章 神经冲动的产生与传导、突触结构 基因编辑 选修三《现代生物科技专题》第一章 基因工程工具酶、基因表达载体构建 生态模拟 必修三《稳态与环境》第五章 种群数量变化曲线、生态系统稳定性 命题趋势：明考情知方向 1.情境化命题： 以AI在生物学研究中的最新成果（如DeepMind的AlphaFold2、脑机接口临床试验）为背景，考查学生对教材知识的迁移能力。 示例：基于AI预测的某病毒蛋白质结构，设计抗病毒药物的作用位点分析题。 2.跨学科融合： 结合计算机科学（如算法原理、数据处理）和生物学知识，考查学生综合分析能力。 示例：分析AI模型如何通过氨基酸序列预测蛋白质结构（涉及生物信息学、机器学习）。 3.批判性思维与伦理考查： 设置开放性问题，要求学生讨论AI技术的伦理风险（如基因编辑婴儿、生物数据隐私）。 示例：辩论“AI是否应完全替代人类进行基因编辑决策”。 4.实验设计与数据分析： 提供AI生成的实验数据（如基因表达谱、蛋白质相互作用网络），要求学生设计实验验证假设。 示例：根据AI预测的蛋白质-蛋白质相互作用图谱，设计实验验证某两种蛋白的结合功能。 创新演练（建议用时：30分钟） 一、单选题 1．人工智能（AI）技术通过大数据分析、机器学习、深度学习等方法，为生物医药研究、药物开发、临床诊断和治疗等带来革命性的变化。下列关于AI技术在生物医药领域的应用，下列叙述错误的是（　　） A．AI技术设计的某种蛋白质的氨基酸序列推导出的对应基因序列不唯一，且基因序列中不包含启动子和终止子 B．AI技术通过智能穿戴设备和移动应用程序可实时监测患者的生理参数，预测健康风险，并提供相应的诊断和治疗建议 C．AI技术对大量的基因组数据进行处理和分析，可以识别疾病相关的基因突变，为精准医疗提供支持 D．AI技术对大量的蛋白质数据进行分析，能够预测患者体内某些蛋白质的三维结构以便设计新药物，该过程属于蛋白质工程技术 2．随着人工智能（AI）技术的快速发展，其在生物医药领域的应用日益广泛。AI技术通过大数据分析、机器学习、深度学习等方法，为生物医药研究、药物开发、临床诊断和治疗等方面带来了革命性的变化。下列关于AI技术在生物医药领域的应用叙述错误的是（　　） A．利用AI技术对大量的基因组数据进行处理和分析，可以识别疾病相关的基因突变，为精准医疗提供支持 B．利用AI技术对大量的蛋白质数据进行分析，能够预测患者体内某些蛋白质的三维结构以便设计新药物，该过程属于蛋白质工程技术 C．利用AI技术，通过智能穿戴设备和移动应用程序，能够实时监测患者的生理参数，预测健康风险，并提供相应的诊断和治疗建议 D．AI技术在生物医药领域的应用会涉及到众多的法规和伦理问题。例如，如何处理AI决策中的错误和责任、以及如何避免AI技术加剧医疗不平等等问题 3．蛋白质工程又称第二代基因工程，人工智能（AI）算法在蛋白质工程领域的应用已经被开发，下图为蛋白质工程的流程，下列相关叙述错误的是（    ）    A．蛋白质工程是基因工程的延伸，不需要对基因进行操作，直接对蛋白质进行加工改造 B．蛋白质工程可根据人类生产和生活的需要，设计并制造出自然界不存在的新的蛋白质 C．蛋白质工程可对药用蛋白进行改造，使其更好地用于人类疾病的治疗 D．AI算法在蛋白质工程领域应用的设想中，实现难度最大的是过程④ 4．近年来，人工智能(AI)算法在蛋白质工程领域的应用已经被开发，下列关于AI算法在蛋白质工程领域应用的设想中，实现难度最大的是（    ） A．根据人类对蛋白质的功能需求设计蛋白质的高级结构 B．根据蛋白质的空间结构推测其氨基酸序列 C．按照设定的氨基酸序列推测mRNA的碱基序列 D．按照设定的mRNA的碱基序列设计新基因 5．人工智能（AI）现在广泛应用于生物科学研究，某科研团队尝试用AI对蛋白质的结构进行分析。下列叙述正确的是（    ） A．AI对蛋白质的结构进行的分析就是分析构成蛋白质的氨基酸的数量、种类和顺序 B．激素、神经递质等信息分子具有特异性的原因是其各自的蛋白质结构具有特异性 C．AI还可对某蛋白基因序列进行预测，其预测的基因序列与细胞中的DNA序列相同 D．载体与运载的离子结合前后，蛋白质空间结构变化的情况也可以用AI进行分析 6．2024年诺贝尔化学奖颁发给蛋白质设计和蛋白质结构预测的相关研究。人工智能（AI）可依据肽链中氨基酸的某些参数预测蛋白质的结构，这些参数不包括（    ） A．肽链中肽键的结构 B．氨基酸所带的电荷类型 C．肽链中氨基酸的序列 D．氨基酸中R基团的结构 7．利用AI（人工智能）破解蛋白质结构和功能之谜，建立蛋白质数据库，并在此基础上进行蛋白质结构设计和优化，会给未来蛋白质工程的发展带来翻天覆地的变化。