25,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
13 °P sammeln
  • Broschiertes Buch

La ortología y la paralogía son conceptos centrales en biología evolutiva. La predicción de ortólogos (genes homólogos que divergieron debido a la especiación) y paralogos (genes homólogos que divergieron debido a la duplicación) es una parte integral de muchos métodos de genómica comparativa. Existen varios métodos para inferir la ortología y la paralogía. La ortología y la paralogía pueden inferirse utilizando métodos basados en gráficos y métodos basados en la filogenética. Sin embargo, se sabe que los métodos basados en análisis filogenéticos se asemejan mucho a la definición original de…mehr

Produktbeschreibung
La ortología y la paralogía son conceptos centrales en biología evolutiva. La predicción de ortólogos (genes homólogos que divergieron debido a la especiación) y paralogos (genes homólogos que divergieron debido a la duplicación) es una parte integral de muchos métodos de genómica comparativa. Existen varios métodos para inferir la ortología y la paralogía. La ortología y la paralogía pueden inferirse utilizando métodos basados en gráficos y métodos basados en la filogenética. Sin embargo, se sabe que los métodos basados en análisis filogenéticos se asemejan mucho a la definición original de ortología y paralogía. En el presente trabajo, se ha desarrollado un proceso para la detección de ortólogos y paralogos basado en el enfoque filogenético. Se descargó un conjunto de proteínas de UniProt y se creó una base de datos. Se detectaron ortólogos y paralogos para la secuencia de la proteína de consulta. Se utilizaron el algoritmo de solapamiento de especies y el umbral de distancia patrística por pares para identificar con precisión y ajustar la predicción de parálogos y ortólogos. Se desarrolló una interfaz fácil de usar.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
Manpreet Singh tiene más de 14 años de experiencia en el campo de la biología computacional. Sus intereses incluyen métodos de aprendizaje automático en bioinformática, análisis de datos en biología vegetal y métodos computacionales en mejora de cultivos.