ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
6141.
ბიოინფორმატიკის საფუძვლები | თავი 4
ცილის და დნმ-ს თანმიმდევრობებში შეიძლება იყოს რეგიონები, რომლებიც მაღალი განმეორებადობის ნაშთებს შეიცავს, მაგ. განმეორებების მოკლე სეგმენტებს ან სეგმენტებს, რომლებიც გადაჭარბებულად არის წარმოდგენილი ნაშთების მცირე რაოდენობით.
For both protein and DNA sequences, there may be regions that contain highly repetitive residues, such as short segments of repeats, or segments that are overrepresented by a small number of residues.
6142.
ბიოინფორმატიკის საფუძვლები | თავი 4
სუსტი შენიღბვა მოიცავს პრობლემატური თანმიმდევრობის გარდაქმნას სტრიქონის ასოების რეგისტრად, რომლებიც უგულებელყოფილია სიტყვების ლექსიკონის შედგენისას, მაგრამ გამოყენებულია სიტყვის გაფართოებისას და გათანაბრების ოპტიმიზაციისას.
Soft masking involves converting the problematic sequences to lower case letters, which are ignored in constructing the word dictionary, but are used in word extension and optimization of alignments.
6143.
ბიოინფორმატიკის საფუძვლები | თავი 4
სათაურის სექცია შეიცავს გენის ინდექსის ნომერს, ან მონაცემთა ბაზაში მოხვედრის სარეგისტრაციო ნომერს დამატებული მონაცემთა ბაზის თანმიმდევრობების ერთსტრიქონიანი აღწერა.
The header section contains the gene index number or the reference number of the database hit plus a one-line description of the database sequence.
6144.
ბიოინფორმატიკის საფუძვლები | თავი 4
მონაცემთა ბაზაში მსგავსების ძებნა აუცილებელი პირველი ნაბიჯია ახალი გენის ან ცილის თანმიმდევრობის ფუნქციონალური დახასიათებისთვის.
Database similarity searching is an essential first step in the functional characterization of novel gene or protein sequences.
6145.
ბიოინფორმატიკის საფუძვლები | თავი 5
ეს პროცედურა დაბალი ხარისხის მქონე გათანაბრების შექმნით იწყება, რომელიც იტერაციული გათანაბრებებით თანდათანობით უმჯობესდება. ის ხორციელდება ზუსტად დადგენილი პროცედურების გავლით, სანამ გათანაბრების ქულების გაუმჯობესება არ შეწყდება.
The procedure starts by producing a low-quality alignment and gradually improves it by iterative realignment through well-defined procedures until no more improvements in the alignment scores can be achieved.
6146.
ბიოინფორმატიკის საფუძვლები | თავი 6
ახალი თანმიმდევრობების მოხვედრების დადგენის შემდეგ, ახალი პროფილის შესაქმნელად, ახდენენ მათ კომბინირებას წინა მრავლობით გათანაბრებასთან. შექმნილ ახალ პროფილს, თავის მხრივ, მონაცემთა ბაზაში ძებნის თანმიმდევრულ ციკლებში იყენებენ.
When new sequence hits are identified, they are combined with the previous multiple alignment to generate a new profile, which is in turn used in subsequent cycles of database searching.
6147.
ბიოინფორმატიკის საფუძვლები | თავი 6
გენისა და პრომოტორის თანამედროვე პროგნოზირება, ტრანსმემბრანული ცილის პროგნოზირება, და ცილის სტრუქტურის გამოცნობა.
Advanced gene and promoter prediction, transmembrane protein prediction, as well as protein fold recognition.
6148.
ბიოინფორმატიკის საფუძვლები | თავი 6
გეპების ჩატვირთვის და დამუშავების მოქნილი სისტემის გამო ის პროფილებზე უფრო მგრძნობიარეა, დაცილებული თანმიმდევრობების ჰომოლოგების დადგენის მიხედვით.
As a result of flexible handling of gaps, it is more sensitive than profiles in detecting remote sequence homologs.
6149.
ბიოინფორმატიკის საფუძვლები | თავი 6
ის ავტომატურია, რაც პროფილებზე დაფუძნებული ჰომოლოგების დადგენის ფართო გამოყენებას ასტიმულირებს.
