转录组学是分子生物学中最重要的研究领域之一。近十年来,随着高通量测序技术的问世,转录组学的研究得到了空前的发展,相关的研究成果也在不断地刷新人类对生命现象的认知。由于高通量测序数据具有读段短、数量大的特征,与其相关的数据分析离不开计算机的支持。有力的数学模型和高效的算法设计成为近十年来转录组学研究中的关键。本文基于高通量转录组学数据,分别对转录组中互补的两类RNA——编码RNA和非编码RNA中的重要生物现象,即编码RNA的可变剪接和非编码RNA的二级结构,进行了相关的算法开发和计算分析的工作。编码RNA的可变剪接在真核生物的细胞过程中发挥着重要作用,其中外显子包含率是衡量RNA可变剪接强度的重要指标。本文提出了基于RNA-Seq数据估计外显子包含率的新算法:Free PSI,其是第一个实现在既不需要参考转录组注释,也不需要进行读段比对的情况下对外显子包含率进行估计的算法。Free PSI算法设计了一个新的概率生成模型来估计全基因组的外显子包含率,其可以通过期望最大算法和分治策略进行高效求解。通过在模拟数据和真实数据上对Free PSI的准确率和运行效率进行评估后发现,其在没有参考转录组的情况下仍可达到非常好的效果。综上,Free PSI会在缺少参考转录组情况下的可变剪接分析中有重要应用。本文也通过可变剪接分析,成功发现了SF3B1基因突变型泌乳素瘤中ESRRG基因的异常剪接导致病情恶化的病理机制。非编码RNA的功能很大程度上由其二级结构决定,但体内RNA的真实结构对于人类来说依然非常神秘。近年来,基于高通量测序的PARIS实验技术实现了对体内RNA双链结构的直接探测,但由于其测序结果的特殊性,导致现有的算法无法直接利用这种数据进行结构预测。因此,本文开发了基于PARIS数据预测体内RNA二级结构集合的IRIS算法。IRIS算法在贝叶斯模型的框架下,依据热力学原理和PARIS数据预测了体内RNA二级结构的集合,其预测结果也得到了进化保守性的证据支持并通过了其他体内RNA结构测序数据的一致性检测。作为首个利用PARIS数据预测体内完整RNA二级结构的方法,IRIS增强了PARIS数据的可用性,同时也推动了体内RNA二级结构研究的发展。基于PARIS数据,本文还面向长链RNA提出了二级结构域的概念,并开发了二级结构域的划分算法,为长链RNA二级结构的研究提供了新思路。