ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
21.
ცენტრალური საარჩევნო კომისია | საქართველოს პარლამენტის 2020 წლის 31 ოქტომბრის არჩევნების საარჩევნო ღონისძიებათა გრაფიკი
9. An electoral subject that had received 0.75% or more than 0.75% of votes in the 2018 presidential elections of Georgia may apply to the CEC and request that it participate in the parliamentary elections of Georgia with a sequence number which was assigned to it during the presidential elections of Georgia.
9. იმ საარჩევნო სუბიექტს რომელის მიერ წარდგენილმა კანდიდატმა საქართველოს პრეზიდენტის 2018 წელის არჩევნებში ხმების 0.75% ან 0.75%-ზე მეტი მიიღო, უფლება აქვს, არჩევნებამდე მიმართოს ცესკოს და მოითხოვოს საპარლამენტო არჩევნებში იმ რიგითი ნომრით მონაწილეობა რომელიც მას საქართველოს პრეზიდენტის არჩევნებში ჰქონდა მინიჭებული.
22.
ცენტრალური საარჩევნო კომისია | საქართველოს პარლამენტის 2020 წლის 31 ოქტომბრის არჩევნების საარჩევნო ღონისძიებათა გრაფიკი
10. An electoral subject/candidate for electoral subject may refuse to use a sequence number assigned to it under the procedure established by Article 381(2 and 3) of the Election Code.
10. საარჩევნო სუბიექტს/სუბიექტობის კანდიდატს უფლება აქვს, უარი განაცხადოს საარჩევნო კოდექსის 381 მუხლის მე-2 და მე-3 პუნქტებით დადგენილი წესით მიკუთვნებული რიგითი ნომრის გამოყენებაზე.
23.
ცენტრალური საარჩევნო კომისია | საქართველოს პარლამენტის 2020 წლის 31 ოქტომბრის არჩევნების საარჩევნო ღონისძიებათა გრაფიკი
7. A sequence number of an electoral subject shall be determined under the procedure determined by Article 381 of this Law.
7. საარჩევნო სუბიექტის რიგითი ნომერი განისაზღვრება საარჩევნო კოდექსის 381 მუხლით დადგენილი წესით ბოლო ვადა.
24.
ბიოინფორმატიკის საფუძვლები | თავი 2
The top line of the Header section is the Locus, which contains a unique database identifier for a sequence location in the database (not a chromosome locus).
სათაურის სექციის ზედა სტრიქონი ლოკუსია. ის შეიცავს მონაცემთა ბაზის უნიკალურ იდენტიფიკატორს, რომელიც მონაცემთა ბაზაში თანმიმდევრობის ადგილს მიუთითებს (ეს ქრომოსომის ლოკუსი არ არის).
25.
ბიოინფორმატიკის საფუძვლები | თავი 2
It has a single definition line that begins with a right angle bracket followed by a sequence name.
ამ ფორმატს განსაზღვრის ერთი სტრიქონი აქვს, რომელიც მართკუთხედი ფრჩხილებით იწყება, რასაც თანმიმდევრობის სახელი მოჰყვება.
26.
ბიოინფორმატიკის საფუძვლები | თავი 2
It describes sequences with each item of information in a sequence record separated by tags so that each sub portion of the sequence record can be easily added to relational tables and later extracted.
ის თანმიმდევრობებს ისე აღწერს, რომ თანმიმდევრობის ჩანაწერში ინფორმაციის ყოველი ერთეული გამოყოფილია ტეგებით. ამიტომ, თანმიმდევრობის ჩანაწერის ყოველი ქვეპორცია ადვილად შეიძლება დავამატოთ შესაბამის ცხრილებში საჭიროებისამებრ იქიდან ამოვკრიფოთ.
27.
ბიოინფორმატიკის საფუძვლები | თავი 4
The second step is to search a sequence database for the occurrence of these words. This step is to identify database sequences containing the matching words.
მეორე ნაბიჯია დადგინდეს არსებობს თუ არა თანმიმდევრობების მონაცემთა ბაზაში ეს სიტყვები, რაც ნიშნავს მონაცემთა ბაზაში იმ თანმიმდევრობების დადგენას, რომლებიც თავსებად სიტყვებს შეიცავს.
28.
ბიოინფორმატიკის საფუძვლები | თავი 6
A Markov model, also known as Markov chain, describes a sequence of events that occur one after another in a chain.
მარკოვის მოდელი, რომელიც ასევე ცნობილია მარკოვის ჯაჭვის სახელით, იმ მოვლენების თანმიმდევრობას აღწერს, რომლებიც ჯაჭვში ერთმანეთის მიმდევრობით ხდება.
