由于生物信息学中对基因进行测序的成本大幅下降,尤其是ChIP-chip和ChIP-seq这两种测序技术的广泛使用,使得能够在很短地时间内识别出大量的转录因子的DNA序列,产生了庞大的ChIP基因数据集,这既为研究的进一步发展提供了实验依据同时也带来了很大的挑战。虽然在近几年,第三代测序技术的出现实现了每秒检测出10个碱基,读长可以达到10Kb-15Kb,但是其发展不够成熟,目前已有的数据库中的数据还是少量的,因此,本论文采用的是ChIP数据集作为研究内容。模式生物果蝇在2003年就已经完成基因组的测序,并且随着研究的进行,目前对果蝇基因的认识越来越深入,其具有繁殖速度快、基因易产生变异,产生变异的表征比较明显等特点。所以本论文使用果蝇的数据作为研究对象。基因的异常表达可能导致很多疾病的产生,而顺式调控模块产生异常是导致基因异常表达的主要原因,通过整合很多ChIP数据集来识别出基因组中的顺式调控模块,对于构建基因的调控网络、理解基因转录调控的分子机制、乃至理解疾病机理都有重要的意义,但是到目前为止,我们对真核生物的顺式调控模块知之甚少,那么在生物信息学学科领域中在全基因组范围内,利用从头预测的方式对真核生物预测顺式调控模块就更是少之又少。现在,生物信息学者和专家已经设计出了很多种识别顺式调控模块的工具,最常用的方法就是计算机统计的方式,目前最新的从头预测顺式调控模块的方式是DePCRM,但是该算法过于复杂,而且所预测出的顺式调控模块有很多都是假定的,不具有准确性,因此,本论文提出了一种新的研究思路,通过整合来自不同组织、细胞类型和生理阶段以及不同实验条件下的果蝇模式生物ChIP数据集研究其模体共生模式,可以实现生物物种在全基因组范围内对顺式调控模块的从头预测,运用模体发现算法FisherMP、模体相似度量法SPIC以及模体聚类算法CLIMP,通过整合顺式调控模块的各种特定信息,从头预测出果蝇的顺式调控模块。本算法在从头预测果蝇顺式调控模块上与现有的DePCRM算法进行比较,本算法在速度上和准确度上都要优于DePCRM。