新一代深度测序技术染色体免疫沉淀-测序（chromatin immunoprecipitation sequencing, ChIP-Seq）的广泛应用带来了基因组、表观组、转录组等组学的研究热潮，同时也产生了海量的各种类型的数据。如何有效挖掘这些数据中蕴藏的生物学意义以及与以往数据（表达谱芯片、ChIP-chip）相互整合成为了生物信息学研究中的焦点。信号富集是ChIP-Seq数据分析中最基本的环节，能否有效从大量短片段（reads）中识别出抗体真正的结合位点决定着下游数据分析以及实验的成功与否。　　 本研究结合Bayesian Block（BB）、Scan Statistics等统计方法开发了一个有效的信号富集工具X-Seq。与同类工具相比，X-Seq具有以下两个优势：能更加准确的定位富集片段；能应用于表观和转录因子两种不同类型的数据分析。染色体片段位置（序列）是生物数据存在的一个主要形式，现有序列分析方法都不能有效利用其中的信息。针对这个问题，我们应用数据整合概念设计了一个基于知识库的序列集整合方法（SSEA）。该方法有效利用序列所包含的各种信息（长度、位置等），能从motif、保守性、表观、基因组结构等各个方面来分析和预测目的序列中的生物学意义。最后将以上方法及以往工作中所开发的工具应用于M2b型白血病数据的研究，分析其致病关键因子AML1-ETO的靶位点（motif）、靶基因及其相关转录因子的共调控关系，同时整合AML1-ETO相关的表达谱数据、表观遗传学数据更加全面的探讨了M2b白血病的发病机制。