关于该技术的实施下列说法错误的是（    ） A．用AI预测新型蛋白质的基因结构应依据中心法则原理 B．可以通过改造或合成基因来获得AI设计的蛋白质 C．根据设计的某种蛋白质的氨基酸序列推理的基因序列中包含启动子和终止子 D．用蛋白质的氨基酸序列推测的RNA编码序列有多种可能，原因是密码子具有简并性 8．基于AI（人工智能）的蛋白质设计方法可通过现有蛋白质数据库及机器深度“学习算法”来预测新型蛋白质的结构和功能。下列叙述错误的是（    ） A．AI预测新型蛋白质的结构和功能依据的原理是中心法则 B．AI可帮助人们深入了解蛋白质分子结构和功能的关系 C．获得AI设计的蛋白质，可通过改造或合成基因来实现 D．AI可帮助人们高效地设计出自然界没有的蛋白质 9．2024年诺贝尔化学奖由三位科学家共享，他们用AI破译了蛋白质的结构“密码”，能够预测蛋白质结构并设计全新蛋白质。下列关于蛋白质的叙述，错误的是（    ） A．必需氨基酸可以在人体细胞中合成 B．组成不同蛋白质的氨基酸种类可能相同 C．许多蛋白质分子都含有两条或多条肽链 D．蛋白质都有与它所承担功能相适应的独特空间结构 10．2023年世界人工智能大会上，首个基于AI的蛋白质生成模型正式亮相，它能通过AI学习蛋白质序列和功能间的对应关系，根据预期功能直接设计出新蛋白质，为蛋白质工程发展提供了新方向。下列叙述正确的是（    ） A．蛋白质工程操作流程与遗传信息的流动方向相同 B．蛋白质工程需改变蛋白质分子中全部氨基酸序列 C．蛋白质工程和基因工程都需要构建基因表达载体 D．AI高效设计蛋白质须以碱基互补配对原则为基础 二、非选择题 11．阅读学习以下资料，回答相关问题： 蛋白质研究中的诺贝尔化学奖 蛋白质是氨基酸的多聚物。第一个被发现的氨基酸是天冬酰胺，发现于1806年。苏氨酸是1935年被发现的第20种氨基酸，硒代半胱氨酸是人类发现的第21种氨基酸。 1907年赫尔曼·埃米尔·费歇尔合成了含18个氨基酸的多肽，该多态具有和天然蛋白质相似的化学性质。1953年，英国生物化学家弗雷德里克·桑格利用独创的试剂和方法，测定出了胰岛素两条肽链的氨基酸序列，证明了蛋白质有明确的结构，为之后人工合成蛋白质奠定了基础，桑格因此获得了1958年的诺贝尔化学奖。1962年美国科学家约翰·肯德鲁与马克斯·佩鲁茨因为在蛋白质空间结构研究方面的贡献而获得了诺贝尔化学奖。肯德鲁和卢佩茨利用X射线衍射技术，分别发现了肌肉组织中肌红蛋白和血红蛋白的结构，这项成就使人们深入理解了蛋白质的结构和功能的关系。 1972年美国生物化学家克里斯琴·伯默尔·安芬森、斯坦福·摩尔、威廉·霍华德·斯坦因为研究核糖核酸酶共同荣获诺贝尔化学奖。他们揭示了核糖核酸酶的氨基酸序列与生物活性构象之间的关联。安芬森指出：对一些蛋白质来说，只要环境不变，它的天然结构就只由氨酸序列决定，换句话说，给定一个氨基酸序列，理论上就可以预测出蛋白质的三维结构。理解并预测蛋白质的三维结构，始终是科学家的梦想，但是这个问题难度特别大，因为即使是长度适中的序列，例如100个氨基酸的序列，它们形成的蛋白质结构数量可能是天文数字级的。 随着用实验手段确定结构的蛋白质的数量不断增加，基于氨基酸序列预测蛋白质结构的能力得到了显著提升。国际蛋白质结构数据库（PDB）收录了基于X射线衍射、核磁共振、冷冻电镜技术等实验手段确定的近20万种蛋白质的结构。将未知结构的蛋白质氨基酸序列与那些结构已经被证实的蛋白质氨基酸序列进行比较，并将这些信息与计算机算法结合起来，可以根据相似性做出蛋白质的结构预测。科学家于20世纪70年代开始创建计算机模型来预测给定蛋白质序列的折叠方式。1994年，美国科学家约翰·莫尔特倡议在全球范围内进行蛋白结构预测比赛（CASP）。比赛每两年举行一次，方式如下：大赛组织者向建模者提供数十种蛋白质的氨基酸序列，将建模者通过计算而预测到的蛋白质结构与通过冷冻电镜等实验技术确定的结构进行比较，得分90分以上的预测被认为与实验结果相当。早期的预测令人沮丧，到2016年，建模师的CASP得分通常保持在70多分的水平，准确率勉强达到40%。 2018年，蛋白质的结构预测迎来了“人工智能”时刻。英国GoogleDeepMind的德米斯·哈萨比斯和约翰·江珀开发了经历过蛋白质数据库学习训练的AI模型--AlphaFold。AlphaFold在2018年的CASP首秀中收获了接近80分的佳绩。2020年，新版AlphaFold2获得92．4分的惊人成绩，机器预测的准确度与实验方法相当。目前，AlphaFold2已经能够以超过90%的正确率依据氨基酸序列预测人类所知的2亿种蛋白质结构。