ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
1081.
ბიოინფორმატიკის საფუძვლები | თავი 19
თითქმის ყველა თანმიმდევრობაში შეიძლება ასეთ მოკლე მოტივს ხშირად წავაწყდეთ.
Such a short motif can be found multiple times in almost every protein sequence.
1082.
ბიოინფორმატიკის საფუძვლები | თავი 19
პროგნოზების უმეტესობა, რომლებიც მხოლოდ თანმიმდევრობის მოტივს ეფუძნება, დიდი ალბათობით მცდარი იქნება და მცდარი დადებითების მაღალ სიხშირეს მოგვცემს.
Most of the predictions based on this sequence motif alone are likely to be wrong, producing very high rates of false-positives.
1083.
ბიოინფორმატიკის საფუძვლები | თავი 19
ამ პროცესში გამოსაკვლევ თანმიმდევრობას მრავალ გადამფარავ ფრაგმენტად ჭრიან, რომლებიც სხვადასხვა ბირთვში (კვანძის მსგავსია) შეჰყავთ.
Inthis process, the query sequence is chopped up into a number of overlapping fragments, which are fed into different kernels (similar to nodes).
1084.
ბიოინფორმატიკის საფუძვლები | თავი 19
ჰიპერსიბრტყე, რომელიც შეიძლება ცნობილი ცილის თანმიმდევრობის მოტივების გამოსაცნობად დამუშავდეს, ბირთვებს სხვადასხვა კლასებში ანაწილებს.
A hyperplane, which has been trained to recognize known protein sequence motifs, separates the kernels into different classes.
1085.
ბიოინფორმატიკის საფუძვლები | თავი 19
ეს პრობლემა შეიძლება ან თანმიმდევრობების მრავლობითი გათანაბრებიდან პროფილების აგების საშუალებით გადავჭრათ ან ნაშთების კონტაქტის პოტენციალის გამოთვლით, რაც თანმიმდევრობის ლოკალურ გარემოს ეფუძნება.
This problem can be tackled by using either profiles constructed from multiple sequence alignment or residue contact potentials calculated based on the local sequence environment.
1086.
ბიოინფორმატიკის საფუძვლები | თავი 19
ეს ვებსერვერია, რომელიც ცისტეინის ნაშთების დისულფიდური ბმების მდგომარეობებს ცილის თანმიმდევრობაში აპროგნოზებს, რასაც პროფილების აგების საშუალებით ახორციელებს.
It is a web server that predicts the disulfide bonding states of cysteine residues in a protein sequence by building profiles based on multiple sequence alignment information.
1087.
ბიოინფორმატიკის საფუძვლები | თავი 19
კონკრეტული პეპტიდის იდენტიფიკაციის ინსტრუმენტებს შეუძლია თანმიმდევრობაში ცნობილი პოსტტრანსლაციური მოდიფიკაციის საიტების ძებნა და მოდიფიკაციის ტიპზე დაყრდნობით, დამატებითი მასის გაერთიანება, რასაც მონაცემთა ბაზაში ფრაგმენტის შეთავსების განმავლობაში ახორციელებს.
Certain peptide identification tools are able to search for known posttranslational modification sites in a sequence and incorporate extra mass based on the type of modifications during database fragment matching.
1088.
ბიოინფორმატიკის საფუძვლები | თავი 19
ორგანელებში ცილის მოხვედრის შემდეგ, იწყება პროტეაზით დაშლის პროცესი, რაც სიგნალის თანმიმდევრობების მოცილებას და მწიფე ცილის შექმნას უზრუნველყოფს (პოსტტრანსლაციური მოდიფიკაციის სხვა მაგალითი).
Once the proteins are translocated within the organelles, protease cleavage takes place to remove the signal sequences and generate mature proteins (another example of posttranslational modification).
1089.
ბიოინფორმატიკის საფუძვლები | თავი 19
სასიგნალო თანმიმდევრობებს სუსტი კონსენსუსი ახასიათებს, მაგრამ ისინი ზოგი სპეციფიკური თვისების მატარებლებია.
The signal sequences have a weak consensus but contain some specific features.
1090.
ბიოინფორმატიკის საფუძვლები | თავი 19
თუმცა, სასიგნალო თანმიმდევრობების სიგრძე და ამინომჟავების თანმიმდევრობა ძალიან ცვალებადია.
