ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
1781.
ბიოინფორმატიკის საფუძვლები | თავი 9
პროგნოზის სახით ირჩევენ თანმიმდევრობის რეგიონს, რომელსაც თვისებებისა და ენერგიის ერთეულების საუკეთესო მაჩვენებლები ახასიათებს.
The sequence region that scores best in features and energy terms is chosen as the prediction.
1782.
ბიოინფორმატიკის საფუძვლები | თავი 9
ევკარიოტების პრომოტორებისა და რეგულატორული ელემენტების პროგნოზის ab initio მეთოდი ასევე ეყრდნობა შეყვანილი თანმიმდევრობების კვლევას ცნობილი პრომოტორისა და რეგულატორული ელემენტების კონსენსუსის სტრუქტურების თავსებადობაზე.
The ab initio method for predicting eukaryotic promoters and regulatory elements also relies on searching the input sequences for matching of consensus patterns of known promoters and regulatory elements.
1783.
ბიოინფორმატიკის საფუძვლები | თავი 9
კონსენსუსის სტრუქტურები მიღებულია დნმ-ს მიბმის ექსპერიმენტულად განსაზღვრული საიტებიდან, რომლებიც კომპილირებულია პროფილებში და შენახულია ბაზაში უცნობი თანმიმდევრობის სკანირების მიზნით, რაც მსგავსი დაკონსერვებული სტრუქტურების მოსაძებნად ხორციელდება.
The consensus patterns are derived from experimentally determined DNA binding sites which are compiled into profiles and stored in a database for scanning an unknown sequence to find similar conserved patterns.
1784.
ბიოინფორმატიკის საფუძვლები | თავი 9
თუმცა, ეს მიდგომა თანმიმდევრობის მოკლე სტრუქტურებთან არასპეციფიკური თავსებადობის გამო, მცდარი დადებითების მაღალი სიხშირის წარმოქმნის ტენდენციას ამჟღავნებს.
However, this approach tends to generate very high rate of false positives owing to nonspecific matches with the short sequence patterns.
1785.
ბიოინფორმატიკის საფუძვლები | თავი 9
ამის გარდა, ტრანსკრიფციის ფაქტორების მიბმის საიტების მაღალი ცვალებადობის გამო, მარტივი თანმიმდევრობის თავსებადობა ხშირად ნამდვილი პრომოტორების საიტებს ვერ ამჩნევს და მცდარ უარყოფითებს იძლევა.
Furthermore, because of the high variability of transcription factor binding sites, the simple sequence matching often misses true promoter sites, creating false negatives.
1786.
ბიოინფორმატიკის საფუძვლები | თავი 9
ის ინტერნეტპროგრამაა, რომელიც ძუძუმწოვრების გენომურ თანმიმდევრობებში CpG კუნძულების მაღალი სიმჭიდროვის მქონე პრომოტორებს პროგნოზირებს.
It is a web-based program that predicts promoters containing a high density of CpG islands in mammalian genomic sequences.
1787.
ბიოინფორმატიკის საფუძვლები | თავი 9
ძუძუმწოვრებიდან მიღებული გამოსაკვლევი თანმიმდევრობები სკანირდება.
The query sequence from a mammalian source is scanned.
1788.
ბიოინფორმატიკის საფუძვლები | თავი 9
ტრანსკრიფციის სასტარტო საიტებად დეკლარირებულია ყველა მაღალი თავსებადობების მქონე თანმიმდევრობის ჭიმები და ელემენტებს შორის განლაგებული სივრცეების თავსებადობებიც.
The sequence stretches with high-score matching to all, as well as matching of the spacing between the elements, are declared transcription start sites.
1789.
ბიოინფორმატიკის საფუძვლები | თავი 9
მოთხოვნილი თანმიმდევრობა 1 ზომის ფანჯრით სკანირდება, რაც სავარაუდო რეგულატორული მოტივების მოძებნის მიზნით, მოტივების გამოყენებით ხორციელდება.
A query sequence is scanned with a window size of 1 for putative regulatory motifs using motif.
1790.
ბიოინფორმატიკის საფუძვლები | თავი 9
ნეირონული ქსელი შეიცავს თანმიმდევრობის ფიზიკური თვისებების პარამეტრებსაც, მაგ. დნმ-ს დახრილობას, პლუს სიგნალებს, ინიციირების ბოქსსა და კუნძულებს.