AlphaFold极大减少了人工确定蛋白质结构的时间，并展示了人工智能对于科学发现的影响。此外，这项研究将有助于人们更好地了解疾病，加速新靶向药物的开发等，具有广泛的研究前景。德米斯·哈萨比斯和约翰·江珀因此成就荣获了2024年诺贝尔化学奖。虽然目前AI预测蛋白质结构的准确率很高，但也不是完全精确。对于蛋白质来说，序列上百分之几的差异可能就是完全不同的功能。 2003年，美国华盛顿大学医学院的大卫·贝克团队制造出了一种自然界中没有的全新的蛋白质。他们的工作流程是：先设计出自然界中从未存在过的蛋白质的结构图，接下来利用编制出的计算机程序，尝试找到构造出这一结构背后的氨基酸序列，再根据这个序列制造出相应的蛋白质，并利用X射线衍射等实验技术解析出蛋白质的结构。他们发现实验解析出的结构和预先绘制的预测结构几乎一致。大卫·贝克团队的研究是“从头设计”蛋白质的重大突破，打开了蛋白质结构的新世界，为造福人类提供了无限可能。2024年诺贝尔化学奖的另一半授予了大卫·贝克，以表彰他在蛋白质设计领域的突出贡献。 (1)蛋白质是氨基酸的多聚物，如果根据人体中组成蛋白质的21种氨基酸来计算，一个由100个氨基酸构成的一条肽链可能的种类为 。 (2)1962年科学家解析了人类血红蛋白的三维结构，该分子由4条肽链组成，其中2条a链各含141个氨基酸，2条β链各含146个氨基酸。这些氨基酸分子缩合成肽链时，共形成肽键的数目是 ，血红蛋白至少含有羧基的数目是 。 (3)科学家研发AlphaFold的过程中，需要建立数据库训练AlphaFold程序。根据资料推测，建立的数据库中应该包含蛋白质的 信息和 信息。 (4)图所示蛋白质氨基酸序列和三维结构的关系，图中表示大卫·贝克和德米斯·哈萨比斯的研究思路的字母分别是 、 。 (5)根据资料判断下列表述错误的是（    ） A．大卫·贝克和德米斯·哈萨比斯两个团队可以为彼此的技术研发提供借鉴 B．人工智能技术对蛋白质结构的预测能促进人类对蛋白质三维结构形成机制的深入研究 C．利用现代生物技术可改造自然界中原有的蛋白质，但不能获得全新的蛋白质 D．目前AlphaFold人工智能技术不能完全取代实验技术研究蛋白质的结构 原创精品资源学科网独家享有版权，侵权必究！1 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 $$ 热点01 人工智能（AI）与生物学 目录 1.热点解读：热点命题方向解读、核心考点明晰 2.关联教材：链接教材掌知识、基础打牢应万变 3.命题趋势：明考情知方向、巧预测押热点 3.创新演练：知情境、练突破（30min限时练) 热点解读 1.蛋白质结构与功能 核心考点：蛋白质的四级结构、氨基酸序列与空间结构的关系、酶的作用机制。 AI关联：AlphaFold预测蛋白质结构的原理（深度学习算法）、AI模拟酶催化过程。 典型题型：结合AI预测的蛋白质结构数据，分析基因突变对蛋白质功能的影响。 2.神经调节与脑机接口 核心考点：动作电位的产生机制、突触传递过程、神经调节的分级调控。 AI关联：脑机接口的信号采集（如非侵入式EEG）、AI算法对神经信号的解码与应用。 典型题型：通过脑机接口案例，分析神经元兴奋时的离子变化及信号传递路径。 3.基因编辑与合成生物学 核心考点：基因工程工具（如CRISPR-Cas9）、基因表达调控、生物安全性。 AI关联：AI辅助设计基因编辑工具、合成生物学中人工代谢途径的优化。 典型题型：讨论AI在基因编辑脱靶效应预测中的作用及伦理争议。 4.生态与进化计算 核心考点：种群增长模型、自然选择与进化机制。 AI关联：进化算法模拟物种适应过程、AI预测生态系统变化。 典型题型：结合AI模拟数据，分析环境变化对种群基因频率的影响。 关联教材 AI热点 教材章节 核心知识点 蛋白质结构预测 必修一《分子与细胞》第三章 氨基酸脱水缩合、蛋白质空间结构多样性 脑机接口 必修三《稳态与环境》第二章 神经冲动的产生与传导、突触结构 基因编辑 选修三《现代生物科技专题》第一章 基因工程工具酶、基因表达载体构建 生态模拟 必修三《稳态与环境》第五章 种群数量变化曲线、生态系统稳定性 命题趋势 明考情知方向 1.情境化命题： 以AI在生物学研究中的最新成果（如DeepMind的AlphaFold2、脑机接口临床试验）为背景，考查学生对教材知识的迁移能力。 示例：基于AI预测的某病毒蛋白质结构，设计抗病毒药物的作用位点分析题。 2.跨学科融合： 结合计算机科学（如算法原理、数据处理）和生物学知识，考查学生综合分析能力。 示例：分析AI模型如何通过氨基酸序列预测蛋白质结构（涉及生物信息学、机器学习）。 3.