Computationele Biochemie

Vakinformatie

Mondeling examen met schriftelijke voorbereiding bij Xin en Peter Dedecker. Xin neemt het examen af, Dedecker zit erbij voor eventuele vertaling naar het Engels maar hij kan ook nog bijvragen stellen. Als Dedecker er niet kan zijn, zit er iemand anders om te vertalen. Alle vragen staan zowel in het Nederlands als het Engels en je mag kiezen in welke taal je antwoordt, maar Engels is handiger om in gesprek te gaan met Xin. Je krijgt 3 vragen: de eerste vraag is coderen. Hiervoor krijg je een aantal functies die je kan gebruiken. De tweede vraag gaat over 1 van de assignments. Hierbij krijg je ook een deel code en moet je daar vragen over beantwoorden. De derde vraag gaat over je groepswerk. Er zijn ongeveer 5 bijvragen hier.

Examenvragen

19/06/2026 NM

1. Write a function plot_analytical_solution() that: takes rate constant k and initial concentration [A]0 as parameters, uses np.linspace to create time points (e.g., 0 to 10 seconds), calculates

[ A ] ( t ) [A](t) over time, plots the concentration profile, includes proper axis labels.

Functies plt.show() plt.xlabel(), plt.ylabel(), plt.legend() ... allemaal gegeven, np.linspace(min, max, num) en np.exp() ook

1. Algorythmic Understanding: code gegeven over convolution kernel met afbeelding vanonder (eerst afbeelding [7,7] met value 0(zwart), daarin [2:5, 2:5] met value 1(wit), tweede afbeelding is met convolution dus de overgang van zwart naar wit gaat via grijstinten)
   1. Wat is een convolution kernel? Hoe kom je tot deze afbeelding?
   2. Bereken de waarde voor positie 3,3 en positie 2,2 en verklaar de afbeelding voor die posities (3,3 is het midden en wit, 2,2 is er linksboven en is grijs)
   3. Welke soort kernel wordt gebruikt voor randdetectie. Geef een voorbeeld van een toepassing van convolution in de microscopie of computationeren.
2. Groepsproject: 5 vragen, eerste vraag: wat was de main goal van jullie project en wat was jouw rol hierin?

8/06/2026 (VM)

1. Kleine probleem set (zelf code schrijven): Hamming Distance
2. Big problem set (Code gegeven en vragen erover beantwoorden): Manhattan Tourist Problem using Top-Down dynamics with memoization and path traceback
   1. Explain the role of 'self.memo' (explain what information is stored in 'self.memo', why the keys are tuples such as (i,j), and how this changes the efficiency of the recursive solution.

   Bijvragen:

   • what would happen if we remove 'self.memo'
   • What is 'self.memo'?
   • what kind of information stores 'self.memo' (possibilities: string, ...)

   1. Identify the base cases and the recursive cases in 'MTP(i,j)', and explain why they are necessary (distinguish clearly between the starting condition of the recursion, the condition that prevents the algorithm from leaving the grid and the part that reduces the problem to smaller subproblems)

   Bijvragen:

   • Why -1 and not 0 (for the part that prevents the algorithm from leaving the grid)

   1. Explain how the algorithm finds not only the optimal score but also the optimal path. (Describe the roles of 'up', 'left', ' diagonal', 'self.path', and 'get.path()'. The answer should make clear why the following stored predecessors reconstruct an optimal path.

   Bijvragen:

3. Groups project

   • GP3 (raw and minimised torsion angle comparison)

   1. Explain Ramachandran and Janin plot

   • Wat is put on which axis
   • What is the difference between them

   1. Give the atoms that define phi and psi
   2. Where in the plot is the beta-sheet and why
   3. Explain the given code (here, the code was the one from the dehidral angle)

   • W what do v1, v2, v3, n1 and n2 represent
   • What makes up a "vlak"

   1. Given 3 Ramachandran plots (raw, minimised and overlay)

   • Do these plots represent 1 protein or a protein set?
   • When would we use these plots? What are they used for?