ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
1.
ბიოინფორმატიკის საფუძვლები | თავი 5
After realignment with a new sequence using dynamic programming, a new consensus is derived, which is then used for the next round of alignment.
ახალ თანმიმდევრობებთან ხელახალი გათანაბრების შემდეგ ახალ კონსენსუსს იღებენ, რომელსაც გათანაბრების შემდეგი რაუნდისთვის იყენებენ.
2.
ბიოინფორმატიკის საფუძვლები | თავი 5
Each time a new sequence is added, it is aligned with every sequence within the partial order graph individually using the Smith–Watermanalgorithm.
როგორც კი ახალ თანმიმდევრობას ვამატებთ, ის სმიტ-უოტერმანის ალგორითმის გამოყენებით, ნაწილობრივი მოწესრიგებულობის გრაფიკში ყოველ თანმიმდევრობასთან ინდივიდუალურად თანაბრდება.
3.
ბიოინფორმატიკის საფუძვლები | თავი 6
For example, given the matrix shown in Figure6.1, which is derived from a DNA multiple alignment, one can ask the question, how well does the new sequence fit into the matrix?
მაგალითად, 6.1 სურათზე გამოსახული მატრიცას შემთხვევაში, რომელიც აგებულია დნმ-ს მრავლობითი გათანაბრების შედეგად, შეიძლება დაიბადოს კითხვა: რამდენად კარგად ერგება ამ მატრიცას ახალი თანმიმდევრობა?
4.
ბიოინფორმატიკის საფუძვლები | თავი 6
Consequently, the new sequence can be confidently classified as a member of the sequence family.
ამიტომ, ახალი თანმიმდევრობა შეიძლება თანმიმდევრობების ოჯახის წევრად მივიღოთ.
5.
ბიოინფორმატიკის საფუძვლები | თავი 6
When new sequence hits are identified, they are combined with the previous multiple alignment to generate a new profile, which is in turn used in subsequent cycles of database searching.
ახალი თანმიმდევრობების მოხვედრების დადგენის შემდეგ, ახალი პროფილის შესაქმნელად, ახდენენ მათ კომბინირებას წინა მრავლობით გათანაბრებასთან. შექმნილ ახალ პროფილს, თავის მხრივ, მონაცემთა ბაზაში ძებნის თანმიმდევრულ ციკლებში იყენებენ.
6.
ბიოინფორმატიკის საფუძვლები | თავი 6
The process is repeated until no new sequence hits are found.
პროცესს მანამდე იმეორებენ, სანამ ახალი თანმიმდევრობის სხვა მოხვედრების (ჰიტების) პოვნა არ შეწყდება.
7.
ბიოინფორმატიკის საფუძვლები | თავი 8
Once the parameters of the model are established, it can be used to compute the nonrandom distributions of trimers or hexamers in a new sequence to find regions that are compatible with the statistical profiles in the learning set.
მოდელის პარამეტრების დადგენის შემდეგ, ის შეიძლება ახალ თანმიმდევრობაში ტრიმერების ან ჰექსამერების არაშემთხვევითი განაწილების გამოსათვლელად გამოვიყენოთ, რომ გამოსაკვლევ ნაკრებში დავადგინოთ რეგიონები, რომლებიც თავსებადია სტატისტიკურ პროფილებთან.
წინა შემდეგი