批判性思维与伦理考查： 设置开放性问题，要求学生讨论AI技术的伦理风险（如基因编辑婴儿、生物数据隐私）。 示例：辩论“AI是否应完全替代人类进行基因编辑决策”。 4.实验设计与数据分析： 提供AI生成的实验数据（如基因表达谱、蛋白质相互作用网络），要求学生设计实验验证假设。 示例：根据AI预测的蛋白质-蛋白质相互作用图谱，设计实验验证某两种蛋白的结合功能。 创新演练（建议用时：30分钟） 一、单选题 1．人工智能（AI）技术通过大数据分析、机器学习、深度学习等方法，为生物医药研究、药物开发、临床诊断和治疗等带来革命性的变化。下列关于AI技术在生物医药领域的应用，下列叙述错误的是（　　） A．AI技术设计的某种蛋白质的氨基酸序列推导出的对应基因序列不唯一，且基因序列中不包含启动子和终止子 B．AI技术通过智能穿戴设备和移动应用程序可实时监测患者的生理参数，预测健康风险，并提供相应的诊断和治疗建议 C．AI技术对大量的基因组数据进行处理和分析，可以识别疾病相关的基因突变，为精准医疗提供支持 D．AI技术对大量的蛋白质数据进行分析，能够预测患者体内某些蛋白质的三维结构以便设计新药物，该过程属于蛋白质工程技术 【答案】D 【分析】蛋白质工程概念及基本原理（1）蛋白质工程是指以蛋白质分子的结构规律及其生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，以满足人类的生产和生活的需求。（基因工程在原则上只能生产自然界已存在的蛋白质）（2）蛋白质工程崛起的缘由：基因工程只能生产自然界已存在的蛋白质。（3）蛋白质工程的基本原理：它可以根据人的需求来设计蛋白质的结构，又称为第二代的基因工程。（4）基本途径：预期蛋白质功能→设计预期的蛋白质结构→推测应有氨基酸序列→找到对应的脱氧核苷酸序列（基因），最终还是回到基因工程上来解决蛋白质的合成。 【详解】A、密码子具有简并性，故AI技术设计的某种蛋白质的氨基酸序列推导出的对应基因序列不唯一，启动子和终止子为非编码区，由氨基酸序列推理的基因序列中不包含启动子和终止子，A正确； B、利用AI技术，通过智能穿戴设备和移动应用程序，能够实时监测患者的生理参数，预测健康风险，并提供相应的诊断和治疗建议，AI技术为临床诊断和治疗等方面带来了革命性的变化，B正确； C、AI技术在基因组数据处理和分析中的应用，通过识别疾病相关的基因突变，为精准医疗的实现提供了强大的技术支持，C正确； D、蛋白质工程是指以蛋白质分子的结构规律及其生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，利用AI技术设计新药物，没有对现有蛋白质进行改造，或制造一种新的蛋白质，不属于蛋白质工程技术，D错误。 故选D。 2．随着人工智能（AI）技术的快速发展，其在生物医药领域的应用日益广泛。AI技术通过大数据分析、机器学习、深度学习等方法，为生物医药研究、药物开发、临床诊断和治疗等方面带来了革命性的变化。下列关于AI技术在生物医药领域的应用叙述错误的是（　　） A．利用AI技术对大量的基因组数据进行处理和分析，可以识别疾病相关的基因突变，为精准医疗提供支持 B．利用AI技术对大量的蛋白质数据进行分析，能够预测患者体内某些蛋白质的三维结构以便设计新药物，该过程属于蛋白质工程技术 C．利用AI技术，通过智能穿戴设备和移动应用程序，能够实时监测患者的生理参数，预测健康风险，并提供相应的诊断和治疗建议 D．AI技术在生物医药领域的应用会涉及到众多的法规和伦理问题。例如，如何处理AI决策中的错误和责任、以及如何避免AI技术加剧医疗不平等等问题 【答案】B 【分析】蛋白质工程概念及基本原理（1）蛋白质工程是指以蛋白质分子的结构规律及其生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，以满足人类的生产和生活的需求。（基因工程在原则上只能生产自然界已存在的蛋白质）（2）蛋白质工程崛起的缘由：基因工程只能生产自然界已存在的蛋白质。（3）蛋白质工程的基本原理：它可以根据人的需求来设计蛋白质的结构，又称为第二代的基因工程。（4）基本途径：预期蛋白质功能→设计预期的蛋白质结构→推测应有氨基酸序列→找到对应的脱氧核苷酸序列（基因），最终还是回到基因工程上来解决蛋白质的合成。 