ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
781.
ბიოინფორმატიკის საფუძვლები | თავი 7
ამ ხუთი მონაცემთა ბაზის თანმიმდევრობების სტრუქტურები შემდგომ მუშავდება.
The sequence patterns from the five data bases are further processed.
782.
ბიოინფორმატიკის საფუძვლები | თავი 7
ბაზაში შეყვანილია ხუთივე მონაცემთა ბაზიდან მიღებული ცილის თანმიმდევრობის მხოლოდ გადამფარავი მოტივები და დომენები.
Only over lapping motifs and domains in a protein sequence derived by all five databases are included.
783.
ბიოინფორმატიკის საფუძვლები | თავი 7
შესაძლებელია მოთხოვნილი თანმიმდევრობის დომენის შემაჯამებელი აგებულების გრაფიკული ასახვა მონათესავე თანმიმდევრობებთან ერთად.
The resulting domain architecture of a query sequence can be graphically presented along with related sequences.
784.
ბიოინფორმატიკის საფუძვლები | თავი 7
თუ კონკრეტული მოტივის კონკრეტულ მონაცემთა ბაზაში ძებნა შედეგს არ იძლევა, ეს არ ნიშნავს, რომ თანმიმდევრობა ამ სტრუქტურებს არ შეიცავს.
If a particular motif search returns nothing from a particular database search, it does not mean that the sequence contains no patterns.
785.
ბიოინფორმატიკის საფუძვლები | თავი 7
გახსოვდეთ აგრეთვე, რომ მონაცემთა ბაზებში მრავალი თანმიმდევრობაა, რომლებიც შეცდომით არის ანოტირებული, რაც ნამდვილი მოტივის შემჩნევას ხელს უშლის.
Also keep in mind that there are many misannotated sequences in databases, which hinder the detection of true motifs.
786.
ბიოინფორმატიკის საფუძვლები | თავი 7
პირიქით, შეუთავსებლობა შეიძლება თანმიმდევრობების თავსებადობის მოძებნის არამგრძნობიარე მეთოდის შედეგი იყოს.
Alternatively, the nonmatch may be a result of insensitive sequence matching methods.
787.
ბიოინფორმატიკის საფუძვლები | თავი 7
ცილების კლასიფიკაციის სხვა გზა თანმიმდევრობების თითქმის მთელ სიგრძეზე შედარებას ეყრდნობა.
Another way of classifying proteins is based on near full-length sequence comparison.
788.
ბიოინფორმატიკის საფუძვლები | თავი 7
ახალი კლასიფიკაციის სქემა ითხოვს ცილების კლასტერირებას, თანმიმდევრობების ზოგადი მსგავსების საფუძველზე.
The latter classification scheme requires clustering of proteins based on overall sequence similarities.
789.
ბიოინფორმატიკის საფუძვლები | თავი 7
დაჯგუფების კრიტერიუმში შედის თანმიმდევრობების გათანაბრებიდან ან ორთოლოგიების ნათესაური კავშირებიდან მიღებული სტატისტიკური მაჩვენებლები.
The clustering criteria include statistical scores in sequence alignments or orthologous relationships.
790.
ბიოინფორმატიკის საფუძვლები | თავი 7
ამ მიდგომის საფუძველზე დამუშავებული ცილის ოჯახების მონაცემთა ბაზები არ არის დამოკიდებული კონკრეტული თანმიმდევრობის ხელმოწერის არსებობაზე, და ამიტომ შეიძლება უფრო სრულყოფილი იყოს.
Protein family databases derived from this approach do not depend on the presence of particular sequence signatures and thus can be more comprehensive.
791.
ბიოინფორმატიკის საფუძვლები | თავი 7
ის აგებულია ცილის თანმიმდევრობების შედარებებზე დაყრდნობით, რომლებიც კოდირებულია ორმოცდასამი სრულად სეკვენირებული გენომით (ძირითადად პროკარიოტების). ეს ორგანიზმები ოცდაათ ძირითად ფილოგენეზურ ევოლუციურ შტოს წარმოადგენენ.
It is constructed by comparing protein sequences encoded in forty-three completely sequenced genomes, which are mainly from prokaryotes, representing thirty major phylogenetic lineages.
792.
ბიოინფორმატიკის საფუძვლები | თავი 7
„ყველა ყველასთან შედარების“ პრინციპით გენომების თანმიმდევრობების შედარების მეშვეობით ხდება ორთოლოგიური ცილების დადგენა, რომლებიც საერთოა სამი ან მეტი ევოლუციური შტოსთვის. ისინი ორთოლოგიური კლასტერების სახით ერთად ჯგუფდება.
Through all-against-all sequence comparisons among the genomes, orthologous proteins shared by three or more lineages are identified and clustered together as orthologous groups.
793.
ბიოინფორმატიკის საფუძვლები | თავი 7
ამის მსგავსად, შეიძლება მოთხოვნილი თანმიმდევრობის ფუნქციის განსაზღვრაც, თუ მას კლასტერის ნებისმიერ წევრთან მსგავსების სარწმუნო თავსებადობები აქვს.
Similarly, a query sequence can be assigned function if it has significant similarity matches with any member of the cluster.
794.
ბიოინფორმატიკის საფუძვლები | თავი 7
ყველაზე ახლო მონათესავე თანმიმდევრობები კლასტერების უმდაბლეს დონეში ჯგუფდება.
The most closely related sequences are grouped into the lowest level clusters.
795.
ბიოინფორმატიკის საფუძვლები | თავი 7
კლასტერის იდენტიფიკაციისა და ფუნქციური ანოტირების მიზნით პროგრამას შეიძლება წარვუდგინოთ ცილის მოთხოვნილი თანმიმდევრობა.
A query protein sequence can be submitted to the server for cluster identification and functional annotation.
796.
ბიოინფორმატიკის საფუძვლები | თავი 7
მოტივების აღმოჩენა გაუთანაბრებელ თანმიმდევრობებში.
MOTIF DISCOVERY IN UNALIGNED SEQUENCES.
797.
ბიოინფორმატიკის საფუძვლები | თავი 7
ახლო ნათესაური თანმიმდევრობების ნაკრებისთვის ჩვეულებრივად საზიარო მოტივების აღმოჩენა შესაძლებელია თანმიმდევრობების მრავლობით გათანაბრებაზე დაფუძნებული მეთოდების გამოყენებით.
For a set of closely related sequences, commonly shared motifs can be discovered by using the multiple sequence alignment–based methods.
798.
ბიოინფორმატიკის საფუძვლები | თავი 7
თუმცა, ხშირად, შორეული მონათესავე თანმიმდევრობები, რომლებსაც საერთო მოტივები აქვთ, ადვილად არ თანაბრდება.
Often, however, distantly related sequences that share common motifs cannot be readily aligned.
799.
ბიოინფორმატიკის საფუძვლები | თავი 7
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.
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.
800.
ბიოინფორმატიკის საფუძვლები | თავი 7
ეს მეთოდი საცდელის შესაქმნელად პირველად თანმიმდევრობების შემთხვევით ან სავარაუდო გათანაბრებას აგებს.
The method works by first making a random or guessed alignment of the sequences to generate a trial.
წინა შემდეგი