ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
901.
ბიოინფორმატიკის საფუძვლები | თავი 13
ოჯახები ცილებისგან შედგება, რომლებსაც თანმიმდევრობების მაღალი იდენტობა ახასიათებს.
The families consist of proteins having high sequence identity.
902.
ბიოინფორმატიკის საფუძვლები | თავი 13
სუპეროჯახები მსგავსი სტრუქტურების მქონე ოჯახებისგან შედგება, მაგრამ მათ თანმიმდევრობების სუსტი მსგავსება ახასიათებს.
Super families consist of families with similar structures, but weak sequence similarity.
903.
ბიოინფორმატიკის საფუძვლები | თავი 13
ტოპოლოგიის დონე, მასში ნაკეცის დონის ეკვივალენტურია, რომელიც მეორეული სტრუქტურის ელემენტების საერთო ორიენტაციას აღწერს და მხედველობაში იღებს მეორეული სტრუქტურის ელემენტებს შორის თანმიმდევრობების დაკავშირებულობას.
The topology level is equivalent to the fold level in it, which describes overall orientation of secondary structures and takes into account the sequence connectivity between the secondary structure elements.
904.
ბიოინფორმატიკის საფუძვლები | თავი 15
ახლა ჩვენთვის ცნობილია, რომ თანმიმდევრობებში არსებული ცვალებადობის მიუხედავად, დნმ-ს სტრუქტურა – ორმაგი სპირალი – საკმაოდ მდგრადია.
We now know that the DNA structure, a double helix, is rather invariable regardless of sequence variations.
905.
ბიოინფორმატიკის საფუძვლები | თავი 15
დღეს თითქმის არ არსებობს მოთხოვნა დნმ-ს ცვალებადი თანმიმდევრობების სტრუქტურების განსაზღვრაზე ან მათ მოდელირებაზე. მაგრამ საკმაოდ დიდი მოთხოვნაა ცილის სტრუქტურების ინდივიდუალური მოდელების შექმნაზე.
Although there is little need today to determine or model DNA structures of varying sequences, there is still a real need to model protein structures individually.
906.
ბიოინფორმატიკის საფუძვლები | თავი 15
ამას ის იწვევს, რომ ცილის სტრუქტურების ცვლილება დამოკიდებულია თანმიმდევრობაზე.
This is because protein structures vary depending on the sequences.
907.
ბიოინფორმატიკის საფუძვლები | თავი 15
მეორე მიზეზია რენტგენოკრისტალოგრაფიის ან სპექტროსკოპიის საშუალებით სტრუქტურის განსაზღვრის ძალიან მცირე სიჩქარე, გენომური კვლევების საშუალებით გენის თანმიმდევრობის შექმნის შესაძლებლობებთან შედარებით.
Another reason is the much slower rate of structure determination by x-ray crystallography or spectroscopy compared to gene sequence generation from genomic studies.
908.
ბიოინფორმატიკის საფუძვლები | თავი 15
შესაბამისად, სწრაფად იზრდება უფსკრული ცილის თანმიმდევრობასა და ცილის სტრუქტურაზე მიღებულ ინფორმაციებს შორის.
Consequently, the gap between protein sequence information and protein structural information is increasing rapidly.
909.
ბიოინფორმატიკის საფუძვლები | თავი 15
ცილის სტრუქტურის პროგნოზის მიზანია თანმიმდევრობა-სტრუქტურის უფსკრულის გადალახვა.
Protein structure prediction aims to reduce this sequence–structure gap.
910.
ბიოინფორმატიკის საფუძვლები | თავი 15
არსებობს ფუნქციურად მნიშვნელოვანი მრავალი ცილა, რომელთა თანმიმდევრობების ინფორმაცია მისაწვდომია, მაგრამ სამგანზომილებიანი აგებულება დღემდე უცნობია.
There are many important proteins for which the sequence information is available, but their three-dimensional structures remain unknown.
911.
