自上而下的蛋白质组学无需消化即可分析完整的蛋白质，保留有关蛋白质形式和翻译后修饰的信息。
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。
显示 241 到 252 的 401 结果
