p53基因是迄今为止发现与肿瘤相关性最高的基因,家族成员p63、p73在结构和功能上与其具有很高的同源性,因此如何使用有效的数学方法挖掘更准确的p53家族的生物信息,将对肿瘤的预防和控制具有重要意义。本文以p53家族的mRNA完整CDS序列为研究对象,采用特征提取方法对序列的表达信息进行识别,并运用层次聚类分析方法对p53家族基因序列进行分析。具体工作概括如下:(1)基因签名是一种新兴的基于特征提取的基因表达信息识别方法,能够有效的识别基因的一些生物信息。本文在原基于CGR方法的基因签名上,引入具有一定物理特性的核苷酸游离电子平均能量(EIIP),建立了一种新的E基因签名方法。同时,定义两序列间的E欧氏距离及e均方差公式,并对相关物种进行层次聚类分析。通过对16个物种的p53家族基因mRNA完整CDS序列进行E基因签名得出,在每种基因中均有物种关系越近,基因签名相似度越高的结论。(2)除了根据CGR图形构造原理进行基因签名外,本文还利用CGR方法构造一个12维特征向量对mRNA序列进行数值刻画,并定义了欧氏距离为序列间的距离。再依据此欧氏距离对16个物种的p53家族基因序列进行层次聚类分析,并将聚类结果与原来仅利用8维特征向量得到的聚类结果作对比,发现使用12维特征向量刻画基因序列的方法更合理。(3)为避免序列有效信息的丢失,综合序列CGR游走,平均功率谱,EIIP值和碱基实数化4个特征指标,建立一种多指标物种相似性分析方法,并对多个物种的p53家族基因的mRNA序列作出聚类谱系图进行层次聚类分析。聚类结果与实际相符,说明使用四重特征指标方法对基因序列进行刻画,能够较全面反映序列的生物信息。