【详解】A、AI技术在基因组数据处理和分析中的应用，通过识别疾病相关的基因突变，为精准医疗的实现提供了强大的技术支持‌，A正确； B、蛋白质工程是指以蛋白质分子的结构规律及其生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，利用AI技术设计新药物，没有对现有蛋白质进行改造，或制造一种新的蛋白质，不属于蛋白质工程技术，B错误； C、利用AI技术，通过智能穿戴设备和移动应用程序，能够实时监测患者的生理参数，预测健康风险，并提供相应的诊断和治疗建议，AI技术为临床诊断和治疗等方面带来了革命性的变化，C正确； D、AI技术在生物医药领域的应用会涉及到众多的法规和伦理问题。例如，如何处理AI决策中的错误和责任、以及如何避免AI技术加剧医疗不平等等问题，当AI系统在医疗决策中发挥作用时，如何确保其决策的合法性和伦理性是一个重要的考量，D正确。 故选B。 3．蛋白质工程又称第二代基因工程，人工智能（AI）算法在蛋白质工程领域的应用已经被开发，下图为蛋白质工程的流程，下列相关叙述错误的是（    ）    A．蛋白质工程是基因工程的延伸，不需要对基因进行操作，直接对蛋白质进行加工改造 B．蛋白质工程可根据人类生产和生活的需要，设计并制造出自然界不存在的新的蛋白质 C．蛋白质工程可对药用蛋白进行改造，使其更好地用于人类疾病的治疗 D．AI算法在蛋白质工程领域应用的设想中，实现难度最大的是过程④ 【答案】A 【分析】1、蛋白质工程是指以蛋白质分子的结构规律及其与生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，以满足人类的生产和生活的需求。 2、蛋白质工程的过程：预期蛋白质功能→设计预期的蛋白质结构→推测应有氨基酸序列→找到对应的脱氧核苷酸序列（基因）。 【详解】A、蛋白质工程并不是直接对蛋白质进行加工修饰的，是通过基因修饰或基因合成等方法，对现有蛋白质进行改造，A错误； B、基因工程原则上只能生产自然界中已存在的蛋白质，蛋白质工程要改造现有的蛋白质产生自然界不存在的新蛋白质，或制造一种新的蛋白质，B正确； C、蛋白质工程可对药用蛋白如干扰素、抗体等进行改造，使其更好地用于人类疾病的治疗，C正确； D、蛋白质工程中难度最大的是根据人类对蛋白质的功能需求设计蛋白质的高级结构，即④是难度最大的过程，D正确。 故选A。 4．近年来，人工智能(AI)算法在蛋白质工程领域的应用已经被开发，下列关于AI算法在蛋白质工程领域应用的设想中，实现难度最大的是（    ） A．根据人类对蛋白质的功能需求设计蛋白质的高级结构 B．根据蛋白质的空间结构推测其氨基酸序列 C．按照设定的氨基酸序列推测mRNA的碱基序列 D．按照设定的mRNA的碱基序列设计新基因 【答案】A 【分析】蛋白质工程的过程：根据中心法则逆推以确定目的基因的碱基序列：预期蛋白质功能→设计预期的蛋白质结构→推测应有氨基酸序列→找到对应的脱氧核苷酸序列（基因）；最终还是回到基因工程上来解决蛋白质的合成。 【详解】根据中心法则逆推以确定目的基因的碱基序列：预期蛋白质功能→设计预期的蛋白质结构→推测应有氨基酸序列→找到对应的脱氧核苷酸序列（基因）。其中根据人类对蛋白质的功能需求设计蛋白质的高级结构是最难实现的。A正确，BCD错误。 故选A。 5．人工智能（AI）现在广泛应用于生物科学研究，某科研团队尝试用AI对蛋白质的结构进行分析。下列叙述正确的是（    ） A．AI对蛋白质的结构进行的分析就是分析构成蛋白质的氨基酸的数量、种类和顺序 B．激素、神经递质等信息分子具有特异性的原因是其各自的蛋白质结构具有特异性 C．AI还可对某蛋白基因序列进行预测，其预测的基因序列与细胞中的DNA序列相同 D．载体与运载的离子结合前后，蛋白质空间结构变化的情况也可以用AI进行分析 【答案】D 【分析】1、构成蛋白质的基本单位是氨基酸，其结构特点是：每种氨基酸分子至少都含有一个氨基和一个羧基，且都有一个氨基和一个羧基连接在同一个碳原子上，氨基酸的不同在于R基的不同。由于组成蛋白质的氨基酸的种类、数目、排列次序不同，肽链的空间结构千差万别，因此蛋白质分子的结构具有多样性。 2、每个特定的DNA分子中具有特定的碱基排列顺序，而特定的排列顺序代表着遗传信息，所以每个特定的DNA分子中都贮存着特定的遗传信息，这种特定的碱基排列顺序就决定了DNA分子的特异性。 【详解】A、根据题意可知，AI可以对蛋白质的结构进行分析，AI对蛋白质的结构进行的分析不仅仅分析构成蛋白质的氨基酸的数量、种类和顺序，还有肽链的盘曲折叠方式，A错误； B、有些激素不是蛋白质，比如性激素，所以信息分子具有特异性的原因不一定是其各自的蛋白质结构具有特异性，B错误； C、细胞中DNA序列上存在外显子和内含子，因此AI预测的基因序列与细胞中的DNA序列不相同，C错误； D、载体与运载的离子结合前后，蛋白质空间结构变化的情况也可以用AI进行分析，D正确。 故选D。 6．2024年诺贝尔化学奖颁发给蛋白质设计和蛋白质结构预测的相关研究。