生物信息学是一门新兴的、快速发展的综合性学科。它充分结合数学、物理学、信息学、计算机科学等其它学科的知识，对生物数据进行处理，解释生物现象，推动生物科学的发展。小波分析在局部特征分析方面具有明显优势，因此，本文将小波分析应用在生物信息学领域，对生物信息学中的相关问题进行了研究。 本文的研究工作集中在以下三个方面： 一是提出了一种基于离散小波变换的膜蛋白跨膜区预测方法。在合适的分解级数下，选择合适的小波函数，对疏水值信号进行离散小波变换，预测跨膜区的数量和大致位置；通过阈值处理，对跨膜区的数量和具体位置做出二次确认。实验表明，该方法能准确地预测出膜蛋白跨区的数量和位置。 二是提出了一种基于小波奇异性分析的蛋白质二级结构预测方法。对疏水值信号进行连续小波变换，将疏水值信号映射到小波平面；经定量分析，找到合适的尺度，并在该尺度通过定位小波模极大值达 到预测的目的。实验表明，本方法能有效预测出α螺旋以及非规则二级结构。 三是改进了一种基于小波包变换的数据处理方法，通过选择更优的小波函数，在保证计算精度的情况下，大大提高了处理速度。对改进后的方法进行了测试，取得了满意的效果。最后，将改进后的方法应用到基于基因表达谱数据的特征基因提取问题上，实验表明，该方法能有效地提取出特征基因子集。此外，依据特征基因子集，利用神经网络方法，在三类肿瘤亚型分类问题上也取得比较好的效果。