ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
801.
ბიოინფორმატიკის საფუძვლები | თავი 7
საცდელი შემდეგ ყოველ თანმიმდევრობასთან ინდივიდუალური შედარებისთვის იყენებენ.
The trial is then used to compare with each sequence individually.
802.
ბიოინფორმატიკის საფუძვლები | თავი 7
გაუთანაბრებელ თანმიმდევრობებში დაკონსერვებული სტრუქტურების პოვნის სხვა ხერხია გიბსის სემპლინგის მეთოდის გამოყენება.
Another way to find conserved patterns from unaligned sequences is to use the Gibbs sampling method.
803.
ბიოინფორმატიკის საფუძვლები | თავი 7
მეთოდის მსგავსად, გიბსის სემპლინგის ალგორითმი საწყის სავარაუდო გათანაბრებას ქმნის ყველა თანმიმდევრობასთან, გარდა ერთისა.
Similar to the method, the Gibbs sampling algorithm makes an initial guessed alignment of all but one sequence.
804.
ბიოინფორმატიკის საფუძვლები | თავი 7
შემდეგ ეტაპზე მატრიცა მარცხენა გარე თანმიმდევრობასთან თანაბრდება.
The matrix is then aligned to the left-out sequence.
805.
ბიოინფორმატიკის საფუძვლები | თავი 7
მატრიცას მაჩვენებლები მარცხენა გარე თანმიმდევრობასთან საუკეთესო გათანაბრების მისაღწევად სწორდება.
The matrix scores are subsequently adjusted to achieve the best alignment with the left-out sequence.
806.
ბიოინფორმატიკის საფუძვლები | თავი 7
ალბათობის მატრიცას აგებისას ის მრავლობით საწყის გათანაბრებას უშვებს, მაგრამ არ უშვებს ყველა თანმიმდევრობაში მოტივების არსებობას.
In constructing a probability matrix, it allows multiple starting alignments and does not assume that there are motifs in every sequence.
807.
ბიოინფორმატიკის საფუძვლები | თავი 7
პირველ ეტაპზე მომხმარებელი პროგრამას დაახლოებით 20 არაგათანაბრებული თანმიმდევრობით ამარაგებს.
In the first step, the user provides approximately 20 unaligned sequences.
808.
ბიოინფორმატიკის საფუძვლები | თავი 7
პროგრამა თანმიმდევრობების მოტივების შესაქმნელად მიმართავს, რომელიც თანმიმდევრობების უგეპო, ლოკალური გათანაბრებაა.
The program applies to generate a sequence motif, which is an ungapped local sequence alignment.
809.
ბიოინფორმატიკის საფუძვლები | თავი 7
ის ინტერნეტპროგრამაა, რომელიც დნმ-ს ან ცილის თანმიმდევრობებისთვის მოკლე, ნაწილობრივად დაკონსერვებული უგეპო სეგმენტის მოსაძებნად გიბსის სემპლინგს იყენებს.
It is a web-based program that uses the Gibbs sampling approach to look for short, partially conserved gap-free segments for either DNA or protein sequences.
810.
ბიოინფორმატიკის საფუძვლები | თავი 7
სიზუსტე რომ გარანტირებული იყოს, საჭიროა გამოვიყენოთ ოცზე მეტი ზუსტად თანაბარი სიგრძის მქონე თანმიმდევრობა.
To ensure accuracy, more than twenty sequences of the exact same length should be used.
811.
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.
812.
ბიოინფორმატიკის საფუძვლები | თავი 7
ზოგადად, თანმიმდევრობის ლოგო კონსენსუსის თანმიმდევრობის უფრო ზუსტ აღწერას იძლევა.
In general, a sequence logo provides a clearer description of a consensus sequence.
813.
ბიოინფორმატიკის საფუძვლები | თავი 7
ის თანმიმდევრობების ლოგოს შესაქმნელად განკუთვნილი ინტერაქტიური პროგრამაა.
It is an interactive program for generating sequence logos.
814.
ბიოინფორმატიკის საფუძვლები | თავი 7
პროგრამამ რომ ლოგოების გამოთვლა შეძლოს, მომხმარებელს სჭირდება თანმიმდევრობების გათანაბრების ფორმატში შეყვანა.
A user needs to enter the sequence alignment in format to allow the program to compute the logos.
815.
ბიოინფორმატიკის საფუძვლები | თავი 7
თანმიმდევრობების მოტივები და დომენები ცილის დაკონსერვებულ, ფუნქციურად მნიშვნელოვან პორციებს ასახავენ.
Sequence motifs and domains represent conserved, functionally important portions of proteins.
816.
ბიოინფორმატიკის საფუძვლები | თავი 7
მოტივებისა და დომენების მონაცემთა ბაზები შეიძლება მონათესავე თანმიმდევრობების მრავლობით გათანაბრებაზე დაყრდნობით ავაგოთ.
Databases for motifs and domains can be constructed based on multiple sequence alignment of related sequences.
817.
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.
818.
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.
819.
ბიოინფორმატიკის საფუძვლები | თავი 7
ეს ცილების ახალი თანმიმდევრობების ფუნქციის ანოტაციების შექმნის ძლიერი ინსტრუმენტებია.
They are powerful tools in functional annotation of new protein sequences.
820.
ბიოინფორმატიკის საფუძვლები | თავი 7
დივერგირებულ თანმიმდევრობებში მცირედ განსხვავებული მოტივების აღმოჩენა შესაძლებელია გიბსის სემპლინგის პროგრამების გამოყენებით.
Subtle motifs from divergent sequences can be discovered using the Gibbs sampling approaches.
წინა შემდეგი