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 1
Probably, the first major bioinformatics project was undertaken by Margaret Dayhoff in 1965, who developed a first protein sequence database called Atlas of Protein Sequence and Structure.
ბიოინფორმატიკის ალბათ პირველი მთავარი პროექტი 1965 წელს მარგარეტ დეიჰოფმა წამოიწყო. ის ცილის თანმიმდევრობების მონაცემთა ბაზის შექმნას შეუდგა, რომელსაც შემდგომში ცილის თანმიმდევრობების და სტრუქტურების ატლასი ეწოდა.
2.
ბიოინფორმატიკის საფუძვლები | თავი 2
Translated protein sequence databases containing functional annotation belong to this category.
ამ კატეგორიას ეკუთვნის ცილების შემცველი ცილების გაშიფრული თანმიმდევრობების მონაცემთა ბაზები, რომლებიც ფუნქციონალურ ანოტაციებს შეიცავენ.
3.
ბიოინფორმატიკის საფუძვლები | თავი 2
The Pfam and Blocks databases contain aligned protein sequence information as well as derived motifs and patterns, which can be used for classification of protein families and inference of protein functions.
Pfam და Block მონაცემთა ბაზები (აღწერილი იქნება მეშვიდე თავში) შეიცავს ცილის გათანაბრებული თანმიმდევრობების ინფორმაციას, ასევე, მიღებულ მოტივებსა და პატერნებს, რომელთა გამოყენება შესაძლებელია ცილის ოჯახების კლასიფიკაციისა და მათი ფუნქციის დასადგენად.
4.
ბიოინფორმატიკის საფუძვლები | თავი 2
For example, in a nucleotide sequence page, one may find cross-referencing links to the translated protein sequence, genome mapping data, or to the related literature information, and to protein structures if available.
მაგალითად, იმ გვერდზე, სადაც ნუკლეოტიდების თანმიმდევრობებია, შესაძლებელია კროს-რეფერენსული ბმულების პოვნა, რომლებსაც ცილის გაშიფრულ თანმიმდევრობებთან, გენომის რუკების შესადგენ მონაცემებთან ან ამ საკითხთან დაკავშირებულ ლიტერატურის ინფორმაციასთან და ცილის სტრუქტურასთან მივყავართ, თუ ის არსებობს.
5.
ბიოინფორმატიკის საფუძვლები | თავი 2
It also maintains a taxonomy database that contains the names and taxonomic positions of over 100,000 organisms with at least one nucleotide or protein sequence represented in the GenBank database.
ინახავს ტაქსონომიურ მონაცემთა ბაზასაც, რომელიც შეიცავს 100 000-ზე მეტი, ისეთი ორგანიზმის დასახელებასა და ტაქსონომიურ ადგილს, რომელთა ერთი მაინც ნუკლეოტიდი ან ცილის თანმიმდევრობა წარმოდგენილია გენბანკის მონაცემთა ბაზაში.
6.
ბიოინფორმატიკის საფუძვლები | თავი 2
For a nucleotide sequence that has been translated into a protein sequence, a new accession number is given in the form of a string of alphanumeric characters.
ცილების თანმიმდევრობებად გადათარგმნილ ნუკლეოტიდების თანმიმდევრობებს ახალ ინვენტარულ ნომერს ანიჭებენ, რომელიც მოცემულია ანბანურ-ციფრული ნიშნების მწკრივის სახით.
7.
ბიოინფორმატიკის საფუძვლები | თავი 2
A translated protein sequence also has a different number from the DNA sequence it is derived from.
დნმ-სგან გადათარგმნილ ცილის თანმიმდევრობის ნომერი განსხვავებულია.
8.
ბიოინფორმატიკის საფუძვლები | თავი 4
Scan Protein Sequence is a web-based program that implements a modified version of the Smith–Waterman algorithm optimized for parallel processing.
ცილის თანმიმდევრობების სკანირება ინტერნეტპროგრამაა, რომელიც მონაცემების პარალელური დამუშავებისთვის ოპტიმიზებულ, სმიტ-უოტერმანის ალგორითმის მოდიფიცირებულ ვერსიას იყენებს.
9.
ბიოინფორმატიკის საფუძვლები | თავი 6
It first uses a single query protein sequence to perform a normal search to generate initial similarity hits.
ის ჯერ ცილის ერთ გამოსაკვლევ თანმიმდევრობას იყენებს, რისი საშუალებით ნორმალურ ძებნას ახორციელებს, რომ საწყისი მსგავსების მოხვედრები შექმნას.
10.
ბიოინფორმატიკის საფუძვლები | თავი 7
It is an important way to characterize unknown protein functions because a newly obtained protein sequence often lacks significant similarity with database sequences of known functions over their entire length, which makes functional assignment difficult.
