¥
立即购买

学术多选题生成器

359 浏览
32 试用
8 购买
Dec 10, 2025更新

为特定课程主题生成符合学术规范的多选题,适用于教育工作者进行课程设计与学习评估。本提示词强调基于证据的论点、正式客观的学术写作风格,并确保问题的专业性与准确性,直接服务于教学材料开发的核心需求。

以下为围绕“细胞呼吸与ATP合成”的5道多选题。每题均与既定学习目标对齐,情境真实可验证,聚焦机制与应用,题干后提供参考答案与逐项解析,并附主要参考文献。

  1. 目标对齐:比较底物水平磷酸化与化学渗透;解释关键环节定位 情境:考虑经典呼吸控制实验与药理干预(寡霉素抑制ATP合酶,FCCP为质子载体解偶联剂)对线粒体代谢通量的影响,比较底物水平磷酸化(SLP)与氧化磷酸化(OxPhos)。 问题:下列说法哪些正确? A. 寡霉素不抑制柠檬酸循环中由琥珀酰辅酶A合成酶催化的GTP形成 B. FCCP可在不增加ATP合成速率的情况下显著提高耗氧速率 C. 底物水平磷酸化在缺氧条件下完全停止 D. 底物水平磷酸化不依赖跨内膜的质子驱动势(Δp) E. 糖酵解包含两个底物水平磷酸化步骤,分别由磷酸甘油酸激酶与丙酮酸激酶催化 参考答案:A, B, D, E 解析:
  • A 正确。寡霉素直接抑制F1Fo-ATP合酶的Fo通道,不影响TCA循环中琥珀酰辅酶A合成酶(又称琥珀酸硫激酶)催化的GTP生成(SLP),该反应发生于线粒体基质并不依赖Δp。(Lehninger;Nicholls & Ferguson)
  • B 正确。FCCP耗散Δp,从而解除对电子传递的背压抑制,提高电子传递与耗氧速率,但ATP合成并不增加,表观P/O下降(解偶联)。(Nicholls & Ferguson)
  • C 错误。SLP不依赖氧气,因而在缺氧时仍可发生(如糖酵解两处SLP;TCA中GTP生成)。但缺氧会抑制OxPhos。(Lehninger)
  • D 正确。SLP由高能中间体直接磷酸化ADP/GDP,与化学渗透耦联无关。(Lehninger)
  • E 正确。糖酵解的SLP发生在1,3-二磷酸甘油酸→3-磷酸甘油酸(磷酸甘油酸激酶)与磷酸烯醇式丙酮酸→丙酮酸(丙酮酸激酶)两步。(Lehninger)
  1. 目标对齐:解释氧化磷酸化机制与呼吸控制;数据解读 情境:以丙酮酸/苹果酸供电子的分离线粒体(30 °C)进行Clark电极测氧。结果:State 2(基质有底物、无ADP)耗氧速率=18 nmol O2 min^-1 mg^-1;加入1.0 mmol·L^-1 ADP后State 3=120;ADP耗尽后(State 4)=22;加寡霉素(2 μg·mL^-1)=6;再加FCCP(1 μmol·L^-1)=140。 问题:下列推断哪些成立? A. 呼吸控制比RCR(State 3 ÷ State 4)约为5–6 B. 寡霉素的作用等同“解偶联”,因其提高耗氧速率 C. FCCP消除Δp带来的限制,即使ATP合酶被抑制,电子传递仍可接近最大通量 D. 若随后加入鱼藤酮(复合体I抑制剂),耗氧速率将基本不变 E. 数据显示线粒体内膜完整且紧密偶联 参考答案:A, C, E 解析:
  • A 正确。RCR≈120/22≈5.5,为良好偶联的典型范围。(Nicholls & Ferguson)
  • B 错误。寡霉素抑制ATP合酶,增强Δp而抑制电子传递,降低耗氧;解偶联剂相反,会提高耗氧。(Nicholls & Ferguson)
  • C 正确。FCCP消散质子梯度,解除对复合体I–IV的背压,O2消耗接近最大,即便ATP合酶被寡霉素抑制。(Nicholls & Ferguson)
  • D 错误。鱼藤酮抑制复合体I,阻断NADH供电子,耗氧将显著下降,即使存在FCCP。(Lehninger)
  • E 正确。高RCR、对寡霉素敏感、对FCCP有强烈呼吸刺激,符合内膜完整且紧密偶联的特征。(Nicholls & Ferguson)
  1. 目标对齐:依据实验数据判断电子传递链抑制剂作用位点 情境:底物/抑制剂依次加入的耗氧率(nmol O2 min^-1 mg^-1):丙酮酸/苹果酸=100;加鱼藤酮→5;加琥珀酸→80;加抗霉素A→3;加抗坏血酸+TMPD→60;加KCN→约0。 问题:下列推断哪些正确? A. 鱼藤酮抑制复合体I(NADH:泛醌氧化还原酶)在泛醌受体侧 B. 加琥珀酸可经复合体II向Q池供电子,从而绕过鱼藤酮阻断 C. 抗霉素A抑制复合体IV D. 抗坏血酸+TMPD将电子直接给到细胞色素c,绕过复合体I–III E. KCN数据表明此条件下末端电子受体为硝酸根 参考答案:A, B, D 解析:
