隐马尔可夫模型是用于对基因查找、比对和蛋白质家族分类中的序列模式进行建模的概率框架。
K-mer 分析对序列中长度为 k 的短子串进行计数，以进行基因组表征、纠错和宏基因组分箱。
基序发现识别代表结合位点或功能元件的短的、保守的序列模式。
多序列比对扩展了成对比对，以比较多个同源序列以进行系统发育和功能分析。
引物设计可创建具有最佳热力学和 PCR 扩增和测序反应特异性的短寡核苷酸。
启动子分析可识别转录起始位点和控制基因表达的调控元件。
序列比对排列 DNA、RNA 或蛋白质序列，以识别相似区域和进化关系。
序列组装算法将重叠的 DNA 片段合并成连续的序列，以进行基因组和转录组重建。
BLAST 查找查询序列和数据库条目之间的局部相似性区域，以进行功能和进化推理。
结合位点预测可识别蛋白质上与配体、底物或其他大分子相互作用的区域。
计算蛋白质设计创建了新颖的蛋白质序列，可以折叠成具有特定功能的所需三维结构。
冷冻电子显微镜结构分析使用计算方法从显微图像重建三维大分子结构。
显示 277 到 288 的 847 结果
