ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
741.
ბიოინფორმატიკის საფუძვლები | თავი 7
ცილაში მოტივებისა და დომენების იდენტიფიკაცია ცილის თანმიმდევრობების კლასიფიკაციისა და ფუნქციური ანოტაციების შედგენის მნიშვნელოვანი ასპექტია.
The identification of motifs and domains in proteins is an important aspect of the classification of protein sequences and functional annotation.
742.
ბიოინფორმატიკის საფუძვლები | თავი 7
ამასთან ერთად, ცილებს ან ფერმენტებს ხშირად მრავალი ფუნქცია აქვს, რომელთა სრული აღწერა შეუძლებელია, თუ თანმიმდევრობის ბაზაში ძებნას ვაწარმოებთ ერთი ანოტაციის გამოყენებით.
In addition, proteins or enzymes often perform multiple functions that cannot be fully described using a single annotation through sequence database searching.
743.
ბიოინფორმატიკის საფუძვლები | თავი 7
მოტივებისა და დომენების იდენტიფიკაცია ძლიერ დამოკიდებულია თანმიმდევრობების მრავლობით გათანაბრებაზე, ისევე, როგორც პროფილებისა და მარკოვის ფარული მოდელის აგებაზე.
Identification of motifs and domains heavily relies on multiple sequence alignment as well as profile and hidden Markov model construction.
744.
ბიოინფორმატიკის საფუძვლები | თავი 7
ამ თავში აქცენტირებულია ცილის მოტივებისა და დომენების მონაცემთა ბაზებთან დაკავშირებული ზოგი ფუნდამენტური პრობლემა, ასევე ცილების თანმიმდევრობების კლასიფიკაცია, რომელიც თანმიმდევრობების სრული სიგრძის გამოყენებით ხორციელდება.
This chapter focuses on some fundamental issues relating to protein motif and domain databases as well as classification of protein sequences using full length sequences.
745.
ბიოინფორმატიკის საფუძვლები | თავი 7
ამასთან ერთად, დივერგირებულ თანმიმდევრობებში ფარული მოტივების აღმოჩენის გამოთვლით ხერხებსაც განვიხილავთ.
In addition, computational tools for discovering subtle motifs from divergent sequences are also introduced.
746.
ბიოინფორმატიკის საფუძვლები | თავი 7
მოტივებისა და დომენების იდენტიფიკაცია თანმიმდევრობების მრავლობით გათანაბრებაში.
IDENTIFICATION OF MOTIFS AND DOMAINS IN MULTIPLE SEQUENCE ALIGNMENT
747.
ბიოინფორმატიკის საფუძვლები | თავი 7
თავიდან მოტივებსა და დომენებს აგებენ მონათესავე თანმიმდევრობების მრავლობითი გათანაბრების საფუძველზე, რაც იძლევა ჩვეულებრივ დაკონსერვებული რეგიონების იდენტიფიკაციის საშუალებას.
Motifs and domains are first constructed from multiple alignment of related sequences. Based on the multiple sequence alignment, commonly conserved regions can be identified.
748.
ბიოინფორმატიკის საფუძვლები | თავი 7
მოტივებისა და დომენების კონსენსუსის თანმიმდევრობის ინფორმაცია შეიძლება ინახებოდეს მონაცემთა ბაზაში და გამოყენებული იქნას უცნობ თანმიმდევრობაში მსგავსი მოტივებისა და დომენების დასადგენად.
The consensus sequence information of motifs and domains can be stored in a database for later searches of the presence of similar sequence patterns from unknown sequences.
749.
ბიოინფორმატიკის საფუძვლები | თავი 7
მოთხოვნილი თანმიმდევრობის სკანირებით, რომლითაც დგინდება ცნობილი მოტივებისა და დომენების არსებობა, შესაძლებელია მასში ფუნქციურად დაკავშირებული თვისებების სწრაფი გამოვლენა, რაც ხშირად შეუძლებელია პირველად მონაცემთა ბაზაში სრული სიგრძის თანმიმდევრობებთან უბრალო შეთავსების შედეგად.
By scanning the presence of known motifs or domains in a query sequence, associated functional features in a query sequence can be revealed rapidly, which is often not possible by simply matching full-length sequences in the primary databases.
750.