  • A 正确。鱼藤酮特异抑制复合体I在Q还原位点,阻断NADH供电子。(Lehninger)
  • B 正确。琥珀酸经复合体II(即TCA中的琥珀酸脱氢酶)将FADH2的电子导入Q池,绕过I,恢复耗氧。(Lehninger)
  • C 错误。抗霉素A抑制复合体III的Qi位点,阻断QH2循环。(Lehninger;Nicholls & Ferguson)
  • D 正确。抗坏血酸+TMPD作为人造供体将电子捐给细胞色素c,使电子直接流向复合体IV。(Nicholls & Ferguson)
  • E 错误。KCN抑制复合体IV的细胞色素a3–CuB中心,阻断O2还原;末端受体为O2而非硝酸根。(Lehninger)
  1. 目标对齐:化学渗透耦联、ATP合酶结构与效率;应用与定量预测 情境:哺乳动物线粒体ATP合酶Fo亚基c环由8个c亚基(野生型)变为10个(突变体),其他参数不变:NADH氧化泵质子≈10 H+;FADH2≈6 H+;磷酸载体(Pi/H+同向转运)每ATP耗1 H+。设F1每转一圈合成3 ATP,Fo跨膜每转泵/回流c个H+。 问题:对突变体的下列预测哪些正确? A. F1Fo每合成1 ATP所需经Fo的质子数增至约10/3 B. 总体每ATP跨膜净耗H+约为10/3 + 1 ≈ 4.33 C. 突变体NADH的P/O比将高于野生型 D. 在相同ATP合成通量下,突变体的O2消耗速率将高于野生型 E. 对琥珀酸供电子,突变体的理论P/O约为6/4.33≈1.39 参考答案:A, B, D, E 解析:
  • A 正确。Fo每圈需回流c个H+;每圈合成3 ATP;H+/ATP = c/3 = 10/3。(Hahn & Kühlbrandt)
  • B 正确。考虑Pi/H+共转运约1 H+/ATP,总H+/ATP≈10/3+1≈4.33。(Hinkle)
  • C 错误。P/O≈泵出H+数/每ATP耗H+;H+/ATP升高使P/O下降,非上升。(Hinkle)
  • D 正确。同等ATP输出需更多电子传递以泵出更多H+,因此O2消耗增加。(Nicholls & Ferguson)
  • E 正确。FADH2泵H+≈6;P/O≈6/4.33≈1.39,低于野生型≈1.5。(Hinkle)
  1. 目标对齐:定量理解与数据分析;P/O比与机制 情境:以Clark电极测定ADP脉冲下的整合耗氧量(至ADP耗尽为止)。体系1:丙酮酸/苹果酸;体系2:琥珀酸并加入微量鱼藤酮抑制逆向电子流。每次加入ADP 200 nmol,积分耗氧:体系1为42±2 nmol O2(即84±4 nmol O原子),体系2为67±3 nmol O2(即134±6 nmol O原子),温度30 °C。 问题:下列解释哪些与数据一致? A. 体系1的P/O(以每O原子计)≈200/84≈2.38–2.50,接近NADH理论值 B. 体系2的P/O≈200/134≈1.49,接近FADH2理论值 C. 数据与“每合成1个ATP跨膜净耗约4个H+(含Pi转运成本)”的估算相容 D. 若在体系2中再加入鱼藤酮,P/O将显著上升 E. 若改加FCCP耗散Δp,在相同ADP脉冲下积分耗氧将下降,表观P/O上升 参考答案:A, B, C 解析:
  • A 正确。42 nmol O2=84 nmol O;P/O≈200/84≈2.38,符合NADH典型P/O≈2.5(实验存在轻微损失/漏泄)。(Hinkle;Nicholls & Ferguson)
  • B 正确。67 nmol O2=134 nmol O;P/O≈200/134≈1.49,符合FADH2典型P/O≈1.5。(Hinkle)
  • C 正确。NADH泵H+≈10、FADH2≈6,若每ATP总耗H+≈4,则P/O分别≈2.5与≈1.5,契合观测。(Hinkle;Lehninger)
  • D 错误。体系2已加入微量鱼藤酮以防止逆向电子流;再次加入并不会提高P/O。(Nicholls & Ferguson)
  • E 错误。FCCP会提高耗氧并降低表观P/O(解偶联),非下降耗氧与上升P/O。(Nicholls & Ferguson)

