ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
6201.
ბიოინფორმატიკის საფუძვლები | თავი 8
ის მუშაობს ყველა შესაძლო 3 სპლაისინიგის საიტის პოზიციის მიმართ მაკოდირებელი სიგნალების ორგანზომილებიანი გრაფიკის შედგენითა და დიაგონალური ხაზის დახაზვით, რომელიც მაკოდირებელ სიგნალებს საუკეთესოდ გამოყოფს არამაკოდირებელი სიგნალებისგან. ამას ახორციელებს იმ ცოდნის საფუძველზე, რომელიც დასწავლილია ცნობილი გენის სტრუქტურიდან მიღებული სასწავლო მონაცემების ნაკრებიდან.
It works by plotting a two-dimensional graph of coding signals versus all potential 3 splice site positions and drawing a diagonal line that best separates coding signals from noncoding signals based on knowledge learned from training data sets of known gene structures.
6202.
ბიოინფორმატიკის საფუძვლები | თავი 8
უფრო რთული მათემატიკური ფუნქციების მიუხედავად, ცხადი არ არის, რომ გენის რეალურ პროგნოზში მიღწეულია მოსალოდნელი გაუმჯობესება.
Despite the more complex mathematical functions, the expected increase in performance has not been obvious in actual gene prediction.
6203.
ბიოინფორმატიკის საფუძვლები | თავი 8
მას აგრეთვე ინტენსიურად იყენებენ ადამიანის გენომის ანოტაციების შედგენისას.
It has been used extensively in annotating the human genome.
6204.
ბიოინფორმატიკის საფუძვლები | თავი 8
შემდგომში კეთდება პროგნოზირება, რომელიც ხასიათდება იმით, რომ იხრება დაბლოკილი რეგიონების მიმართულებით და მისი ფარგლებიდან გარეთაც ვრცელდება. ეს განსაზღვრავს გენის მაკოდირებელი რეგიონის დარჩენილ ნაწილსაც და მეზობელ გენებსაც.
An prediction is subsequently made with a bias toward the locked region and is extended from the locked region to predict the rest of the gene coding regions and even neighboring genes.
6205.
ბიოინფორმატიკის საფუძვლები | თავი 8
მისი მეორე უპირატესობა მდგომარეობს იმაში, რომ არ არის აუცილებელი მოდელის დასწავლა, რაც გენის პროგნოზირების მეტ მოქნილობას უზრუნველყოფს.
Another advantage is that there is no need for model training, which provides much more flexibility for gene prediction.
6206.
ბიოინფორმატიკის საფუძვლები | თავი 8
გენის სინთეზური პროგნოზი მსგავსებაზე დაფუძნებული ინტერნეტპროგრამაა, რომელიც ახლო მონათესავე ორგანიზმებიდან მიღებულ დნმ-ს ორ გენომურ თანმიმდევრობას ათანაბრებს.
Syntenic Gene Prediction is a similarity-based web program that aligns two genomic DNA sequences from closely related organisms.
6207.
ბიოინფორმატიკის საფუძვლები | თავი 8
ესეც გენის მოძიების მსგავსებაზე დაფუძნებული პროგრამაა.
It is also a similarity-based gene-finding server.
6208.
ბიოინფორმატიკის საფუძვლები | თავი 8
პირველად ის გენის სამი მაძიებლის საშუალებით ყველა სავარაუდო ეგზონს ადგენს და შესაბამის მაჩვენებლებს ანიჭებს.
It first compiles all putative exons from the three gene-finders and assigns with associated scores.
6209.
ბიოინფორმატიკის საფუძვლები | თავი 8
რაც მაჩვენებლების ჩართვისა და ეგზონების ოპტიმალური ნაკრების მოძიების მიზნით ხორციელდება, რომელიც გენის სტრუქტურის საბოლოო მონიშვნას მოგვცემს.
Which are used to infer scores and search the optimal exon set which gives the final designation of gene structure.
6210.
ბიოინფორმატიკის საფუძვლები | თავი 8
გენის ან ეგზონის სპეციფიკურობა არის ზუსტად პროგნოზირებადი ეგზონების ან გენების შეფარდება ყველა პროგნოზთან.