人工智能（AI）可依据肽链中氨基酸的某些参数预测蛋白质的结构，这些参数不包括（    ） A．肽链中肽键的结构 B．氨基酸所带的电荷类型 C．肽链中氨基酸的序列 D．氨基酸中R基团的结构 【答案】A 【分析】1、构成蛋白质的基本单位是氨基酸，其结构通式是，即每种氨基酸分子至少都含有一个氨基和一个羧基，且都有一个氨基和一个羧基连接在同一个碳原子上，这个碳原子还连接一个氢和一个R基，氨基酸的不同在于R基的不同； 2、蛋白质的结构多样性与氨基酸的数目、种类、排列顺序，肽链的盘曲、折叠方式及其形成的空间结构有关。 【详解】A、所有构成蛋白质的肽链中肽键的结构均是相同的，不会对蛋白质的特性造成影响，与题意相符，A正确； B、氨基酸所带的电荷会影响蛋白质的性质，与题意不符，B错误； C、肽链中氨基酸的种类、数目和序列会影响肽链的空间结构进而影响蛋白质的结构，与题意不符，C错误。 D、氨基酸R基团的结构决定了氨基酸的性质，进而影响了蛋白质的结构和性质，与题意不符，D错误。 故选A。 7．利用AI（人工智能）破解蛋白质结构和功能之谜，建立蛋白质数据库，并在此基础上进行蛋白质结构设计和优化，会给未来蛋白质工程的发展带来翻天覆地的变化。关于该技术的实施下列说法错误的是（    ） A．用AI预测新型蛋白质的基因结构应依据中心法则原理 B．可以通过改造或合成基因来获得AI设计的蛋白质 C．根据设计的某种蛋白质的氨基酸序列推理的基因序列中包含启动子和终止子 D．用蛋白质的氨基酸序列推测的RNA编码序列有多种可能，原因是密码子具有简并性 【答案】C 【分析】1、蛋白质工程是指以蛋白质分子结构规律及其与生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，以满足人类的生产和生活需求，蛋白质工程能对现有的蛋白质进行改造或制造一种新的蛋白质；而基因工程原则上能生产自然界已有的蛋白质。 2、蛋白质工程的基本思路：从预期的蛋白质功能出发→设计预期的蛋白质结构→推测应有的氨基酸序列→找到并改变相对应的脱氧核苷酸序列或合成新的基因→获得所需要的蛋白质。 【详解】A、用AI预测新型蛋白质的基因结构依据的原理是中心法则，从蛋白质结构反推出氨基酸序列，再反推出相应基因序列，A正确； B、对蛋白质的改造是通过改造或合成基因来完成的，B正确； C、启动子和终止子为非编码区，故由氨基酸序列推理的基因序列中不包含启动子和终止子，C错误； D、因为一种氨基酸可能对应多种密码子（简并性），故用蛋白质的氨基酸序列推测的RNA编码序列有多种可能，D正确。 故选C。 8．基于AI（人工智能）的蛋白质设计方法可通过现有蛋白质数据库及机器深度“学习算法”来预测新型蛋白质的结构和功能。下列叙述错误的是（    ） A．AI预测新型蛋白质的结构和功能依据的原理是中心法则 B．AI可帮助人们深入了解蛋白质分子结构和功能的关系 C．获得AI设计的蛋白质，可通过改造或合成基因来实现 D．AI可帮助人们高效地设计出自然界没有的蛋白质 【答案】A 【分析】1、蛋白质工程是指以蛋白质分子结构规律及其与生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，以满足人类的生产和生活需求，蛋白质工程能对现有的蛋白质进行改造或制造一种新的蛋白质；而基因工程原则上能生产自然界已有的蛋白质。 2、蛋白质工程的基本思路：从预期的蛋白质功能出发→设计预期的蛋白质结构→推测应有的氨基酸序列→找到并改变相对应的脱氧核苷酸序列或合成新的基因→获得所需要的蛋白质。 【详解】A、AI预测新型蛋白质的结构和功能依据的原理是蛋白质的结构决定其功能，A错误； B、基于AI（人工智能）的蛋白质设计方法可通过现有蛋白质数据库及机器深度“学习算法”来预测新型蛋白质的结构和功能，故获得AI设计的蛋白质，可通过改造或合成基因来实现，B正确； CD、蛋白质工程是指以蛋白质分子结构规律及其与生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，以满足人类的生产和生活需求，蛋白质工程能对现有的蛋白质进行改造或制造一种新的蛋白质；而基因工程原则上能生产自然界已有的蛋白质，获得AI设计的蛋白质，可通过改造或合成基因来实现，AI可帮助人们高效地设计出自然界没有的蛋白质，CD正确。 故选A。 9．2024年诺贝尔化学奖由三位科学家共享，他们用AI破译了蛋白质的结构“密码”，能够预测蛋白质结构并设计全新蛋白质。下列关于蛋白质的叙述，错误的是（    ） A．必需氨基酸可以在人体细胞中合成 B．组成不同蛋白质的氨基酸种类可能相同 C．