主要参考文献(示例引文):

  • Nelson, D. L., Cox, M. M. Lehninger Principles of Biochemistry. 8th ed. New York: W. H. Freeman; 2021.
  • Nicholls, D. G., Ferguson, S. J. Bioenergetics 4. 4th ed. London: Academic Press; 2013.
  • Hinkle, P. C. P/O ratios of mitochondrial oxidative phosphorylation. Biochim Biophys Acta Bioenerg. 2012;1817(10):865–869.
  • Hahn, A., Kühlbrandt, W. Structure and mechanism of mitochondrial ATP synthase. Annu Rev Biochem. 2019;88:515–549.

命题说明:

  • 题1–2侧重理解与应用(目标1与2),结合药理干预与呼吸控制的真实实验范式。
  • 题3侧重分析与判断抑制剂作用位点(目标3),采用逐步加药的标准耗氧数据序列。
  • 题4以ATP合酶结构参数变化推导效率与代谢通量后果(目标1与2),强调定量推理。
  • 题5以ADP/O积分数据估算P/O,训练定量分析与机制整合(目标2与3)。

以下为面向“TCP 拥塞控制机制(Reno/CUBIC,含对比视角)”的高阶多选题(A–E,至少2个正确选项/题)。每题均为中英双语,并包含图表描述性文字。参考答案部分仅列出正确选项,符合“严谨、可验证的推理;参考答案仅提供正确答案”的要求。命题所依据的关键事实与模型可由经验证的标准与文献支持(例如 RFC 5681、RFC 9438、Padhye 模型、Jain 公平性指标等)。

题目一(状态转移与阈值更新 | State transitions and threshold updates) 中文题干: 给定一个 TCP Reno 发送端,初始条件:cwnd=1 MSS,ssthresh=32 MSS。观测到的事件序列如下:

  • 阶段A(慢启动):经过4个RTT后,cwnd 达到 16 MSS(1,2,4,8,16)。
  • 点P(快速重传/快速恢复触发):进入下一拥塞轮次时,某个分组丢失,接收方回送3个重复ACK;未发生超时。丢失被检测时的飞行报文量近似等于 cwnd=16 MSS。
  • 恢复后进入拥塞避免,线性增长。
  • 点Q(超时):稍后在拥塞避免阶段发生一次超时,当时 cwnd 约为 10 MSS。

问题:下面哪些判断与 Reno 的标准行为一致(选择所有适用项)。

English stem: A TCP Reno sender has initial cwnd=1 MSS and ssthresh=32 MSS. Events:

  • Phase A (Slow Start): After 4 RTTs, cwnd reaches 16 MSS (1,2,4,8,16).
  • Point P (Fast Retransmit/Fast Recovery trigger): In the next congestion round, a packet is lost; 3 duplicate ACKs are received; no timeout occurs. At loss detection, FlightSize ≈ cwnd=16 MSS.
  • After recovery, the sender enters Congestion Avoidance and grows linearly.
  • Point Q (Timeout): Later in Congestion Avoidance, a timeout occurs with cwnd ≈ 10 MSS.

Task: Select all statements consistent with Reno’s standard behavior.

