ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
41.
ბიოინფორმატიკის საფუძვლები | თავი 3
Pairwise sequence alignment is the process of aligning two sequences and is the basis of database similarity searching and multiple sequence alignment.
დაწყვილებული თანმიმდევრობების გათანაბრება ანუ თანმიმდევრობების წყვილების შედარება ორი თანმიმდევრობის გათანაბრების პროცესია. ის მონაცემთა ბაზაში მსგავსების ძებნის და თანმიმდევრობების მრავლობითი გათანაბრების საფუძველია.
42.
ბიოინფორმატიკის საფუძვლები | თავი 3
This is the series of blocks amino acid substitution matrices, all of which are derived based on direct observation for every possible amino acid substitution in multiple sequence alignments.
ეს ამინომჟავების ჩანაცვლებების მატრიცების ბლოკების სერიებია, თითოეული მიღებულია თანმიმდევრობების მრავლობით გათანაბრებაში ყველა შესაძლო ამინომჟავას ჩანაცვლებაზე პირდაპირი დაკვირვებით.
43.
ბიოინფორმატიკის საფუძვლები | თავი 14
The secondary structure prediction methods can be either based on this method, which make use of single sequence information only, or homology based, which make use of multiple sequence alignment information.
მეორეული სტრუქტურის პროგნოზირების მეთოდები შეიძლება ამ მეთოდს ეფუძნებოდეს, რომელიც მხოლოდ ერთი თანმიმდევრობის ინფორმაციას იყენებს, ან ჰომოლოგიას ეფუძნებოდეს, რომლის დროსაც მრავალი თანმიმდევრობის გათანაბრების ინფორმაციას ვიყენებთ.
44.
ბიოინფორმატიკის საფუძვლები | თავი 14
The third-generation prediction algorithms also extensively apply sophisticated neural networks to analyze substitution patterns in multiple sequence alignments.
მესამე თაობის პროგნოზირების ალგორითმები მრავალი თანმიმდევრობის გათანაბრებებში ჩანაცვლებების სტრუქტურების გასაანალიზებლად რთულ ნეირონულ ქსელებსაც ინტენსიურად იყენებენ.
45.
ბიოინფორმატიკის საფუძვლები | თავი 14
When multiple sequence alignments and neural networks are combined, the result is further improved accuracy.
მრავალი თანმიმდევრობის გათანაბრებებისა და ნეირონული ქსელების კომბინირების შემთხვევაში, პროგნოზის სიზუსტე კიდევ უფრო იზრდება.
46.
ბიოინფორმატიკის საფუძვლები | თავი 14
In this situation, a neural network is trained not by a single sequence but by a sequence profile derived from the multiple sequence alignment.
ამ შემთხვევაში, ნეირონული ქსელი დასწავლილია არა ცალკეული თანმიმდევრობით, არამედ თანმიმდევრობის პროფილით, რომელიც მიღებულია მრავალი თანმიმდევრობის გათანაბრებით.
47.
ბიოინფორმატიკის საფუძვლები | თავი 14
Profile network from Heidelberg is a web-based program that combines neural network with multiple sequence alignment.
პროფილების ქსელი ჰაიდელბერგიდან ინტერნეტპროგრამაა, რომელიც ნეირონულ ქსელს მრავალი თანმიმდევრობის გათანაბრებასთან კომბინირებს.
48.
ბიოინფორმატიკის საფუძვლები | თავი 14
The first hidden layer makes raw prediction based on the multiple sequence alignment by sliding a window of thirteen positions.
პირველი ფარული შრე მრავალი თანმიმდევრობის გათანაბრების საფუძველზე ნედლ პროგნოზს იძლევა, რასაც ცამეტი პოზიციის მქონე ფანჯრის მოძრაობის საშუალებით ახორციელებს.
49.
ბიოინფორმატიკის საფუძვლები | თავი 14
A profile is extracted from the multiple sequence alignment.
პროფილს თანმიმდევრობების მრავლობითი გათანაბრებიდან გამოყოფენ.
50.
ბიოინფორმატიკის საფუძვლები | თავი 14
This is intended to better capture the recurrent local features of secondary structure based on multiple sequence alignment.
ეს ხორციელდება მრავლობითი გათანაბრების საფუძველზე, მეორეული სტრუქტურის პერიოდული ლოკალური თვისებების უკეთესი დაფიქსირების მიზნით.
51.
ბიოინფორმატიკის საფუძვლები | თავი 14
These algorithms make use of multiple sequence alignment information, which implicitly takes the long-range intra-protein interactions into consideration.
ეს ალგორითმები იყენებენ მრავალი თანმიმდევრობის გათანაბრების ინფორმაციას, რომელიც ცილებს შორის არსებულ გრძელვადიან ურთიერთქმედებას ითვალისწინებს.
52.
ბიოინფორმატიკის საფუძვლები | თავი 19
This problem can be tackled by using either profiles constructed from multiple sequence alignment or residue contact potentials calculated based on the local sequence environment.
ეს პრობლემა შეიძლება ან თანმიმდევრობების მრავლობითი გათანაბრებიდან პროფილების აგების საშუალებით გადავჭრათ ან ნაშთების კონტაქტის პოტენციალის გამოთვლით, რაც თანმიმდევრობის ლოკალურ გარემოს ეფუძნება.
53.
ბიოინფორმატიკის საფუძვლები | თავი 19
It is a web server that predicts the disulfide bonding states of cysteine residues in a protein sequence by building profiles based on multiple sequence alignment information.
ეს ვებსერვერია, რომელიც ცისტეინის ნაშთების დისულფიდური ბმების მდგომარეობებს ცილის თანმიმდევრობაში აპროგნოზებს, რასაც პროფილების აგების საშუალებით ახორციელებს.
54.
ბიოინფორმატიკის საფუძვლები | თავი 17
Its unique features include using a heuristic approach similar to it's to align overlapping fragments, evaluating alignments using statistical scores, correcting sequencing errors based on multiple sequence alignment, and using forward–reverse constraints.
მისი უნიკალური თვისებები მდგომარეობს მის მსგავსი ევრისტიკული მიდგომის გამოყენებაში, რომ გადამფარავი ფრაგმენტების გათანაბრება შესრულდეს; გათანაბრების შეფასებაში სტატისტიკური მაჩვენებლების გამოყენებით, სეკვენირების შეცდომების შესწორებაში თანმიმდევრობების მრავლობითი გათანაბრების საფუძველზე და წინა-უკანა შეზღუდვების გამოყენებით.
წინა შემდეგი