自从全基因组测序成为可能以来，基因组结构注释(包括了解基因组DNA中的基因组成、结构及其调控元件)成为生物信息学研究的重要问题。随着越来越多的生物体的DNA被测序出来，对大量的序列进行基因组分析并从中获取有价值的信息变得日益重要。mRNA序列中多聚腺苷化位点(简称poly(A)位点)识别是基因识别的重要组成部分，对poly(A)位点的正确识别有助于确定基因编码的终止位置，这在基因组分析中有重要的应用意义。 人们普遍认为，用来识别poly(A)位点的信号定位在剪切点的附近。在许多哺乳动物的poly(A)位点的上游10—35nt的区域定位了一个六联子AAUAAA。由于其保守性，它通常被认为是poly(A)信号(PAS)。而且我们发现在酵母和哺乳类中出现的大部分cis顺式元件也都存在于植物的poly(A)位点区域。此外，国际上最新的研究成果表明，在藻类的位点上游区域也存在poly(A)信号。因此，我们有理由相信，在所有真核细胞的poly(A)位点周围存在着一些保守的cis顺式元件，这些cis顺式元件对mRNA前体的多聚腺苷化过程(即poly(A)位点的形成过程)具有调控作用。 本文根据衣藻(Chlamydomonas)poly(A)位点上下游周围序列cis顺式元件的特征，运用层次聚类的方法来建立poly(A)位点的识别模型。对建立模型采用的训练集数据，使用Z算法进行提取，并通过WEKA supervised attribute filter进行特征筛选，获得cis顺式元件。接下来自定义了对象间距离，采用层次聚类的方法对上述cis顺式元件进行聚类得到cis顺式元件组。最后转化这些cis顺式元件组为PSSM，依据PSSM建立用于分类的cis特征，分别采用决策树分类法与贝叶斯分类法，构建出完整的poly(A)位点识别模型。该模型可依据训练结果，对待测序列中可能含有位点的序列进行分类，判断其中含有位点的情况。本文使用建立的识别模型对测试数据进行测试，并对两种分类方法的识别结果进行对比和分析。模型的测试结果表明，本文所建立的模型是一种有效且高性能的poly(A)位点的识别模型。