ბიოინფორმატიკის საფუძვლები | თავი 7
პირველია იმ თანმიმდევრობის, რომლიდანაც მიღებულია მოტივები ან დომენები, მრავლობითი გათანაბრების რედუცირება კონსენსუსის თანმიმდევრობის სტრუქტურამდე. ეს პროცესი ცნობილია რეგულარული ექსპრესიის სახელით.
The first is to reduce the multiple sequence alignment from which motifs or domains are derived to a consensus sequence pattern, known as a regular expression.
751.
ბიოინფორმატიკის საფუძვლები | თავი 7
მეორე მიდგომა მდგომარეობს თანმიმდევრობების მრავლობითი გათანაბრებიდან მიღებული ალბათობის ინფორმაციის შესაყვანად სტატისტიკური მოდელის.
The second approach is to use a statistical model to include probability information derived from the multiple sequence alignment.
752.
ბიოინფორმატიკის საფუძვლები | თავი 7
რეგულარული ექსპრესია სიმბოლოების მწკრივის სახით ცილების ოჯახის წარდგინების მოკლე გზაა.
A regular expression is a concise way of representing a sequence family by a string of characters.
753.
ბიოინფორმატიკის საფუძვლები | თავი 7
როცა დომენები და მოტივები რეგულარული ექსპრესიის სახით არის ჩაწერილი, თანმიმდევრობის სტრუქტურის აღსაწერად შემდეგ ძირითად წესებს იყენებენ.
When domains and motifs are written as regular expressions, the following basic rules to describe a sequence pattern are used.
754.
ბიოინფორმატიკის საფუძვლები | თავი 7
თუ თანმიმდევრობის ელემენტი სტრუქტურაში მეორდება, განმეორებების რაოდენობა მრგვალ ფრჩხილებში თავსდება.
If a sequence element within the pattern is repetitive, the number of pattern repetitions is indicated within parentheses.
755.
ბიოინფორმატიკის საფუძვლები | თავი 7
არსებობს მოთხოვნილ თანმიმდევრობასთან რეგულარული ექსპრესიის თავსებადობის ორი მექანიზმი.
There are two mechanisms of matching regular expressions with a query sequence.
756.
ბიოინფორმატიკის საფუძვლები | თავი 7
ზუსტი თავსებადობის შემთხვევაში თანმიმდევრობის სტრუქტურების ზუსტი შეთავსებები უნდა მივიღოთ.
In exact matching, there must be a strict match of sequence patterns.
757.
ბიოინფორმატიკის საფუძვლები | თავი 7
ამ შემთხვევაში, შეყვანილ თანმიმდევრობაში წინასწარ განსაზღვრული სტრუქტურის არანაირი ცვლილება არ დაიშვება.
Any variations in the query sequence from the predefined patterns are not allowed.
758.
ბიოინფორმატიკის საფუძვლები | თავი 7
ზუსტი თავსებადობის გამოყენების სხვა შეზღუდვა იმაში მდგომარეობს, რომ მოტივების ახალი თანმიმდევრობების თანდათან დაგროვების გამო ხისტი რეგულარული ექსპრესია მოძველებული ხდება. საჭიროა მისი მუდმივად განახლება ცვლილებების ასახვის მიზნით.
Another limitation with using exact matching is that, as new sequences of a motif are being accumulated, the rigid regular expression tends to become obsolete if not updated regularly to reflect the changes.
759.
ბიოინფორმატიკის საფუძვლები | თავი 7
მაგალითად, თუ საწყისი გათანაბრება კონკრეტულ პოზიციაზე მხოლოდ ფენილალანინს შეიცავს, ბუნდოვანი თავსებადობის საშუალებით ექსპრესიასთან შეიძლება თანმიმდევრობის სხვა არომატული ნაშთებიც შეთავსდეს (არადაკვირვებადი თიროზინისა და ტრიპტოფანის ჩათვლით).
For example, if an original alignment only contains phenylalanine at a particular position, fuzzy matching allows other aromatic residues (including unobserved tyrosine and tryptophan) in a sequence to match with the expression.
760.
ბიოინფორმატიკის საფუძვლები | თავი 7
შემდგომში აღწერილი იქნება ორი მონაცემთა ბაზა, რომელიც თანმიმდევრობის სტრუქტურების საძიებლად ძირითადად რეგულარულ ექსპრესიას იყენებს.
Two databases that mainly employ regular expressions for the purpose of searching sequence patterns are described next.
წინა შემდეგი