生物信息学作为一门新兴的交叉学科,融合了生物学、计算机科学和数学科学等多学科的知识来研究生物数据所蕴含的生物学奥秘。其中核酸和蛋白质的序列分析是生物信息学研究的重点,而序列分析中的DNA序列模体预测一直都是生物信息学研究的一个重要问题,尤其是转录因子结合位点的模体预测研究。这是由于随着新一代测序技术的飞速发展及它的低成本高效率的特性,使得更多的生物基因组序列被测序出来,但研究人员并没有完全掌握已测序生物的基因组功能,因此研究人员侧重研究这些基因组的功能序列元件,而转录因子所识别的顺式调控元件(也称作模体)正是在基因表达过程中起关键作用的功能元件。所以转录因子结合位点的模体发现问题是目前生物信息学中的热点问题。新一代测序技术的发展使得大量物种被完整测序出来,这为运用比较基因组学提供可能。由于最近几年单子叶植物柳枝稷、稗、粟和藜的全基因组测序及功能注释已经完成,而水稻、高粱、玉米、狗尾草、短柄草的全基因组早已测序完毕,与此同时这些物种进化距离彼此邻近,因此本文选择这几种植物的全基因组序列作为研究单子叶植物生物特性的研究数据。由于单子叶植物物种测序量的增多,在模体预测研究时本文采用原核生物中比较流行的系统进化足迹技术。在研究植物时,由于参考基因组数目不足,目前该技术只应用到某几类转录因子的调控模体研究中。为了提升模体预测的准确度,利用有关算法的互补性,本文提出一种新的研究思路和方法,即运用多种模体发现算法集成的系统进化足迹技术和最新只针对模体的聚类算法相结合进行全基因组范围内的启动子预测。最终成功预测了大量的启动子模体,并且应用此方法提高了模体预测的准确率。为了方便生物学家使用我们设计的算法和工具,我们将上述一系列的研究方法构成了模体预测分析工具包P3CRE,相应软件可通过https://github.com/shaoqiangzhang 免费下载使用。