ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
21.
ბიოინფორმატიკის საფუძვლები | თავი 6
It involves traveling through a special architecture of various observed and hidden states to describe a gapped multiple sequence alignment.
ის მოიცავს მოძრაობას სხვადასხვა დაკვირვებადი და ფარული მდგომარეობების სპეციფიკურ აგებულებაში, რომ გეპებიანი თანმიმდევრობების მრავლობითი გათანაბრება აღვწეროთ.
22.
ბიოინფორმატიკის საფუძვლები | თავი 7
Identification of motifs and domains heavily relies on multiple sequence alignment as well as profile and hidden Markov model construction.
მოტივებისა და დომენების იდენტიფიკაცია ძლიერ დამოკიდებულია თანმიმდევრობების მრავლობით გათანაბრებაზე, ისევე, როგორც პროფილებისა და მარკოვის ფარული მოდელის აგებაზე.
23.
ბიოინფორმატიკის საფუძვლები | თავი 7
IDENTIFICATION OF MOTIFS AND DOMAINS IN MULTIPLE SEQUENCE ALIGNMENT
მოტივებისა და დომენების იდენტიფიკაცია თანმიმდევრობების მრავლობით გათანაბრებაში.
24.
ბიოინფორმატიკის საფუძვლები | თავი 7
Motifs and domains are first constructed from multiple alignment of related sequences. Based on the multiple sequence alignment, commonly conserved regions can be identified.
თავიდან მოტივებსა და დომენებს აგებენ მონათესავე თანმიმდევრობების მრავლობითი გათანაბრების საფუძველზე, რაც იძლევა ჩვეულებრივ დაკონსერვებული რეგიონების იდენტიფიკაციის საშუალებას.
25.
ბიოინფორმატიკის საფუძვლები | თავი 7
The first is to reduce the multiple sequence alignment from which motifs or domains are derived to a consensus sequence pattern, known as a regular expression.
პირველია იმ თანმიმდევრობის, რომლიდანაც მიღებულია მოტივები ან დომენები, მრავლობითი გათანაბრების რედუცირება კონსენსუსის თანმიმდევრობის სტრუქტურამდე. ეს პროცესი ცნობილია რეგულარული ექსპრესიის სახელით.
26.
ბიოინფორმატიკის საფუძვლები | თავი 7
The second approach is to use a statistical model to include probability information derived from the multiple sequence alignment.
მეორე მიდგომა მდგომარეობს თანმიმდევრობების მრავლობითი გათანაბრებიდან მიღებული ალბათობის ინფორმაციის შესაყვანად სტატისტიკური მოდელის.
27.
ბიოინფორმატიკის საფუძვლები | თავი 7
For a set of closely related sequences, commonly shared motifs can be discovered by using the multiple sequence alignment–based methods.
ახლო ნათესაური თანმიმდევრობების ნაკრებისთვის ჩვეულებრივად საზიარო მოტივების აღმოჩენა შესაძლებელია თანმიმდევრობების მრავლობით გათანაბრებაზე დაფუძნებული მეთოდების გამოყენებით.
28.
ბიოინფორმატიკის საფუძვლები | თავი 7
For example, the sequences for the helix-turn-helix motif in transcription factors can be subtly different enough that traditional multiple sequence alignment approaches fail to generate a satisfactory answer.
მაგალითად, სპირალი-მარყუჟი-სპირალის მოტივის თანმიმდევრობები ტრანსკრიფციის ფაქტორებში შეიძლება ოდნავ განსხვავდებოდეს, მაგრამ ეს განსხვავება საკმარისია, რომ ტრადიციული თანმიმდევრობების მრავლობითი გათანაბრების მიდგომამ ვერ შეძლოს დამაკმაყოფილებელი პასუხის გაცემა.
29.
ბიოინფორმატიკის საფუძვლები | თავი 7
A multiple sequence alignment or a motif is often represented by a graphic representation called a logo.
თანმიმდევრობების მრავლობითი გათანაბრება ან მოტივი ხშირად წარმოდგენილია გრაფიკული გამოსახულებით, რომელსაც ლოგოს ეძახიან.
30.