图表描述(文字)/ Figure description (textual):

  • 折线图显示 cwnd 随时间在阶段A指数增长至16 MSS;点P处出现3个重复ACK,随后进入快速恢复并回落至一半阈值;之后线性增长;点Q处由于超时,cwnd 归一并重新慢启动。
  • A line plot shows cwnd doubling to 16 MSS in Phase A; at P, three duplicate ACKs trigger Fast Retransmit/Recovery with deflation to half; then linear growth; at Q, timeout resets cwnd to 1 MSS and Slow Start resumes.

选项 / Options: A. P点触发的是快速重传/快速恢复,进入拥塞避免而非重新进入慢启动。 At P, Fast Retransmit/Fast Recovery is triggered; upon recovery the sender enters Congestion Avoidance, not Slow Start.

B. 在P点,按照 Reno 的规则,ssthresh 设为 8 MSS(即将丢包时的飞行报文量的一半)。 At P, Reno sets ssthresh to 8 MSS (half of the FlightSize at loss).

C. 在P点,进入快速恢复时临时将 cwnd 设为 ssthresh + 3 MSS;恢复完成后将 cwnd 归一(deflate)为 ssthresh。 At P, cwnd is temporarily set to ssthresh + 3 MSS during Fast Recovery and then deflated to ssthresh upon recovery.

D. 在Q点发生超时后,cwnd 被设置为 ssthresh 而非 1 MSS。 At Q, after timeout, cwnd is set to ssthresh rather than 1 MSS.

E. 在Q点发生超时后,ssthresh 设为 5 MSS(约为超时前 cwnd=10 MSS 的一半),cwnd 置为 1 MSS,进入慢启动。 At Q, after timeout, ssthresh is set to 5 MSS (about half of cwnd=10 MSS), cwnd is reset to 1 MSS, and Slow Start begins.

正确答案 / Correct answers: A, B, C, E

题目二(RTT/丢包信号对公平性与吞吐的影响;Reno vs CUBIC 对比 | Effects of RTT/loss on fairness and throughput; Reno vs CUBIC) 中文题干: 两条长流在同一路径共享单一瓶颈,MSS 相同,接收端不延迟ACK(每报文段确认一次),队列为 Drop-Tail,无ECN标记。流A的往返时延 RTT_A=50 ms,流B 的往返时延 RTT_B=100 ms。稳态时两流的分组丢失概率近似相同且较小。比较在 Reno 与 CUBIC 拥塞避免阶段的行为。选择所有正确陈述。

English stem: Two long-lived flows share a single bottleneck on the same path with identical MSS, no delayed ACKs, Drop-Tail queue, and no ECN marking. Flow A has RTT_A=50 ms; Flow B has RTT_B=100 ms. In steady state, both see similar small loss probability. Compare Reno and CUBIC behavior in Congestion Avoidance. Select all correct statements.

图表描述(文字)/ Figure description (textual):

  • 条形图示意 Reno 下流A吞吐约为流B两倍;Jain 公平指数约为 0.9(理想化 2:1 场景)。
  • 折线示意 CUBIC 在高BDP下增长随“距上次丢包的时间”呈立方曲线,RTT 敏感性较低于Reno。
  • A bar chart suggests Flow A’s throughput ≈ 2× Flow B’s under Reno; Jain’s index ≈ 0.9 for an idealized 2:1 split. A line sketch indicates CUBIC’s cubic-in-time growth with reduced RTT sensitivity at high BDP.

选项 / Options: A. 根据 Padhye 等模型,在小丢包率下 Reno 吞吐近似与 1/(RTT·√p) 成正比,因而若两流丢包率相近,则 T_A/T_B ≈ RTT_B/RTT_A ≈ 2。 By the Padhye model, Reno throughput scales as ≈ 1/(RTT·√p) at small loss rates; with similar loss, T_A/T_B ≈ RTT_B/RTT_A ≈ 2.

B. CUBIC 的窗口增长在拥塞避免阶段主要取决于 ACK 计数而非时间,从而强化了 RTT 敏感性。 In Congestion Avoidance, CUBIC’s growth depends primarily on ACK counts rather than time, which increases RTT sensitivity.

