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 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.
42.
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.
43.
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.
44.
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.
45.
ბიოინფორმატიკის საფუძვლები | თავი 7
A user needs to enter the sequence alignment in format to allow the program to compute the logos.
პროგრამამ რომ ლოგოების გამოთვლა შეძლოს, მომხმარებელს სჭირდება თანმიმდევრობების გათანაბრების ფორმატში შეყვანა.
46.
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.
47.
ბიოინფორმატიკის საფუძვლები | თავი 8
It is a web-based program purely based on the sequence alignment approach to define intron–exon boundaries.
ის ინტერნეტპროგრამაა, რომელიც ინტრონ-ეგზონის საზღვრების განსაზღვრის მიზნით მთლიანად ეფუძნება თანმიმდევრობების გათანაბრების მიდგომას.
48.
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.
49.
ბიოინფორმატიკის საფუძვლები | თავი 11
The second category of phylogenetic methods is based on distance, which is the amount of dissimilarity between pairs of sequences, computed on the basis of sequence alignment.
ფილოგენეზური მეთოდების მეორე კატეგორია დაფუძნებულია მანძილზე, რაც თანმიმდევრობების წყვილს შორის განსხვავებების რაოდენობას წარმოადგენს, რომელსაც თანმიმდევრობების გათანაბრების საფუძველზე ითვლიან.
50.
ბიოინფორმატიკის საფუძვლები | თავი 11
The conditional probability is the substitution frequency of characters observed fromthe sequence alignment.
პირობითი ალბათობა არის თანმიმდევრობების გათანაბრებაში დაკვირვებული ნიშნების ჩანაცვლებების სიხშირე.
51.
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.
52.
ბიოინფორმატიკის საფუძვლები | თავი 13
The most challenging part of using the intermolecular method is to identify equivalent residues in the first place, which often resorts to sequence alignment methods.
მოლეუკლებსშორის მეთოდის გამოყენების ყველაზე რთული ნაწილია, პირველ რიგში, ეკვივალენტური ნაშთების დადგენა, რაც ხშირად თანმიმდევრობების გათანაბრების მეთოდებს ეყრდნობა.
53.
ბიოინფორმატიკის საფუძვლები | თავი 13
The alignment strategy is similar to the sequence alignment using a progressive approach.
გათანაბრების სტრატეგია ამ შემთხვევაში თანმიმდევრობების გათანაბრების მსგავსია და პროგრესულ მიდგომას იყენებს.
54.
ბიოინფორმატიკის საფუძვლები | თავი 14
As a result, correctly identifying secondary structure elements can help to guide sequence alignment or improve existing sequence alignment of distantly related sequences.
ამის შედეგად, მეორეული სტრუქტურის ელემენტების ზუსტი იდენტიფიცირება თანმიმდევრობების გათანაბრების ჩატარებაში გვეხმარება, ან შორეულად მონათესავე თანმიმდევრობების არსებულ გათანაბრებას აუმჯობესებს.
55.
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.
56.
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.
57.
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.
58.
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.
59.
ბიოინფორმატიკის საფუძვლები | თავი 14
A profile is extracted from the multiple sequence alignment.
პროფილს თანმიმდევრობების მრავლობითი გათანაბრებიდან გამოყოფენ.
60.
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.
წინა შემდეგი