ბიოინფორმატიკის საფუძვლები | თავი 7
Databases for motifs and domains can be constructed based on multiple sequence alignment of related sequences.
მოტივებისა და დომენების მონაცემთა ბაზები შეიძლება მონათესავე თანმიმდევრობების მრავლობით გათანაბრებაზე დაყრდნობით ავაგოთ.
31.
ბიოინფორმატიკის საფუძვლები | თავი 11
The basic assumption is that characters at corresponding positions in a multiple sequence alignment are homologous among the sequences involved.
ამ შემთხვევაში ძირითადი დაშვება მდგომარეობს ნიშან-თვისებების ჰომოლოგიურობაში, რომელიც თანმიმდევრობების მრავლობითი გათანაბრების შესაბამის პოზიციებზე არსებობს.
32.
ბიოინფორმატიკის საფუძვლები | თავი 11
In nonparametric bootstrapping, a new multiple sequence alignment of the same length is generated with random duplication of some of the sites at the expense of some other sites.
არაპარამეტრული ბუტსტრეპინგის შემთხვევაში იგივე სიგრძის თანმიმდევრობების ახალი მრავლობითი გათანაბრება იქმნება, სადაც ზოგი საიტი, სხვა საიტის ხარჯზე შემთხვევითად გაორმაგებულია.
33.
ბიოინფორმატიკის საფუძვლები | თავი 15
The program models the backbone using a homology-derived restraint method, which relies on multiple sequence alignment between target and template proteins to distinguish highly conserved residues from less conserved ones.
ჰომოლოგების დადგენის შეზღუდული მეთოდის გამოყენებით პროგრამა ჩონჩხის მოდელირებას აკეთებს, რომელიც სამიზნე და შაბლონის ცილებს შორის თანმიმდევრობების მრავლობით გათანაბრებას ეყრდნობა და მისი საშუალებით მეტად დაკონსერვებულ ნაშთებს ნაკლებად დაკონსერვებულებისგან განასხვავებს.
34.
ბიოინფორმატიკის საფუძვლები | თავი 15
The resulting multiple sequence hits are used to generate a profile.
შემაჯამებელი თანმიმდევრობების მრავალჯერად მოხვედრებს პროფილის მისაღებად იყენებენ.
35.
ბიოინფორმატიკის საფუძვლები | თავი 15
The query sequence (or a multiple sequence alignment if the user prefers) is used to scan the database of structural profiles.
გამოსაკვლევ თანმიმდევრობას (ან, თუ მომხმარებელს ურჩევნია, მრავალი თანმიმდევრობის გათანაბრებას) იყენებენ, რომ მონაცემთა ბაზაში სტრუქტურული პროფილების სკანირება შეასრულონ.
36.
ბიოინფორმატიკის საფუძვლები | თავი 10
Performing multiple sequence alignment.
თანმიმდევრობების მრავლობითი გათანაბრების შესრულება.
37.
ბიოინფორმატიკის საფუძვლები | თავი 10
The second step is to perform multiple sequence alignment.
მეორე ეტაპია თანმიმდევრობების მრავლობითი გათანაბრების ჩატარება.
38.
ბიოინფორმატიკის საფუძვლები | თავი 9
Their patterns are difficult to discern using simple multiple sequence alignment approaches.
მათი სტრუქტურის გარჩევა ძნელია თანმიმდევრობების მრავლობითი გათანაბრების მარტივი მიდგომის გამოყენებით.
39.
ბიოინფორმატიკის საფუძვლები | თავი 9
For each individual gene in a set of coregulated genes, multiple sequence homologs are aligned to derive profiles.
კორეგულირებადი გენების ნაკრების ყოველი ინდივიდუალური გენისთვის პროფილების მისაღებად ახორციელებენ მრავლობითი თანმიმდევრობების ჰომოლოგების გათანაბრებას.
40.
ბიოინფორმატიკის საფუძვლები | თავი 16
It uses a multiple sequence alignment as input to analyze covariation patterns on the sequences.
მას თანმიმდევრობების მრავლობითი გათანაბრება შეჰყავს, რომ მათი კოვარიაციული სტრუქტურები გაანალიზოს.
წინა შემდეგი