However, the length and sequence of the signal sequences vary tremendously.
1091.
ბიოინფორმატიკის საფუძვლები | თავი 19
ეს თანმიმდევრობები როგორც წესი, ოცი-ოთხმოცი ნაშთის სიგრძისაა, მდიდარია დადებითად დამუხტული ნაშთებით, მაგ. არგინინით და ჰიდროქსილის ნაშთებითაც, როგორიცაა სერინი და თრეონინი, მაგრამ უარყოფითად დამუხტული ნაშთები არა აქვთ და მიდრეკილია ამპიფილური სპირალების შექმნისკენ.
The sequences are typically twenty to eighty residues long, rich in positively charged residues such as arginines as well as hydroxyl residues such as serines and threonines, but devoid of negatively charged residues, and have the tendency to form amphiphilic helices.
1092.
ბიოინფორმატიკის საფუძვლები | თავი 19
ეს სამიზნე თანმიმდევრობები მიტოქონდრიაში წინამორბედი ცილების შესვლის შემდეგ იჭრება.
These targeting sequences are cleaved once the precursor proteins are inside the mitochondria.
1093.
ბიოინფორმატიკის საფუძვლები | თავი 19
ბირთვის სასიგნალო თანმიმდევრობები ცილის ტრანსპორტირების შემდეგ არ იჭრება.
Nuclear signal sequences are not cleaved after protein transport.
1094.
ბიოინფორმატიკის საფუძვლები | თავი 19
სიგრძეში და თანმიმდევრობების შემადგენლობაში მნიშვნელოვანი ცვალებადობა ართულებს სასიგნალო პეპტიდების ზუსტ პროგნოზს, რომელიც კომპიუტერული მიდგომის საშუალებით ტარდება.
Considerable variations in length and sequence make accurate prediction of signal peptides using computational approaches difficult.
1095.
ბიოინფორმატიკის საფუძვლები | თავი 19
ზოგი შემადგენლობას ეფუძნება, რაც დამოკიდებულია თანმიმდევრობების სტატისტიკაზე, მაგ. ამინომჟავების შემადგენლობაზე.
Some are content based, depending on the sequence statistics such as amino acid composition.
1096.
ბიოინფორმატიკის საფუძვლები | თავი 19
ამიტომ, თანმიმდევრობის ანალიზის ჩატარებამდე საჭიროა შესაბამისი მონაცემების ნაკრებების შერჩევა.
Therefore, appropriate datasets need to be selected before analyzing the sequence.
1097.
ბიოინფორმატიკის საფუძვლები | თავი 19
პროგრამა გამოსაკვლევი თანმიმდევრობის სასიგნალო პეპტიდებს და პროტეაზით დაჭრის საიტების პროგნოზირებას ახორციელებს.
The program predicts both the signal peptides and the protease cleavage sites of the query sequence.
1098.
ბიოინფორმატიკის საფუძვლები | თავი 19
ის ახდენს ევკარიოტული ცილების სუბუჯრედული ლოკალიზაციის პროგნოზირებას, რაც მხოლოდ მათი ტერმინალური ამინომჟავების თანმიმდევრობას ეფუძნება.
It predicts the subcellular locations of eukaryotic proteins based on their terminal amino acid sequence only.
1099.
ბიოინფორმატიკის საფუძვლები | თავი 19
ის შეყვანილ თანმიმდევრობას სასიგნალო პეპტიდების ბიბლიოთეკასთან ადარებს, რომ სხვადასხვა უჯრედული ლოკალიზაცია მოძებნოს.
It compares the query sequence to a library of signal peptides for different cellular localizations.
1100.
ბიოინფორმატიკის საფუძვლები | თავი 19
თუ უახლოესი სასიგნალო პეპტიდების (უახლოესი მეზობლების) შეთავსებების უმეტესობა კონკრეტულ უჯრედულ ლოკალიზაციას შეესაბამება, თანმიმდევრობა ამ ადგილის სასიგნალო პეპტიდად განისაზღვრება.
If the majority of the closest signal peptide matches (nearest neighbors) are for a particular cellular location, the sequence is predicted as signal peptide for that location.
წინა შემდეგი