The automated nature of it has stimulated a widespread use of profile-based homolog detection.
6150.
ბიოინფორმატიკის საფუძვლები | თავი 7
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.
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.
6151.
ბიოინფორმატიკის საფუძვლები | თავი 7
ცილაში მოტივებისა და დომენების იდენტიფიკაცია ცილის თანმიმდევრობების კლასიფიკაციისა და ფუნქციური ანოტაციების შედგენის მნიშვნელოვანი ასპექტია.
The identification of motifs and domains in proteins is an important aspect of the classification of protein sequences and functional annotation.
6152.
ბიოინფორმატიკის საფუძვლები | თავი 7
რეგიონები, რომლებზეც დადგენილია, რომ ისინი მოტივები და დომენებია, შემდგომში ცილის ოჯახისთვის დიაგნოსტიკური ნიშნების როლს ასრულებენ.
The regions considered motifs and domains then serve as diagnostic features for a protein family.
6153.
ბიოინფორმატიკის საფუძვლები | თავი 7
არსებობს მოტივებისა და დომენების კონსენსუსის ინფორმაციის წარდგენის ორი ზოგადი მიდგომა.
There are generally two approaches to representing the consensus information of motifs and domains.
6154.
ბიოინფორმატიკის საფუძვლები | თავი 7
თანმიმდევრობების კონსენსუსის სტრუქტურები მიღებულია ცილის თანმიმდევრობების გათანაბრებების დაკონსერვებული რეგიონებიდან და წარმოდგენილია რეგულარული ექსპრესიის საშუალებით.
The consensus sequence patterns are derived from conserved regions of proteins sequence alignments and are represented with regular expressions.
6155.
ბიოინფორმატიკის საფუძვლები | თავი 7
თუ რეგულარული ექსპრესია მიღებულია თანმიმდევრობების დაუმთავრებელი ნაკრებიდან, მას პროგნოზირების ნაკლები ძალა ექნება, ვინაიდან იგივე ტიპის მოტივის შემცველი მრავალი თანმიმდევრობა მასში წარმოდგენილი არ არის.
If a regular expression is derived from an incomplete sequence set, it has less predictive power because many more sequences with the same type of motifs.
6156.
ბიოინფორმატიკის საფუძვლები | თავი 7
მონაცემთა ბაზა შემდგომში იძლევა ინფორმაციას გენის ონტოლოგიის შესახებ, ყოველ დონეზე ცილის კლასტერირების მიზნით ისევე, როგორც საკვანძო სიტყვებს დომენებისთვის, რასაც ფუნქციის პროგნოზირებისთვის იყენებენ.
The database further provides gene ontology information for protein cluster at each level as well as keywords from domains for functional prediction.
6157.
ბიოინფორმატიკის საფუძვლები | თავი 7
თანმიმდევრობების მრავლობითი გათანაბრება ან მოტივი ხშირად წარმოდგენილია გრაფიკული გამოსახულებით, რომელსაც ლოგოს ეძახიან.
A multiple sequence alignment or a motif is often represented by a graphic representation called a logo.
6158.
ბიოინფორმატიკის საფუძვლები | თავი 7
რეგულარული ექსპრესიების თავსებადობის მექანიზმები მოთხოვნილ თანმიმდევრობებთან შეიძლება ზუსტი ან ბუნდოვანი თავსებადობის სახით იყოს წარმოდგენილი.
The mechanism of matching regular expressions with query sequences can be either exact matches or fuzzy matches.
6159.
ბიოინფორმატიკის საფუძვლები | თავი 7
თუმცა ამ მონაცემთა ბაზებს შორის სხვაობები სხვადასხვა მგრძნობელობას ავლენს უცნობ თანმიმდევრობაში თანმიმდევრობის მოტივების დადგენის მიმართ.
However, differences between databases render different sensitivities in detecting sequence motifs from unknown sequences.
6160.
ბიოინფორმატიკის საფუძვლები | თავი 7
თანმიმდევრობების ლოგოები არის მოტივების წარდგენის ეფექტური გზა.
Sequence logos are an effective way to represent motifs.
წინა შემდეგი