随着现代基因测序技术的发展,面对海量增长的基因序列,如何从大量的基因数据中利用各种现有技术手段得到有用的知识是目前面临的主要难题,因此数据挖掘技术的研究和算法工具的开发越来越受到重视。而桑黄这种具有极高药用价值的真菌,由于国外的技术封锁,目前国内相关研究刚起步,因此在基因层面上的研究对于桑黄的成分合成的分子机制和实验环境优化增产具有重要的意义,研究有效针对桑黄功能基因预测方法是本文的主要内容。本文对已有基因表达数据分析处理,寻找潜在的桑黄基因表达区域。研究选用基因外显子的三周期性作为切入点,利用多种数据分析处理手段,将基因数据中的知识挖掘转换成以计算机为辅助手段的信号处理。一方面应用三周期性对NCBI数据库中对已知桑黄及其近缘物种进行分析,并根据数据特性确定基因识别的阈值和划分选段,另一方面在基本的移动滑动框方法上提出具有半自适应特性的滑动框,解决固定滑动框带来的预测结果不稳定性和边界模糊问题,建立自适应三周期性基因预测模型。序列比对是基因数据处理的基本问题,由于蛋白质的结构和功能比序列具有更大的保守性,因此粗略的说,如果序列之间的相似性超过30%,就很可能是同源的,本文结合实际问题提出经过适当的字符串归并的模糊匹配算法,在保持原蛋白质序列主要信息的同时,降低蛋白质系统的复杂度,降低非比对序列分析中字符的种类和个数,解决字频率矢量维度过大的问题,从而提高序列分析的效率。本文通过对桑黄全序列和蛋白质数据的预处理,设计了针对桑黄数据的基因匹配算法和三周期性预测分析算法,实现了对潜在桑黄功能基因位点的预测,为生物实验者提供有效的决策依据和算法支持。部分桑黄基因预测结果已与NCBI公开数据库验证,预测的准确度,模型的稳定性都比较好,成果已获得业界认可。