随着人类基因草图的绘制完成,基因组学研究已进入了“功能基因组学"时代,如何在海量的序列数据中确定基因及它们的调控网络已经成为目前最具挑战性的任务。启动子作为控制基因转录起始和转录频率的重要元件,在基因表达调控机制中具有非常重要的作用。启动子识别是确定基因的关键问题之一。由于真核启动子与人类及人类的生产生活密切相关,真核启动子识别已成为一个热点研究领域。在真核启动子识别技术中,哺乳动物(人类和小鼠)启动子识别取得了许多重要成果,而对于真核启动子中的另一个重要分类——植物启动子识别的研究还处于起步阶段,关于植物启动子识别方法的研究论文较少,其中缺乏实验证实的启动子数据是制约其快速发展的原因之一。近年来随着植物数据库的完善,植物启动子识别逐渐成为生物信息学的一个研究热点,其中,特异性较低是有待解决的难题之一。在阅读了大量国内外文献的基础上,对植物启动子识别算法进行了深入分析与研究,并针对现有植物启动子识别算法中假阳性高的问题,提出了两种新的植物启动子识别算法。提出了基于GC偏好和支持向量机(SVM)的植物启动子识别算法。其特点是充分利用了植物启动子的GC偏好特性和SVM分类器的优秀分类性能。该算法首先通过对GC含量的分析将DNA序列分类为GC偏好序列和非GC偏好序列,然后进行结构特征和信号特征的提取,最后通过SVM分类器进行植物启动子识别。SVM分类器由四个SVM子分类器组成,每个子分类器专门针对启动子和四种非启动子中的一类进行区分。四个子分类器分别是启动子——3’UTR子分类器,启动子—5’UTR子分类器,启动子—Intergenic子分类器和启动子—CDS子分类器,综合四个子分类器的结果来识别植物启动子序列。提出了基于GC偏好和DNA双链特征的植物启动子识别算法。该算法的系统结构与第一个算法基本相同,其特点在于,将GC偏好特征和DNA双链特征相结合,提取的特征更具有分辩力。实验结果表明,所提出的两种植物启动子识别算法是有效的,具有较高的特异性。