ბიოინფორმატიკის საფუძვლები | თავი 15
ჰომოლოგების მოდელირება ატომურ მოდელს ექსპერიმენტულად დადგენილი სტრუქტურების საფუძველზე აშენებს. ეს სტრუქტურები თანმიმდევრობის დონეზე ახლო ნათესაობას ავლენენ.
Homology modeling builds an atomic model based on an experimentally determined structure that is closely related at the sequence level.
912.
ბიოინფორმატიკის საფუძვლები | თავი 15
სრედინგი სტრუქტურულად მსგავსი ცილების იდენტიფიცირებას თანმიმდევრობების დადასტურებული მსგავსების საფუძველზე ან მის გარეშე ახდენს.
Threading identifies proteins that are structurally similar, with or without detectable sequence similarities.
913.
ბიოინფორმატიკის საფუძვლები | თავი 15
როგორც სახელწოდებიდან ჩანს, ჰომოლოგების მოდელირება ცილის სტრუქტურას პროგნოზირებს. ეს ხდება გამოსაკვლევი თანმიმდევრობის ცნობილ სტრუქტურებთან ჰომოლოგიურობის საფუძველზე.
As the name suggests, homology modeling predicts protein structures based on sequence homology with known structures.
914.
ბიოინფორმატიკის საფუძვლები | თავი 15
ის ცნობილია შედარებითი მოდელირების სახელითაც და საფუძვლად უდევს პრინციპი, რომ თუ ორ ცილას თანმიმდევრობების საკმარისად დიდი მსგავსება ახასიათებს, დიდი ალბათობით, მათ ძალიან მსგავსი სამგანზომილებიანი სტრუქტურა ექნებათ.
It is also known as comparative modeling. The principle behind it is that if two proteins share a high enough sequence similarity, they are likely to have very similar three-dimensional structures.
915.
ბიოინფორმატიკის საფუძვლები | თავი 15
თუ ერთ-ერთი ცილის თანმიმდევრობა ცნობილია, შესაძლებელია მისგან აიგოს უცნობი ცილის თანმიმდევრობა საკმაოდ მაღალი სარწმუნოობის ხარისხით.
If one of the protein sequences has a known structure, then the structure can be copied to the unknown protein with a high degree of confidence.
916.
ბიოინფორმატიკის საფუძვლები | თავი 15
ეს ცილის სტრუქტურების მონაცემთა ბაზაში ჰომოლოგიური თანმიმდევრობების იდენტიფიცირებაა, რომლებიც მოდელირებისას შაბლონის სახით უნდა გამოვიყენოთ.
It involves identification of homologous sequences in the protein structure database to be used as templates for modeling.
917.
ბიოინფორმატიკის საფუძვლები | თავი 15
მეორე ეტაპია სამიზნე და შაბლონური თანმიმდევრობების გათანაბრება.
The second step is alignment of the target and template sequences.
918.
ბიოინფორმატიკის საფუძვლები | თავი 15
ემპირიული წესის მიხედვით, მონაცემთა ბაზის ცილების შაბლონის სახით შესარჩევად, მათ გამოსაკვლევ თანმიმდევრობასთან, სულ ცოტა, თანმიმდევრობების 30%-იანი მსგავსება უნდა ჰქონდეს.
As a rule of thumb, a database protein should have at least 30% sequence identity with the query sequence to be selected as template.
919.
ბიოინფორმატიკის საფუძვლები | თავი 15
ხანდახან, თუ თანმიმდევრობების წყვილის მსგავსება „უსაფრთხო ზონაში“ ხვდება, ზღვრის სახით შეიძლება იდენტურობის 20%-იანი დონეც მივიღოთ.
Occasionally, a 20% identity level can be used as threshold as long as the identity of the sequence pair falls within the "safe zone".
920.
ბიოინფორმატიკის საფუძვლები | თავი 15
მეორე მხრივ, შეიძლება ისეთი სიტუაციაც გვქონდეს, როცა სტრუქტურების მონაცემთა ბაზაში ვერ მოვძებნით დიდი მსგავსების მქონე თანმიმდევრობას.
On the other hand, there may be a situation in which no highly similar sequences can be found in the structure database.
წინა შემდეგი