C. 在上述理想化 2:1 吞吐分配下,Jain 公平性指数约为 (2+1)^2 / [2·(2^2+1^2)] = 0.9。 For an idealized 2:1 throughput split, Jain’s fairness index is ≈ 0.9.

D. 与 Reno 相比,CUBIC 的拥塞避免以“距上次丢包的时间”为自变量(立方函数),在高 BDP 场景对 RTT 的依赖较弱,因而通常更接近 RTT 公平(虽非完全公平)。 Compared with Reno, CUBIC’s avoidance phase uses a cubic function of elapsed time since last loss, reducing RTT dependence at high BDP and yielding closer-to-RTT-fair sharing (though not perfectly fair).

E. CUBIC 的乘性减小系数 β 通常约为 0.7(cwnd 降至 0.7·cwnd),而 Reno 约为 0.5。 CUBIC’s multiplicative decrease β is typically ≈ 0.7 (cwnd reduced to 0.7·cwnd), whereas Reno uses ≈ 0.5.

正确答案 / Correct answers: A, C, D, E

题目三(基于抓包摘要评估吞吐-时延权衡与改进建议 | Throughput–delay trade-off assessment and improvement proposals from a trace) 中文题干: 抓包摘要显示两条 CUBIC 长流在同一瓶颈链路(无ECN,Drop-Tail,大缓冲)并发传输:

  • 初始慢启动阶段发生明显过冲,队列积压上升,队列化时延从基线 20 ms 提升至 200–250 ms。
  • 进入拥塞避免后,cwnd 呈现随“距上次丢包时间”的立方增长曲线,周期性溢出导致丢包与时延振荡。
  • 链路利用率高,但交互流(小流)RTT 明显恶化。

问题:在不改变应用负载的前提下,以下哪些系统性改进更可能在保持或接近现有吞吐的同时,显著改善时延(选择所有适用项)。

English stem: A packet-trace summary shows two long-lived CUBIC flows over the same bottleneck link (no ECN, Drop-Tail, large buffers):

  • Slow Start overshoot causes queue build-up; queuing delay rises from 20 ms baseline to 200–250 ms.
  • In Congestion Avoidance, cwnd follows a cubic-in-time growth; periodic overflows induce loss and delay oscillations.
  • Link utilization is high, but small interactive flows suffer inflated RTT.

Task: Without changing application load, which systemic changes are most likely to improve delay significantly while maintaining comparable throughput? Select all that apply.

图表描述(文字)/ Figure description (textual):

  • 上图:时延曲线从 20 ms 爬升到 200+ ms,呈周期性锯齿;下图:cwnd 呈立方增长与周期性回落。
  • Top: Delay rises from 20 ms to >200 ms with sawtooth oscillations; Bottom: cwnd shows cubic growth with periodic backoffs.

选项 / Options: A. 将瓶颈队列由 Drop-Tail 替换为支持 ECN 标记的 AQM(例如 PIE/CoDel 家族)并启用 ECN,使发送端以标记而非丢包为拥塞信号从而提前退让,降低队列化时延且维持高利用率。 Replace Drop-Tail with an ECN-marking AQM (e.g., PIE/CoDel family) and enable ECN so senders back off on marks rather than loss, reducing queuing delay while keeping high utilization.

B. 在发送端启用分组节奏化(pacing)与合理的字节队列上限(BQL),以降低突发性和短时队列尖峰,从而改善时延抖动且不显著牺牲吞吐。 Enable sender-side packet pacing and Byte Queue Limits (BQL) to reduce burstiness and transient queue spikes, improving delay jitter without materially harming throughput.

C. 将两端拥塞控制从 CUBIC 切换到 Reno,可系统性降低时延并提高小流的完成时间。 Switch both endpoints from CUBIC to Reno to systematically reduce delay and improve small-flow completion times.

D. 在高BDP与缓冲胀气场景下,改用 BBR(带带宽-RTT 模式)常能显著压缩队列化时延并维持高吞吐,但若与损失型算法共存且无 AQM,可能引入跨算法不公平。 In high-BDP, bufferbloat-prone settings, switching to BBR (bandwidth–RTT model) often collapses queues and sustains high throughput; however, when coexisting with loss-based flows without AQM, it may induce inter-algorithm unfairness.

