p53抑癌基因分子调控机制的数学建模及其算法研究

p53 oncogene is the most common mutant gene in human malignant tumor, which is involved in the occurrence and development of almost all tumors. In view of the scientific problem that the physical and chemical structure of p53 oncogene plays an important role in preventing the occurrence and development of malignant tumor, this project mainly focuses on the mathematical modelling and algorithm design research about the molecular regulation mechanism of p53 oncogene by using the methods combined theoretical research and data analysis.. Its core research contents include the following three aspects: First, the structure analysis and mathematical description of the expression index for p53 oncogene are established. Second, we construct the molecular structure for p53 oncogene and establish the discrete mathematic model for its molecular regulation mechanism, that is，granular quotient space, by using the idea of homomorphism of algebra and the hierarchical clustering algorithm of data mining . Third, according to some classic classification index functions such as CM，we present validity function DECM to the hierarchical granular algorithm of the model with feature weights in the experimental data and do computer simulation research..The final goal is to establish a perfect mathematical model and algorithm design with analysis the detailed biological sequences. We can provide theoretic foundation and application suggestion for the action of preventing and controlling malignant tumor through research the mathematical theory and method.

p53抑癌基因是人类恶性肿瘤中最常见的突变基因，几乎参与所有肿瘤的发生发展。本项目针对p53抑癌基因的理化结构在防止恶性肿瘤发生发展中发挥关键作用这一科学问题，采用理论研究与数据分析相结合的研究方法，系统开展p53抑癌基因的分子调控机制数学建模及其算法研究。.其核心研究内容包括以下三个方面：1、进行p53抑癌基因的结构分析和表达指标的数学描述的研究；2、基于代数中的同态思想和数据挖掘中的分层聚类算法，构造出p53抑癌基因突变的分子结构，建立其分子调控机制的离散数学模型- - -粒度商空间；3、借助经典的CM等分类指标函数，结合我们所赋予的实验数据的特征权值，对该模型的分层聚类算法进行设计，提出有效性函数DECM并进行计算机仿真研究。.最终目标是构建一个完善的分析生物序列的数学模型及其应用算法，实现利用数学理论与方法的研究为人类恶性肿瘤防治提供理论依据与应用建议的价值，从而达到造福于人类的目的。

根据计划书要求，我们针对p53抑癌基因突变机理的理化结构和表达指标进行数字化描述，采用理论研究与数据处理相结合的研究方法，系统开展p53抑癌基因的分子调控机制的数学建模与算法研究。.课题组的研究工作紧密围绕项目预定目标开展，项目进展顺利。共发表相关学术论文43篇，其中标注基金号的36篇，SCI共13篇，出版专著1本，申报发明专利4项，建立p53抑癌基因二级数据库1个。.（1）、引入了三周期性，4D图形表示，E基因签名，时间序列等各种表达方式，进而建立生物序列识别模型，对p53抑癌基因的结构与表达进行了深入的数学描述；.（2）、建立了基因序列模糊邻近矩阵，分层聚类算法，加权汉明距离，归一化距离等概念，进而给出了粒度空间的结构设计，并在粒度空间的结构的聚类方法基础上，进行粒度化生物网络结构提取方法与模型的相关性分析等研究。对p53抑癌基因的调控机制进行算法分析与计算机仿真；.（3）、利用实验技术，即RNA干扰技术，由于iASPP与ASPP1、ASPP2竞争p53结合位点，抑制p53促进凋亡的功能。结果获得，下调iASPP表达对不同p53背景的胃癌细胞顺铂化疗敏感性的影响有显著差异；.（4）、结合实验数据，设计特征权值，对分层聚类算法进行优化，使得结论更加符合生物进化关系。.综上，实现了能够利用各种数学理论模型及其算法有效处理复杂的海量癌变基因数据，能处理和辨识基因序列中模糊的不确定性信息的系统，为肿瘤的基因治疗和抗肿瘤药物研发提供了理论依据与应用建议。