DNA作为长期存储生物遗传信息的载体记录着具有极高研究价值的基因数据。而近几年,随着下一代测序(next-generation sequencing,NGS)技术的高速发展,海量的DNA数据不断的涌现,DNA信息的应用范围也越来越广。如何高效存储急剧增长的DNA数据信息并在其之上进行有效的随机访问和模式匹配操作,就成为了现代生物信息领域的重要研究课题之一。DNA数据是一种特殊的生物数据,它具有数据量大、数据字符集相对较小、数据重复度较高等特点,所以直接利用通用数据压缩索引算法对其进行压缩存储将无法获得理想的压缩效果。因此,我们就需要结合DNA数据的特点设计具出有针对性的DNA数据压缩索引算法,力图在保持一定查询效率的同时进一步提高DNA数据的压缩效率。本文首先利用DNA序列之间高度相似的特点设计了ALCS映射结构,该结构可以利用求取近似最长公共子序列ALCS的过程快速提取出两条相似DNA序列之间的差异信息并进行存储,从而有效地避免了序列间公共信息的重复存储现象。其中ALCS是本文在最长公共子序列LCS的基础上改进得出的一种简化结构,它采用局部最优的思想在保证信息正确映射的前提下,有效提高了映射结构整体的求取速率,并降低了求取过程所需的峰值内存。其次,本文在ALCS映射结构的基础上,针对DNA序列集设计并实现了一种高效的压缩索引算法ALCS-FM。该算法首先利用FM-index结构对参考序列创建压缩索引,再通过ALCS映射结构以及相关标记数组实现非参考序列向参考序列的信息映射,从而将完整的非参考序列信息转化成存储空间较小的差异信息,并结合参考序列的索引结构成功实现了对序列集范围内任意序列的随机访问和模式匹配操作。最后,针对结构中标记数组的数据特点,本文还设计了适用于高度稀疏0/1序列的混合编码结构和两条相似0/1序列的二元组存储结构,这些结构不仅可以实现对标记数组的有效压缩存储还可以支持ALCS-FM算法所必需的查询操作,从而有效提高了算法整体的压缩效率和查询效率。实验结果表明:ALCS-FM算法对不同相似度的多条DNA序列都有着非常显著的压缩效果,并且可以支持整个序列集范围内的随机访问和模式匹配操作。