ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
641.
ბიოინფორმატიკის საფუძვლები | თავი 5
როგორც კი ახალ თანმიმდევრობას ვამატებთ, ის სმიტ-უოტერმანის ალგორითმის გამოყენებით, ნაწილობრივი მოწესრიგებულობის გრაფიკში ყოველ თანმიმდევრობასთან ინდივიდუალურად თანაბრდება.
Each time a new sequence is added, it is aligned with every sequence within the partial order graph individually using the Smith–Watermanalgorithm.
642.
ბიოინფორმატიკის საფუძვლები | თავი 5
ასეთი გრაფიკული პროფილის აშენებით, ალგორითმი საწყისი თანმიმდევრობის ინფორმაციას ინახავს და შეცდომის დაფიქსირების პრობლემას გამორიცხავს.
By building such a graph profile, the algorithm maintains the information of the original sequences and eliminates the problem of error fixation.
643.
ბიოინფორმატიკის საფუძვლები | თავი 5
პირველ რიგში ის შეყვანილი თანმიმდევრობების წინასწარ დამუშავებას ახორციელებს, რისთვისაც ყოველი თანმიმდევრობისთვის პროფილს აგებს.
It first performs preprocessing of the input sequences by building profiles for each sequence.
644.
ბიოინფორმატიკის საფუძვლები | თავი 5
ვინაიდან პროფილებში შესულია ინფორმაცია ყოველი შეყვანილი თანმიმდევრობის შორეულ ნათესავებზე, ეს მიდგომა საწყის მონაცემთა სიმრავლეში არსებული შორეულად მონათესავე თანმიმდევრობების უფრო ზუსტი გათანაბრების საშუალებას იძლევა.
Because the profiles already incorporate information of distant relatives of each input sequence, this approach allows more accurate alignment of distantly related sequences in the original dataset.
645.
ბიოინფორმატიკის საფუძვლები | თავი 5
მეორეული სტრუქტურის ინფორმაციას პროფილის ქულების მოდიფიცირებისთვის იყენებენ, რაც გვეხმარება თანმიმდევრობების შეთავსების შეზღუდვაში სტრუქტურული რეგიონების ფარგლებამდე.
The secondary structure information is used to modify the profile scores to help constrain sequence matching to the structured regions.
646.
ბიოინფორმატიკის საფუძვლები | თავი 5
ყოველ განმეორებაში გათანაბრებისთვის გამოყენებული თანმიმდევრობების რიგითობა განსხვავებულია, ამიტომ ამ მეთოდმა შეიძლება თანდათანობითი სტრატეგიის „სიხარბის“ პრობლემა შეამსუბუქოს.
Because the order of the sequences used for alignment is different in each iteration, this method may alleviate the “greedy” problem of the progressive strategy.
647.
ბიოინფორმატიკის საფუძვლები | თავი 5
შინაგანი იტერაციისას თანმიმდევრობები შემთხვევითად ორ ჯგუფად იყოფა.
In the inner iteration, the sequences are randomly divided into two groups.
648.
ბიოინფორმატიკის საფუძვლები | თავი 5
ორი ჯგუფი, რომელთაგან თითოეული განიხილება, როგორც ერთი თანმიმდევრობა, შემდეგ ერთმანეთთან თანაბრდება. ეს ხორციელდება გლობალური დინამიკური პროგრამირებით.
The two groups, each treated as a single sequence, are then aligned to each other using global dynamic programming.
649.
ბიოინფორმატიკის საფუძვლები | თავი 5
თანდათანობითი და იტერაციული გათანაბრების სტრატეგიები ძირითადად დაფუძნებულია გლობალურ გათანაბრებაზე და ამიტომ, სხვადასხვა სიგრძის მაღალ დივერგირებულ თანმიმდევრობებში დაკონსერვებული დომენებისა და მოტივების გარჩევა უჭირთ.
The progressive and iterative alignment strategies are largely global alignment based and may therefore fail to recognize conserved domains and motifs among highly divergent sequences of varying lengths.
650.
ბიოინფორმატიკის საფუძვლები | თავი 5
ასეთი დივერგირებული თანმიმდევრობებისთვის, რომლებსაც საერთო მხოლოდ რეგიონული მსგავსებები აქვთ, ლოკალურ გათანაბრებაზე დაფუძნებული მიდგომა უნდა გამოვიყენოთ.