The specificity at the two levels is the proportion of correctly predicted exons or genes among all predictions made.
6211.
ბიოინფორმატიკის საფუძვლები | თავი 8
ამასთან ერთად, ხშირად დასადგენია გამოტოვებული ეგზონებისა და გენების პროპორცია, ისევე, როგორც შეცდომით პროგნოზირებული ეგზონებისა და გენების, რომლებსაც ნამდვილ ეგზონებთან ან გენებთან გადაფარვა არ ახასიათებს.
In addition, the proportion of missed exons and missed genes as well as wrongly predicted exons and wrong genes, which have no overlaps with true exons or genes, often have to be indicated.
6212.
ბიოინფორმატიკის საფუძვლები | თავი 8
ზუსტად პროგნოზირებული გენის შემთხვევაში ყველა ნუკლეოტიდი და ყველა ეგზონი ზუსტად უნდა დადგინდეს.
For a correctly predicted gene, all nucleotides and all exons have to be predicted correctly.
6213.
ბიოინფორმატიკის საფუძვლები | თავი 8
ნუკლეოტიდის დონეზე დაშვებული ერთი შეცდომა გენის მთელ პროგნოზირებას უარყოფს.
One single error at the nucleotide level can negate the entire gene prediction.
6214.
ბიოინფორმატიკის საფუძვლები | თავი 8
როცა ახალი გენის პროგნოზირების პროგრამას აქვეყნებენ, როგორც წესი, სიზუსტის დონესაც იძლევიან.
When a new gene prediction program is published, the accuracy level is usually reported.
6215.
ბიოინფორმატიკის საფუძვლები | თავი 8
გამოყენებული მონაცემების ნაკრები ძირითადად გენომის მოკლე თანმიმდევრობებისგან შედგება, რომლებსაც გენის მარტივი სტრუქტურა ახასიათებს.
The datasets used are also mainly composed of short genomic sequences with simple gene structures.
6216.
ბიოინფორმატიკის საფუძვლები | თავი 11
ახლად შედგენილ ტაქსონსა და სხვა დანარჩენ ტაქსონებს შორის მანძილები გამოითვლება რედუცირებული მატრიცას შესადგენად.
The distances between this new composite taxon and all remaining taxa are calculated to create a reduced matrix.
6217.
ბიოინფორმატიკის საფუძვლები | თავი 11
ინფორმაციული საიტების დადგენისა და არაინფორმაციულობის გამორიცხვის შემდეგ ხის მოცემული ტოპოლოგიისთვის გამოითვლება ყოველ ინფორმაციულ საიტში მომხდარი ჩანაცვლებების მინიმალური რიცხვი.
Once the informative sites are identified and the noninformative sites discarded, the minimum number of substitutions at each informative site is computed for a given tree topology.
6218.
ბიოინფორმატიკის საფუძვლები | თავი 11
11.3 სურათზე ნაჩვენებ მაგალითში ტოტების სხვადასხვა სიგრძეები დგინდება შეწონილი პარსიმონიის გამოყენებით, არაშეწონილი პარსიმონიის გამოყენებით დადგენილებთან შედარებით.
In the example shownin Figure 11.3, different branch lengths are obtained using weighted parsimony compared with using unweighted parsimony.
6219.
ბიოინფორმატიკის საფუძვლები | თავი 11
განსხვავება იმაშია, რომ ხის ზრდას ზღუდავს წინასწარ დადგენილი ზედა საზღვარი.
The difference is that the previously established upper bound limits the tree growth.
6220.
ბიოინფორმატიკის საფუძვლები | თავი 11
მონაცემები, სადაც მრავალი გენი შერწყმულია, ასევე ამცირებს მის ალბათობას, ვინაიდან კომბინირებული გენების ანალიზმა შეიძლება ერთი გენის ეფექტი შეამციროს, რომელსაც ევოლუციის მაღალი სიხშირე ახასიათებს.
A dataset with concatenated multiple genes also has less chance of it because the combined gene analysis may dampen the effect of a single gene having a high rate of evolution.
წინა შემდეგი