ზუსტი დამთხვევა
ორიგინალის ენა
ქვეკორპუსები
ჯგუფები
კრებულები
ტიპები
ჟანრები
დარგები
გამომცემლობები
ავტორები
მთარგმნელები
გამოცემულია
წლიდან
წლამდე
თარგმნილია
წლიდან
წლამდე
წინა შემდეგი
1801.
ბიოინფორმატიკის საფუძვლები | თავი 9
ამ მეთოდის პროგნოზირების სიმძლავრე ასევე დამოკიდებულია თანმიმდევრობების შემდგომი გათანაბრების ხარისხზე.
The predictive value of this method also depends on the quality of the subsequent sequence alignments.
1802.
ბიოინფორმატიკის საფუძვლები | თავი 9
ამ პროგრამის გამოყენების რეალური ნაკლია ორთოლოგიურ თანმიმდევრობებს შორის ევოლუციური მანძილების შეზღუდვა.
The obvious limitation is the constraint on the evolutionary distances among the orthologous sequences.
1803.
ბიოინფორმატიკის საფუძვლები | თავი 9
ის ინტერნეტპროგრამაა, რომელიც პრომოტორის სავარაუდო ელემენტებს ეძებს, რასაც ორი ორთოლოგიური თანმიმდევრობის შედარებით ახორციელებს.
It is a web server that finds putative promoter elements by comparing two orthologous sequences.
1804.
ბიოინფორმატიკის საფუძვლები | თავი 9
მომხმარებელი ორ ინდივიდუალურ თანმიმდევრობას უზრუნველყოფს, რომლებიც თანაბრდება გლობალური გათანაბრების ალგორითმის გამოყენებით.
The user provides two individual sequences which are aligned by using a global alignment algorithm.
1805.
ბიოინფორმატიკის საფუძვლები | თავი 9
ეს პროგრამა იყენებს ორ შეყვანილ ორთოლოგიურ თანმიმდევრობას და თავსებადობების საფუძველზე ჯერ ყველა შესაძლებელი რეგულატორული მოტივის იდენტიფიცირებას ახდენს.
The program uses two orthologous sequences as input and first identifies all putative regulatory motifs based on matches.
1806.
ბიოინფორმატიკის საფუძვლები | თავი 9
შემდგომში ის ორ თანმიმდევრობას ლოკალური გათანაბრების სტრატეგიის გამოყენებით ათანაბრებს.
It then aligns the two sequences using a local alignment strategy.
1807.
ბიოინფორმატიკის საფუძვლები | თავი 9
ის ინტერნეტპროგრამაა, რომელიც ახდენს რეგულატორული საიტების პროგნოზირებას თანმიმდევრობების დაწყვილებული შედარებების საფუძველზე.
It is a web-based program that predicts regulatory sites by pairwise sequence comparison.
1808.
ბიოინფორმატიკის საფუძვლები | თავი 9
მომხმარებელს ორი ორთოლოგიური თანმიმდევრობა შეჰყავს, რომლებიც პროგრამის მიერ თანაბრდება დაკონსერვებული რეგიონების იდენტიფიკაციის მიზნით.
The user supplies two orthologous sequences, which are aligned by the program to identify conserved regions.
1809.
ბიოინფორმატიკის საფუძვლები | თავი 9
შემდგომში ხორციელდება ამ რეგიონების პროგნოზი, ორივე თანმიმდევრობაში რნმ-პოლიმერაზა II პრომოტორის მოტივის არსებობაზე, რასაც პროგრამის გამოყენებით აწარმოებენ.
These regions are subsequently predicted for RNA polymerase II promoter motifs in both sequences using the program.
1810.
ბიოინფორმატიკის საფუძვლები | თავი 9
ის ორ თანმიმდევრობას ბეიზის ალგორითმის გამოყენებით ათანაბრებს, რომელიც თანმიმდევრობების გათანაბრების უნიკალური მეთოდია.