ამას მართლაც დიდი მნიშვნელობა აქვს გამოსაკვლევი ცილის ფუნქციის დახასიათებისთვის, ვინაიდან ცილის ახლად დადგენილ თანმიმდევრობას ხშირად არა აქვს მონაცემთა ბაზაში სრული სიგრძის თანმიმდევრობებთან სარწმუნო მსგავსება, რომლის ფუნქციები ცნობილია. ეს ახალი ცილის ფუნქციების დადგენას ართულებს.
11.
ბიოინფორმატიკის საფუძვლები | თავი 7
Only over lapping motifs and domains in a protein sequence derived by all five databases are included.
ბაზაში შეყვანილია ხუთივე მონაცემთა ბაზიდან მიღებული ცილის თანმიმდევრობის მხოლოდ გადამფარავი მოტივები და დომენები.
12.
ბიოინფორმატიკის საფუძვლები | თავი 7
A query protein sequence can be submitted to the server for cluster identification and functional annotation.
კლასტერის იდენტიფიკაციისა და ფუნქციური ანოტირების მიზნით პროგრამას შეიძლება წარვუდგინოთ ცილის მოთხოვნილი თანმიმდევრობა.
13.
ბიოინფორმატიკის საფუძვლები | თავი 8
Furthermore, the putative it can be translated into a protein sequence, which is then used to search against a protein database.
ამის გარდა, სავარაუდო ის შეიძლება ცილის თანმიმდევრობად გადაითარგმნოს, რომელიც შემდეგ ცილის მონაცემთა ბაზაში ძებნისთვის გამოიყენება.
14.
ბიოინფორმატიკის საფუძვლები | თავი 12
It contains information about the name of the molecule, source organism, bibliographic reference, methods of structure determination, resolution, crystallographic parameters, protein sequence, cofactors, and description of structure types and locations and sometimes secondary structure information.
ის შეიცავს ინფორმაციას მოლეკულის სახელზე, ორგანიზმზე, ბიბლიოგრაფიულ მითითებებზე, სტრუქტურის დადგენის მეთოდებზე, რეზოლუციაზე, კრისტალოგრაფიის პარამეტრებზე, ცილის თანმიმდევრობებზე, კოფაქტორებზე და სტრუქტურის ტიპისა და ადგილის აღწერასა და ზოგჯერ მეორეულ სტრუქტურაზეც.
15.
ბიოინფორმატიკის საფუძვლები | თავი 14
Protein secondary structure prediction refers to the prediction of the conformational state of each amino acid residue of a protein sequence.
ცილის მეორეული სტრუქტურის პროგნოზი ეხება ცილის თანმიმდევრობის ყოველი ამინომჟავური ნაშთის კონფორმაციულ მდგომარეობას.
16.
ბიოინფორმატიკის საფუძვლები | თავი 15
Consequently, the gap between protein sequence information and protein structural information is increasing rapidly.
შესაბამისად, სწრაფად იზრდება უფსკრული ცილის თანმიმდევრობასა და ცილის სტრუქტურაზე მიღებულ ინფორმაციებს შორის.
17.
ბიოინფორმატიკის საფუძვლები | თავი 15
To determine whether a protein sequence adopts a known three-dimensional structure fold relies on threading and fold recognition methods.
იმის განსაზღვრა, მიიღებს თუ არა ცილის თანმიმდევრობა ცნობილი სამგანზომილებიანი სტრუქტურის აგებულებას, სრედინგის ან ნაკეცის გამოცნობის მეთოდებს ეფუძნება.
18.
ბიოინფორმატიკის საფუძვლები | თავი 15
By definition, threading or structural fold recognition predicts the structural fold of an unknown protein sequence by fitting the sequence into a structural database and selecting the best-fitting fold.
განმარტების თანახმად, სრედინგი ან სტრუქტურული ნაკეცის გამოცნობა უცნობი ცილის თანმიმდევრობის სტრუქტურულ ნაკეცს პროგნოზირებს, რასაც გამოსაკვლევი თანმიმდევრობის სტრუქტურულ მონაცემთა ბაზასთან თავსებადობისა და ყველაზე შესაბამისი ნაკეცის შერჩევის შედეგად ახორციელებს.
19.
ბიოინფორმატიკის საფუძვლები | თავი 15
In the pairwise energy based method, a protein sequence is searched for in a structural fold database to find the best matching structural fold using energy-based criteria.
წყვილების ენერგიაზე დაფუძნებულ მეთოდში, საუკეთესოდ შეთავსებადი სტრუქტურული ნაკეცის მოსაძებნად, ცილის თანმიმდევრობას სტრუქტურული ნაკეცების მონაცემთა ბაზის დახმარებით იკვლევენ, რასაც ენერგიაზე დაფუძნებული კრიტერიუმის გამოყენებით ახორციელებენ.
20.
ბიოინფორმატიკის საფუძვლები | თავი 19
It searches a protein sequence database using fingerprinting information.
ის ძებნას, ანაბეჭდების ინფორმაციის გამოყენებით, ცილის თანმიმდევრობის მონაცემთა ბაზაში ახორციელებს.
წინა შემდეგი