联合序列结构特征和临床信息的多步修正宫颈癌HPV分型模型研究

Building cervical cancer human papillomavirus(HPV) typing model is very important for early detection and guiding treatment of cervical cancer. From the perspective of information processing, the new problems of establishing typing model in national natural science foundation for young scholar of China is how to intelligent process the multi-level information between sequences and structures, molecule and clinic. To solve the above problems, the continuous project combining achievements of current research project and clinical mutation data mainly studies on (1) extracting the sequence-structure information of HPV sequences with comprehensive utilization of multivariate statistical analysis, computational geometry and homology modeling; (2) collecting HPV clinical mutation data, revealing the relationship between mutation and sequence-structure motifs, and further finding the mutation function area of HPV sequences; (3) selecting core information with expanded decision trees based on “Random forest” data randomization; (4) screening feature selection of the core information through sensitivity and correlation analysis to construct multi-step correction of cervical cancer HPV model combined with clinical mutation data. From statistics and informatic aspects, this project will use the test data and independent sample data to test and correct the model. The cervical cancer human papillomavirus typing model in this project not olny provides important basis for HPV typing test for early detection and treatment of cervical cancer, but also extends the study to other related tumor studies.

建立人乳头瘤病毒(HPV)分型模型对宫颈癌的早期发现及指导治疗具有重要意义。从信息处理的角度，如何智能化处理序列与结构之间、分子与临床之间的多水平信息是青年科学基金项目实施过程中所面临的新问题。针对这些问题，本连续项目拟在青年基金的基础上，结合临床突变数据，重点研究1）综合利用多元统计、计算几何及同源建模方法，有效地提取HPV序列结构信息；2）整合HPV临床突变数据，揭示突变与序列结构模体之间的关系，发现HPV突变功能区域；3）以“随机森林”数据随机化思想为基础，扩展单一的决策树，实现核心信息的挑选；4）通过敏感性及相关性分析，结合临床突变数据，构建多步修正的宫颈癌HPV分型模型。项目将利用测试数据、独立样本数据，从统计和信息学两方面对模型进行验证和修正。本研究建立的宫颈癌HPV分型模型，不但为HPV的分型检测提供了依据，有助于宫颈癌早期发现及指导治疗，还可以推广到其它肿瘤的相关研究中。

建立人乳头瘤病毒(HPV)分型模型对宫颈癌的早期发现及指导治疗具有重要意义。从信息处理的角度，如何智能化处理序列与结构之间、分子与临床之间的多水平信息是建立分型模型的瓶颈问题。针对这些问题，本研究1）构建了 “蛋白质序列空间”的字统计模型，提取了HPV蛋白质序列的同源信息，结合支持向量机预测算法，提出一种基于“蛋白质序列空间”的宫颈癌HPV高危型预测方法；2）利用氨基酸的物化性质约化氨基酸，提取6种特征信息，构建了一个基于氨基酸特性的宫颈癌HPV分类预测模型；3）通过文献检索，整理了大量的国内宫颈癌HPV的突变数据，并研究了突变位点与序列保守区域、结构保守区域的关系。结果表明，E6、E7和L1蛋白质中突变个数分别是134、86和166，远远大于其余蛋白质的突变数量；E2 N端的3159突变可以改变蛋白的免疫功能；HPV低危型的E6有11个突变，其中9个突变落在p53蛋白结合区域或者是抗原决定簇区域；HPV高危型的E6有91个突变，有49个突变种类落在p53蛋白结合区域或者是抗原决定簇区域；突变落在E7功能域内的比例最高，大约93%以上的突变都落在了功能域区；4）针临床医生与研究人员的需求，建立一个HPV的E2、E5-7及L1-2的临床突变数据库（http://bioinfo.zstu.edu.cn/hpv/），开发宫颈癌HPV分型web服务系统（http://bioinfo.zstu.edu.cn/hpv），实现用户在线提交HPV序列，在线分型。同时，用户还可以通过平台的比对工具，实现数据库的检索，方便用户查找已有分型的各种临床突变数据。本项目研究工作，不但给宫颈癌早期发现提供了依据，极大提高了检测效率，而且对了解正常组织与肿瘤组织蛋白区别，研究HPV引起宫颈癌的机制，最终治疗宫颈癌有很大帮助，同时对其它肿瘤的诊断和治疗也有非常重要的参考价值。