许多蛋白质分子都含有两条或多条肽链 D．蛋白质都有与它所承担功能相适应的独特空间结构 【答案】A 【分析】蛋白质的结构多样性与氨基酸的数目、种类、排列顺序，肽链的盘曲、折叠方式及其形成的空间结构有关。 【详解】A、必需氨基酸不能人体细胞中合成，只能从外界摄取，A错误； B、组成不同蛋白质的氨基酸在种类、排列序列上存在差异，B正确； C、多肽经过盘曲折叠才能形成具有一定空间结构的蛋白质，许多蛋白质分子都含有两条或多条肽链，C正确； D、结构决定功能，蛋白质都有与它所承担功能相适应的独特空间结构，D正确； 故选A。 10．2023年世界人工智能大会上，首个基于AI的蛋白质生成模型正式亮相，它能通过AI学习蛋白质序列和功能间的对应关系，根据预期功能直接设计出新蛋白质，为蛋白质工程发展提供了新方向。下列叙述正确的是（    ） A．蛋白质工程操作流程与遗传信息的流动方向相同 B．蛋白质工程需改变蛋白质分子中全部氨基酸序列 C．蛋白质工程和基因工程都需要构建基因表达载体 D．AI高效设计蛋白质须以碱基互补配对原则为基础 【答案】C 【分析】1、蛋白质工程是指以蛋白质分子结构规律及其与生物功能的关系作为基础，通过基因修饰或基因合成，对现有蛋白质进行改造，或制造一种新的蛋白质，以满足人类的生产和生活需求，蛋白质工程能对现有的蛋白质进行改造或制造一种新的蛋白质；而基因工程原则上能生产自然界已有的蛋白质。2、蛋白质工程的基本思路：从预期的蛋白质功能出发→设计预期的蛋白质结构→推测应有的氨基酸序列→找到并改变相对应的脱氧核苷酸序列或合成新的基因→获得所需要的蛋白质。 【详解】A、蛋白质工程操作流程与遗传信息的流动方向相反，A错误； B、蛋白质工程不一定要改变蛋白质分子中全部氨基酸的序列，可以是个别氨基酸的改变，B错误； C、蛋白质工程是通过对基因进行修饰改造或重新合成，然后进行表达，同基因工程一样，都需要构建基因表达载体，C正确； D、AI高效设计蛋白质以结构和功能关系为基础，根据预期功能直接设计出新蛋白质，D错误。 故选C。 二、非选择题 11．阅读学习以下资料，回答相关问题： 蛋白质研究中的诺贝尔化学奖 蛋白质是氨基酸的多聚物。第一个被发现的氨基酸是天冬酰胺，发现于1806年。苏氨酸是1935年被发现的第20种氨基酸，硒代半胱氨酸是人类发现的第21种氨基酸。 1907年赫尔曼·埃米尔·费歇尔合成了含18个氨基酸的多肽，该多态具有和天然蛋白质相似的化学性质。1953年，英国生物化学家弗雷德里克·桑格利用独创的试剂和方法，测定出了胰岛素两条肽链的氨基酸序列，证明了蛋白质有明确的结构，为之后人工合成蛋白质奠定了基础，桑格因此获得了1958年的诺贝尔化学奖。1962年美国科学家约翰·肯德鲁与马克斯·佩鲁茨因为在蛋白质空间结构研究方面的贡献而获得了诺贝尔化学奖。肯德鲁和卢佩茨利用X射线衍射技术，分别发现了肌肉组织中肌红蛋白和血红蛋白的结构，这项成就使人们深入理解了蛋白质的结构和功能的关系。 1972年美国生物化学家克里斯琴·伯默尔·安芬森、斯坦福·摩尔、威廉·霍华德·斯坦因为研究核糖核酸酶共同荣获诺贝尔化学奖。他们揭示了核糖核酸酶的氨基酸序列与生物活性构象之间的关联。安芬森指出：对一些蛋白质来说，只要环境不变，它的天然结构就只由氨酸序列决定，换句话说，给定一个氨基酸序列，理论上就可以预测出蛋白质的三维结构。理解并预测蛋白质的三维结构，始终是科学家的梦想，但是这个问题难度特别大，因为即使是长度适中的序列，例如100个氨基酸的序列，它们形成的蛋白质结构数量可能是天文数字级的。 随着用实验手段确定结构的蛋白质的数量不断增加，基于氨基酸序列预测蛋白质结构的能力得到了显著提升。国际蛋白质结构数据库（PDB）收录了基于X射线衍射、核磁共振、冷冻电镜技术等实验手段确定的近20万种蛋白质的结构。将未知结构的蛋白质氨基酸序列与那些结构已经被证实的蛋白质氨基酸序列进行比较，并将这些信息与计算机算法结合起来，可以根据相似性做出蛋白质的结构预测。科学家于20世纪70年代开始创建计算机模型来预测给定蛋白质序列的折叠方式。1994年，美国科学家约翰·莫尔特倡议在全球范围内进行蛋白结构预测比赛（CASP）。比赛每两年举行一次，方式如下：大赛组织者向建模者提供数十种蛋白质的氨基酸序列，将建模者通过计算而预测到的蛋白质结构与通过冷冻电镜等实验技术确定的结构进行比较，得分90分以上的预测被认为与实验结果相当。早期的预测令人沮丧，到2016年，建模师的CASP得分通常保持在70多分的水平，准确率勉强达到40%。 2018年，蛋白质的结构预测迎来了“人工智能”时刻。英国GoogleDeepMind的德米斯·哈萨比斯和约翰·江珀开发了经历过蛋白质数据库学习训练的AI模型--AlphaFold。