For such divergent sequences that share only regional similarities, a local alignment based approach has to be used.
651.
ბიოინფორმატიკის საფუძვლები | თავი 5
ეს სტრატეგია უგეპო გათანაბრების ბლოკების იდენტიფიცირებას ახდენს, რომლებიც ყველა თანმიმდევრობისთვის საერთოა. აქედან გამომდინარეობს ამ სტრატეგიის სახელწოდებაც: ბლოკზე-დაფუძნებული ლოკალური გათანაბრების სტრატეგია.
The strategy identifies a block of ungapped alignment shared by all the sequences, hence, the block-based local alignment strategy.
652.
ბიოინფორმატიკის საფუძვლები | თავი 5
ამ მეთოდით ყველა თანმიმდევრობა უფრო მოკლე სეგმენტებად იყოფა და ამ სეგმენტებს შორის ყველა შესაძლო დაწყვილებული გათანაბრება ხორციელდება.
The method breaks each of the sequences down to smaller segments and performs all possible pairwise alignments between the segments.
653.
ბიოინფორმატიკის საფუძვლები | თავი 5
მაღალი მაჩვენებლების მქონე სეგმენტები – ბლოკები – რომლებიც სხვადასხვა თანმიმდევრობებში არსებობენ, შემდეგ, მრავლობითი გათანაბრების ასაგებად, თანმიმდევრულად კომპილირდება.
High-scoring segments, called blocks, among different sequences are then compiled in a progressive manner to assemble a full multiple alignment.
654.
ბიოინფორმატიკის საფუძვლები | თავი 5
ბლოკებს შორის მდებარე თანმიმდევრობების რეგიონები გაუთანაბრებელი რჩება.
The sequence regions between the blocks are left unaligned.
655.
ბიოინფორმატიკის საფუძვლები | თავი 5
ეს პროგრამა განსაკუთრებით მოსახერხებელია მხოლოდ ლოკალური მსგავსების მქონე დივერგირებული თანმიმდევრობების გასათანაბრებლად.
The program has been shown to be especially suitable for aligning divergent sequences with only local similarity.
656.
ბიოინფორმატიკის საფუძვლები | თავი 5
ის ინტერნეტ-სერვერია, რომლის მიზანიც ასევე თანმიმდევრობებს შორის დაკონსერვებული ბლოკების (ან ბოქსების) იდენტიფიცირებაა.
It is a web-based server that also aims to identify conserved blocks (or boxes) among sequences.
657.
ბიოინფორმატიკის საფუძვლები | თავი 5
თუ ყველა თანმიმდევრობაში კონკრეტული სეგმენტების მსგავსება კონკრეტულ ზღვარზე მაღალია, მათ მრავლობითი გათანაბრების ასაწყობად ენკორის სახით იყენებენ; ბლოკებს შორის განლაგებული ნაშთები არ თანაბრდება.
If the similarity of particular segments is above a certain threshold across all sequences, they are used as an anchor to assemble multiple alignments; residues between blocks are unaligned.
658.
ბიოინფორმატიკის საფუძვლები | თავი 5
სერვერი მომხმარებლისგან თანმიმდევრობების ფორმატში შეყვანას ითხოვს.
The server requires the user to submit a set of sequences in the format.
659.
ბიოინფორმატიკის საფუძვლები | თავი 5
ცილის მაკოდირებელი დნმ-ს თანმიმდევრობები.
Protein-Coding DNA Sequences.
660.
ბიოინფორმატიკის საფუძვლები | თავი 5
პირდაპირ დნმ-ს დონეზე შესრულებული თანმიმდევრობების გათანაბრება ხშირად ჩარჩოს შეცდომით წანაცვლებას იწვევს, ვინაიდან დნმ-ს გათანაბრებაში გეპები ისეა ჩასმული, რომ არ არის გათვალისწინებული კოდონების საზღვრები.
Sequence alignment directly at the DNA level can often result in frameshift errors because in DNA alignment gaps are introduced irrespective of codon boundaries.
წინა შემდეგი