随着生物技术的发展及一系列生物基因组计划的相继完成或全面实施,生物学的研究重点已从积累数据向分析解释数据过渡,生物信息学(也称计算分子生物学)便应运而生。其研究内容十分丰富,例如:序列比较、系统发生分析、蛋白质结构类预测、必需基因与非必需基因识别、减数分裂重组位点识别、聚合酶链式反应难易程度预测等等。本文针对减数分裂重组位点识别问题,以数学与计算机科学作为工具,提出了一种新的分类方法。减数分裂重组“冷热点”识别是深入研究重组机制和基因组进化过程的关键。在本文的第三部分,结合Burrows-Wheeler transform算法及DNA的理化性质——扭曲将序列转化为一个新的序列,并命名为原序列的简约序列。通过相位序列的简约序列,构造一个336维的特征向量对DNA序列进行数值刻画。为了剔除不相关或冗余的特征,特征选择是一个必需的步骤。这里,选用一个特征选择工具来对这336个特征进行排序,然后建立最优特征子集,并以此建立支持向量机(SVM)模型。通过Jackknife方法进行交叉验证发现,所提方法的总精确度达到了84.92%,比现有方法的精度都有所提高(从0.83%~4.53%)。这一结果表明,本文所提方法是减数分裂重组位点识别的一种有效工具。