E. 将 ssthresh 设置为无限大(长期停留在“慢启动”形态)以避免模式切换,可提升稳定性并降低排队时延。 Set ssthresh to infinity (never leaving a “Slow Start”-like mode) to avoid mode switching, improving stability and reducing queuing delay.

正确答案 / Correct answers: A, B, D

参考文献(供命题依据核查,不附解析)/ References (for verification; no solutions/explanations):

  • Allman, Paxson, Blanton. TCP Congestion Control. RFC 5681.
  • Eddy. Transmission Control Protocol (TCP). RFC 9293.
  • Rhee, Xu, Ha et al. CUBIC for Fast Long-Distance Networks. RFC 9438.
  • Padhye, Firoiu, Towsley, Kurose. Modeling TCP Reno Performance: A Simple Model and its Empirical Validation. IEEE/ACM Trans. Netw., 2000.
  • Jain, Chiu, Hawe. A Quantitative Measure of Fairness and Discrimination. DEC TR-301, 1984.
  • Cardwell, Cheng, Gunn et al. BBR: Congestion-Based Congestion Control. ACM Queue, 2016.
  • Floyd, Gummadi, Shenker (for ECN); Nichols & Jacobson (CoDel); Pan et al. (PIE). Empirical foundations for AQM/ECN improving delay–throughput trade-offs.

示例详情

解决的问题

用一条可复用的高效提示词,把任意课程主题迅速转化为5道高质量、学术风格的多选题;确保题目与学习目标和评估要求高度对齐,风格统一、表达严谨,支持多语言输出,直接服务于课堂测验、在线考试、作业与题库建设,帮助教研与培训团队在保证学术可信度的同时显著提升命题效率与产出稳定性。

适用用户

高校教师与课程负责人

快速生成与课程大纲对齐的周测与单元测,按认知层级分层出题,支持中英双语,提升课堂与线上混合教学效率。

K12教研员与命题教师

构建覆盖知识点的标准化题库,自动平衡难度与干扰项质量,支持期中期末命题与教学质量监测。

在线教育平台内容编辑

一键产出练习包、闯关题与模拟卷,按班型定制语言与风格,提升学习留存与付费转化效率。

特征总结

一键生成与课程目标对齐的多选题,直接用于测验、练习与阶段性评估。
自动匹配知识点难度与题项干扰度,平衡区分度与信度,避免过难或过易。
提供学术化表述与严格选项设计,支持课堂测验、线上课程与考试命题。
支持多语言出题与本地化术语,跨地区授课与国际课程项目无缝应用场景。
按学习目标与评估方式自动分层,生成基础、提升与挑战题组,便于分层教学。
输出结构清晰、论证严谨的题干与选项说明,减少歧义,提升答题体验与公正性。
可按场景一键切换:随堂练、单元测、期末模拟,快速搭建完整评测闭环。
内置质量自检与事实核查提醒,降低错误与偏差风险,保护教学与评估公信力。
支持题库复用与版本化更新,轻松维护课程不同学期与班级的差异化试题。
灵活设定输出数量、语言风格与引用规范,适配科研型、教学型与培训型需求。

如何使用购买的提示词模板

1. 直接在外部 Chat 应用中使用

将模板生成的提示词复制粘贴到您常用的 Chat 应用(如 ChatGPT、Claude 等),即可直接对话使用,无需额外开发。适合个人快速体验和轻量使用场景。

2. 发布为 API 接口调用

把提示词模板转化为 API,您的程序可任意修改模板参数,通过接口直接调用,轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。

3. 在 MCP Client 中配置使用

在 MCP client 中配置对应的 server 地址,让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作,让提示词在不同 AI 工具间无缝衔接。

AI 提示词价格
¥25.00元
先用后买,用好了再付款,超安全!

您购买后可以获得什么

获得完整提示词模板
- 共 308 tokens
- 7 个可调节参数
{ 课程主题 } { 题目数量 } { 题目难度 } { 学科领域 } { 干扰项设计偏好 } { 期望考察的能力维度 } { 参考答案与解析要求 }
获得社区贡献内容的使用权
- 精选社区优质案例,助您快速上手提示词
使用提示词兑换券,低至 ¥ 9.9
了解兑换券 →
限时半价

不要错过!

半价获取高级提示词-优惠即将到期

17
:
23
小时
:
59
分钟
:
59