随着下一代测序技术(Next Generation Sequencing,NGS)的发展和逐步普及,基因测序变得越来越快速,费用也越来越亲民。基因组序列数据正以爆炸性的速度扩增,因而产生了海量基因组序列数据。传输,存储,处理和分析这些数据的时耗和费用日渐成为制约基因组学和生物医学发展的瓶颈。虽然现有许多通用的数据压缩算法和软件,但由于不能考虑和处理基因组序列数据的固有特性,它们不能高效地压缩基因组序列数据。因此研发有针对性的,快速有效的基因组序列数据压缩技术已经成为了一项重要而紧迫的课题。本文提出了一种高压缩率的基于参考的无损基因组序列数据压缩算法。利用相同物种间基因组的高度相似性,将待压缩目标基因组序列匹配到参考基因组序列中,以匹配结果(即两序列相同子序列的位置及长度)和目标序列的不匹配部分,代替目标基因组序列。本文创新性地设计了匹配策略选择机制,有效地结合了以有无匹配位置的限制为区分的两种主流匹配策略,即基于分段的局部匹配和全局匹配。根据参考基因组和目标基因组序列的相似程度而应用不同的匹配策略,借助哈希方法搜索两序列间相同的子序列,并评估子序列的匹配位置和匹配长度对匹配效率的影响,以确定相同子序列的匹配位置。有效地处理了基因组序列数据中的各类字符,以进一步提高匹配效率。最后借助高效的熵编码压缩器对保存匹配结果的中间文件完成压缩。实验结果表明,本文压缩算法可在至多18分钟内对FASTA格式的约3GB大小的人类完整基因组序列数据完成压缩,56组人类基因组序列测试数据压缩后的大小为4.45MB至40.67MB。本文压缩算法的平均压缩率优于现有同类型先进的基因组序列数据压缩算法,具有更好的鲁棒性,且时空复杂度与现有先进的算法处于同一数量级,具有较强的实际应用价值。本文还设计了对应的高效解压缩算法,可由已压缩文件和参考基因组序列数据快速,无损的复原目标基因组数据。完整人类基因组数据解压缩的耗时被控制在2分钟以内。