The input for the neural network includes parameters for sequence physical properties, such as DNA bendability, plus signals, initiator box, and islands.
1791.
ბიოინფორმატიკის საფუძვლები | თავი 9
პროგრამა დასწავლილია კონკრეტულად მისი და ადამიანის თანმიმდევრობებისთვის გამოსაყენებლად.
The program is currently trained for its and human sequences.
1792.
ბიოინფორმატიკის საფუძვლები | თავი 9
ის ინტერნეტპროგრამაა, რომელიც პრომოტორისა და არაპრომოტორის თანმიმდევრობებს განასხვავებს უნიკალური შემადგენლობის ინფორმაციის კომბინირების საფუძველზე, მაგ. ჰექსამერ/ტრიმერის სიხშირეებისა და სიგნალის ისეთი ინფორმაციის საფუძველზე, როგორიცაა პრომოტორის რეგიონში მდებარე ბოქსი.
It is a web program that distinguishes promoter sequences from non-promoter sequences based on a combination of unique content information such as hexamer/trimer frequencies and signal information such the box in the promoter region.
1793.
ბიოინფორმატიკის საფუძვლები | თავი 9
პროგრამის ამუშავებისთვის მომხმარებელი გენის ტრანსკრიფციის თანმიმდევრობას (კდნმ) უზრუნველყოფს.
To use the program, a user supplies the transcript sequence of a gene (cDNA).
1794.
ბიოინფორმატიკის საფუძვლები | თავი 9
პროგნოზირებაში მაკოდირებელ თანმიმდევრობებს არ იყენებენ, ამიტომ სპეციფიკურობას ყოველ ინდივიდუალურ პროგრამასთან კავშირში ზრდიან.
Because no coding sequence is used in prediction, specificity is improved relative to each individual program.
1795.
ბიოინფორმატიკის საფუძვლები | თავი 9
კონსერვაცია როგორც თანმიმდევრობის, ასევე ელემენტების ორგანიზაციის დონესაც ახასიათებს.
The conservation is both at the sequence level and at the level of organization of the elements.
1796.
ბიოინფორმატიკის საფუძვლები | თავი 9
ამიტომ, კონკრეტული გენისთვის შესაძლებელია ასეთი პრომოტორების თანმიმდევრობების დადგენა, რაც შედარებითი ანალიზის საფუძველზე ხორციელდება.
Therefore, it is possible to obtain such promoter sequences for a particular gene through comparative analysis.
1797.
ბიოინფორმატიკის საფუძვლები | თავი 9
ასეთი მეთოდი შეიძლება როგორც პროკარიოტული, ასევე ევკარიოტული თანმიმდევრობებისთვის გამოვიყენოთ.
This type of method can apply to both prokaryotic and eukaryotic sequences.
1798.
ბიოინფორმატიკის საფუძვლები | თავი 9
თუ შერჩეული ორგანიზმების წყვილს ძალიან ახლო ნათესავები შეადგენენ, როგორიცაა ადამიანი და შიმპანზე, მათ შორის თანმიმდევრობების სხვაობა შეიძლება არასაკმარისი იყოს ფუნქციური ელემენტების გაფილტვრის მიზნით.
If the pair of organisms selected are too closely related, such as human and chimpanzee, the sequence difference between them may not be sufficient to filter out functional elements.
1799.
ბიოინფორმატიკის საფუძვლები | თავი 9
სახეობების ნორმალური შერჩევის მაგალითია ადამიანისა და თაგვის თანმიმდევრობების შერჩევა, რაც ხშირად ინფორმატიულ შედეგებს იძლევა.
One example of appropriate selection of species is the use of human and mouse sequences, which often yields informative results.
1800.
ბიოინფორმატიკის საფუძვლები | თავი 9
ფილოგენეზური ანაბეჭდების მიღების სხვა პირობაა შესაბამისი გენების არამაკოდირებელი თანმიმდევრობების ექსტრაქცია დინების აღმავალი მიმართულებით და მხოლოდ ამ რეგიონების შედარებაზე ფოკუსირება, რაც მცდარი დადებითების მიღებისგან დაგვიცავს.
Another caveat of phylogenetic foot printing is to extract noncoding sequences upstream of corresponding genes and focus the comparison to this region only, which helps to prevent false positives.
წინა შემდეგი