It aligns two sequences using a Bayesian algorithm which is a unique sequence alignment method.
1811.
ბიოინფორმატიკის საფუძვლები | თავი 9
ის ფილოგენეზური ანაბეჭდების მიღების ინტერნეტპროგრამაა, რაც მრავალი შეყვანილი თანმიმდევრობის გამოყენებით ხორციელდება.
It is a web-based program for phylogenetic foot-printing using multiple input sequences.
1812.
ბიოინფორმატიკის საფუძვლები | თავი 9
მომხმარებელმა დამატებით უნდა უზრუნველყოს ფილოგენეზური ხე, რომელიც შეყვანილი თანმიმდევრობების ევოლუციურ კავშირებს განსაზღვრავს.
The user also needs to provide a phylogenetic tree that defines the evolutionary relationship of the input sequences.
1813.
ბიოინფორმატიკის საფუძვლები | თავი 9
დაკონსერვებული მოტივების იდენტიფიცირების მიზნით პროგრამა ახორციელებს შეყვანილი თანმიმდევრობების მრავლობით გათანაბრებას.
The program performs multiple alignment of the input sequences to identify conserved motifs.
1814.
ბიოინფორმატიკის საფუძვლები | თავი 9
სხვა სიტყვებით რომ ვთქვათ, ეს პროგრამა ორთოლოგიური თანმიმდევრობების ნაკრებში კარგად დაკონსერვებული მოტივების იდენტიფიცირებას ახდენს.
In other words, it identifies unusually well-conserved motifs across a set of orthologous sequences.
1815.
ბიოინფორმატიკის საფუძვლები | თავი 9
თუ ეს დაშვება სწორია, კო-ექსპრესირებული გენების აღმავალი დინებით განლაგებული თანმიმდევრობები შეიძლება ერთმანეთთან იმისთვის გათანაბრდეს, რომ გავრცელებული რეგულატორული ელემენტები გამოვლინდეს, რომლებსაც სპეციფიკური ტრანსკრიფციის ფაქტორები ცნობენ.
If this assumption is valid, the upstream sequences of the co-expressed genes can be aligned together to reveal the common regulatory elements recognizable by specific transcription factors.
1816.
ბიოინფორმატიკის საფუძვლები | თავი 9
მათი სტრუქტურის გარჩევა ძნელია თანმიმდევრობების მრავლობითი გათანაბრების მარტივი მიდგომის გამოყენებით.
Their patterns are difficult to discern using simple multiple sequence alignment approaches.
1817.
ბიოინფორმატიკის საფუძვლები | თავი 9
ამიტომ თანმიმდევრობების ნატიფი მოტივების მოსაძებნად ხშირად იყენებენ გათანაბრებისგან დამოუკიდებელი პროფილების აგების მეთოდს, მაგ. გიბსის მოტივების სემპლინგს.
Therefore, an advanced alignment-independent profile construction method such as Gibbs motif sampling is often used in finding the subtle sequence motifs.
1818.
ბიოინფორმატიკის საფუძვლები | თავი 9
შეგახსენებთ, რომ ის მოტივის ექსტრაქციის ალგორითმია, რომელიც მოტივებს განმეორებითი ოპტიმიზაციის მეშვეობით პოულობს, რასაც ერთ თანმიმდევრობასთან შედარების საშუალებით ახორციელებს.
As a reminder, it is a motif extraction algorithm that finds motifs by repeatedly optimizing a through comparison with single sequences.
1819.
ბიოინფორმატიკის საფუძვლები | თავი 9
მისი გამოყენება ცილის თანმიმდევრობების შემთხვევაში გამოყენების მსგავსია.
The use is similar to that for protein sequences.
1820.
ბიოინფორმატიკის საფუძვლები | თავი 9
ეს პროგრამა ოპტიმიზებულია დნმ თანმიმდევრობების მოტივების ექსტრაქციისთვის.
The program is optimized for DNA sequence motif extraction.
წინა შემდეგი