29.
ბიოინფორმატიკის საფუძვლები | თავი 6
To automate the process of regularization, various mathematical models have been developed to simulate the amino acid distribution in a sequence alignment.
რეგულარიზაციის პროცესის ავტომატიზაციის მიზნით შეიმუშავეს სხვადასხვა მათემატიკური მოდელი, რომლებიც ახდენენ თანმიმდევრობების გათანაბრებაში ამინომჟავების განაწილების სიმულაციას.
30.
ბიოინფორმატიკის საფუძვლები | თავი 6
They are therefore more robust in describing subtle patterns of a sequence family than standard profile analysis.
ამიტომ, სტანდარტულ პროფილის ანალიზთან შედარებით ისინი უფრო ზუსტია, თანმიმდევრობების ოჯახის ნატიფი თვისებების აღწერაში.
31.
ბიოინფორმატიკის საფუძვლები | თავი 6
It creates profile from a sequence alignment using the subprogram.
პაკეტი ქვეპროგრამის საშუალებით, პროფილებს ქმნის, რასაც თანმიმდევრობების გათანაბრებიდან ახორციელებს.
32.
ბიოინფორმატიკის საფუძვლები | თავი 6
They are statistical models that represent the consensus of a sequence family.
ისინი არიან სტატისტიკური მოდელებია, რომლებიც თანმიმდევრობების ოჯახის კონსენსუსს გვაძლევს.
33.
ბიოინფორმატიკის საფუძვლები | თავი 7
A regular expression is a concise way of representing a sequence family by a string of characters.
რეგულარული ექსპრესია სიმბოლოების მწკრივის სახით ცილების ოჯახის წარდგინების მოკლე გზაა.
34.
ბიოინფორმატიკის საფუძვლები | თავი 7
When domains and motifs are written as regular expressions, the following basic rules to describe a sequence pattern are used.
როცა დომენები და მოტივები რეგულარული ექსპრესიის სახით არის ჩაწერილი, თანმიმდევრობის სტრუქტურის აღსაწერად შემდეგ ძირითად წესებს იყენებენ.
35.
ბიოინფორმატიკის საფუძვლები | თავი 7
If a sequence element within the pattern is repetitive, the number of pattern repetitions is indicated within parentheses.
თუ თანმიმდევრობის ელემენტი სტრუქტურაში მეორდება, განმეორებების რაოდენობა მრგვალ ფრჩხილებში თავსდება.
36.
ბიოინფორმატიკის საფუძვლები | თავი 7
For example, if an original alignment only contains phenylalanine at a particular position, fuzzy matching allows other aromatic residues (including unobserved tyrosine and tryptophan) in a sequence to match with the expression.
მაგალითად, თუ საწყისი გათანაბრება კონკრეტულ პოზიციაზე მხოლოდ ფენილალანინს შეიცავს, ბუნდოვანი თავსებადობის საშუალებით ექსპრესიასთან შეიძლება თანმიმდევრობის სხვა არომატული ნაშთებიც შეთავსდეს (არადაკვირვებადი თიროზინისა და ტრიპტოფანის ჩათვლით).
37.
ბიოინფორმატიკის საფუძვლები | თავი 7
It primarily uses a single consensus pattern or “sequence signature” to characterize a protein function and a sequence family.
ის ცილის ფუნქციის და თანმიმდევრობის ოჯახის განსაზღვრისთვის ძირითადად კონსენსუსის ერთ სტრუქტურას ან „თანმიმდევრობის ხელმოწერას“ იყენებს.
38.
ბიოინფორმატიკის საფუძვლები | თავი 7
The program applies to generate a sequence motif, which is an ungapped local sequence alignment.
პროგრამა თანმიმდევრობების მოტივების შესაქმნელად მიმართავს, რომელიც თანმიმდევრობების უგეპო, ლოკალური გათანაბრებაა.
39.
ბიოინფორმატიკის საფუძვლები | თავი 7
In general, a sequence logo provides a clearer description of a consensus sequence.
ზოგადად, თანმიმდევრობის ლოგო კონსენსუსის თანმიმდევრობის უფრო ზუსტ აღწერას იძლევა.
40.
ბიოინფორმატიკის საფუძვლები | თავი 8
The machine learning process starts by feeding the model with a sequence of known gene structure.
კომპიუტერული დასწავლის პროცესი იწყება იმით, რომ ხდება მოდელის უზრუნველყოფა გენის ცნობილი სტრუქტურის თანმიმდევრობით.
წინა შემდეგი