AlphaFold在2018年的CASP首秀中收获了接近80分的佳绩。2020年，新版AlphaFold2获得92．4分的惊人成绩，机器预测的准确度与实验方法相当。目前，AlphaFold2已经能够以超过90%的正确率依据氨基酸序列预测人类所知的2亿种蛋白质结构。AlphaFold极大减少了人工确定蛋白质结构的时间，并展示了人工智能对于科学发现的影响。此外，这项研究将有助于人们更好地了解疾病，加速新靶向药物的开发等，具有广泛的研究前景。德米斯·哈萨比斯和约翰·江珀因此成就荣获了2024年诺贝尔化学奖。虽然目前AI预测蛋白质结构的准确率很高，但也不是完全精确。对于蛋白质来说，序列上百分之几的差异可能就是完全不同的功能。 2003年，美国华盛顿大学医学院的大卫·贝克团队制造出了一种自然界中没有的全新的蛋白质。他们的工作流程是：先设计出自然界中从未存在过的蛋白质的结构图，接下来利用编制出的计算机程序，尝试找到构造出这一结构背后的氨基酸序列，再根据这个序列制造出相应的蛋白质，并利用X射线衍射等实验技术解析出蛋白质的结构。他们发现实验解析出的结构和预先绘制的预测结构几乎一致。大卫·贝克团队的研究是“从头设计”蛋白质的重大突破，打开了蛋白质结构的新世界，为造福人类提供了无限可能。2024年诺贝尔化学奖的另一半授予了大卫·贝克，以表彰他在蛋白质设计领域的突出贡献。 (1)蛋白质是氨基酸的多聚物，如果根据人体中组成蛋白质的21种氨基酸来计算，一个由100个氨基酸构成的一条肽链可能的种类为 。 (2)1962年科学家解析了人类血红蛋白的三维结构，该分子由4条肽链组成，其中2条a链各含141个氨基酸，2条β链各含146个氨基酸。这些氨基酸分子缩合成肽链时，共形成肽键的数目是 ，血红蛋白至少含有羧基的数目是 。 (3)科学家研发AlphaFold的过程中，需要建立数据库训练AlphaFold程序。根据资料推测，建立的数据库中应该包含蛋白质的 信息和 信息。 (4)图所示蛋白质氨基酸序列和三维结构的关系，图中表示大卫·贝克和德米斯·哈萨比斯的研究思路的字母分别是 、 。 (5)根据资料判断下列表述错误的是（    ） A．大卫·贝克和德米斯·哈萨比斯两个团队可以为彼此的技术研发提供借鉴 B．人工智能技术对蛋白质结构的预测能促进人类对蛋白质三维结构形成机制的深入研究 C．利用现代生物技术可改造自然界中原有的蛋白质，但不能获得全新的蛋白质 D．目前AlphaFold人工智能技术不能完全取代实验技术研究蛋白质的结构 【答案】(1)21100 (2) 570 4 (3) 氨基酸序列 （已知）结构 (4) b a (5)C 【分析】蛋白质的结构：蛋白质的多样性与氨基酸的种类、数目、排序、肽链的盘曲折叠方式、形成的空间结构有关。氨基酸通过脱水缩合的方式连接形成肽链，脱水缩合的过程中，每形成一个肽键就脱去一分子的水。脱去的水分子数=肽键数=氨基酸数-肽链数。 【详解】（1）人体中组成蛋白质的21种氨基酸，则100个氨基酸形成的肽链中有100个氨基酸的位置，且每个氨基酸位置可以有21种可能性，因此100个氨基酸组成的肽链数有21100种可能。 （2）该分子由4条肽链组成，其中2条a链各含141个氨基酸，2条β链各含146个氨基酸。则这些氨基酸分子缩合成肽链时，共形成肽键的数目是（141+146）×2-4=570，由于每条肽链的两端各有一个氨基和一个羧基，因此，该蛋白质分子中至少含有的羧基数=肽链数=4。 （3） AlphaFold程序需要将未知结构的蛋白质氨基酸序列与那些结构已经被证实的蛋白质氨基酸序列进行比较，并将这些信息与计算机算法结合起来，可以根据相似性做出蛋白质的结构预测。所以数据库中应该包含蛋白质的氨基酸序列信息和（已知）结构信息。 （4）大卫·贝克团队的思路相当于是蛋白质工程的思路，所以需要根据先设计出蛋白质的结构图去推测背后的氨基酸序列，对应b，而德米斯·哈萨比斯依据氨基酸序列预测种蛋白质结构，对应的是a。 （5） A、大卫·贝克和德米斯·哈萨比斯两个团队的思路不一样，可以相互借鉴，A正确； B、AlphaFold等人工智能技术对蛋白质结构的预测能促进人类对蛋白质三维结构形成机制的深入研究，因而可以相互促进，B正确； C、利用现代生物技术既可获得全新的蛋白质，也可改造自然界中原有的蛋白质，C错误； D、AlphaFold等人工智能技术不能取代实验技术研究蛋白质的结构，因为科学的发现离不开实验，D正确。 故选C。 原创精品资源学科网独家享有版权，侵权必究！11 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 $$