-
摘要：21世纪是生物学研究时代。生命科学已成为科学的前沿，并取得巨大成功。尤其是人类基因组计划取得决定性成功，将人类基因组的研究带入全面、崭新的信息提取和数据分析阶段。遗传信息与生物体代谢、发育、分化、进化之间的关系也逐渐被认识。基因组的研究和其他生物学研究所产生的海量数据，需要大量的新的分析技术、测量技术、实验方法及软件工具。所以带动生物技术及计算机科学的的不断进步。于是，生物信息学就在综合计算生物学的研究和生物学信息的计算机处理的基础上迅速而成功的发展起来。34699
- 上一篇：基于光强检测的LED驱动控制电路的设计
- 下一篇：深空甚长基线干涉测量数字终端的混合十进制DDS的设计
本文主要针对p53及miR-34a基因调控网络建立数学模型，研究在细胞生命活动中，p53及miR-34a的调控机制和动力学行为及其对细胞命运抉择的影响。
毕业论文关键词： p53 miR-34a 细胞命运抉择
miR-34a participation in the p53 pathway
Abstract: The 21st century is the era of biological research. Life Sciences has become the forefront of science, and achieved great success. The study of the human genome has entered into a comprehensive, innovative information extraction and data analysis phase. The relationship between Genetic information and biological metabolism, growth, differentiation, evolution has gradually been recognized. Research Institute of Biology and other genomes generated huge amounts of data, which require a lot of new analytical techniques, measurement techniques, experimental methods and software tools. So, them drive biotechnology and computer science continues to progress. Thus, bioinformatics is quickly and successfully developed on the basis of computer processing and computational biology.
In this paper, a mathematical model is established on p53 and miR-34a regulatory networks, it researches on cell life activities and the control mechanism of p53 and miR-34a. We analyze the behavior of p53 and miR-34a and its effects on cell fate decision.
Keyword： p53 miR-34a Cell fate decision
目录
1绪论 1
1.1 课题研究背景及意义 1
1.2 基因表达调控研究进展 1
1.3 本论文的主要工作 2
2 P53及其信号通路 3
2.1 p53简介 3
2.2 p53结构及功能 3
2.3不同的应激条件诱导p53活化 5
3 mircroRNA与miR-34a 7
3.1 mircroRNA简介 7
3.2 microRNAs的生成和功能 7
3.3 p53和miRNAs共同调控网络通路 9
4 数学模型与分析 11
4.1 miR-34a参与促进诱导细胞凋亡 11
4.2模型方程 13
4.3 利用Oscill8分析微分方程 15
4.4 生化级联反应公式 19
5 结论与展望 21
5.1结论 21
5.2展望 21
参考文献 22
致谢 24
1 绪论
1.1 课题研究背景及意义
生物信息学是一门新兴的交叉学科。广义上说，生物信息学从事对信息的获取、加工、存储、分配、分析和释读，并综合运用数学、计算机科学和生物学工具，以达到理解生物学含义的目标。具体地说，生物信息学是把基因组DNA序列信息作为源头，找到基因组序列中代表蛋白质和RNA基因编码区，阐明非编码区的信息实质，破译隐藏在DNA序列中的遗传规律；同时，归纳、整理与基因组遗传信息释放及其调控相关的转录谱和蛋白质谱的数据，从而认识代谢、发育、分化、进化的规律。研究范畴包括基因组信息学、蛋白质的结构计算与模拟以及分子与药物设计。