宏基因组学可以直接从环境样本中提取微生物的DNA,已成为研究微生物的重要方法之一。叠连群是宏基因组学的基本研究对象之一,叠连群分箱可以提高潜在微生物基因组的完整度,为微生物研究奠定数据基础。针对当前的叠连群分箱方法中准确率有待提高、运行耗时过长等问题,论文提出了一种基于流形学习和K-Means聚类的叠连群分箱方法。主要研究内容如下:(1)基于梯度提升的叠连群特征工程针对叠连群序列数据常用特征对分箱准确率影响程度不同的问题,论文使用梯度提升模型对常用的特征进行了评估和选择。首先,基于Py Feat方法提取了叠连群序列数据Z曲线、GC含量、ATGC比率、累积偏斜、k-mer等特征;其次,基于极度梯度提升树模型计算所有特征分量的重要度;第三,扩展了极度梯度提升树模型的应用范围,得到面向多分量特征的极度梯度提升树模型,计算出叠连群特征重要度;最后,按照重要度倒排序叠连群特征,筛选出重要度最大的叠连群分箱特征。在叠连群标准数据集Strain Mock上计算得到的对叠连群分箱重要度最大的特征是4-mer。(2)基于流形学习和K-Means的叠连群分箱方法针对叠连群数据维度较高,导致难以处理的问题,论文基于流形学习研究宏基因组叠连群特征非线性降维方法,得到高维空间中分箱特征的低维流形嵌入结果。针对叠连群分箱数估计方法不准确,且计算效率较低、耗时较长的问题,论文基于贝叶斯推理和K-Means研究了叠连群分箱数估计方法,采用贝叶斯推理的高斯混合模型聚类流形嵌入结果,将聚类数k作为K-Means初始值,迭代计算聚类结果的轮廓系数,取轮廓系数最大值对应的聚类数K为最终分箱估计数。为实现更高效准确的叠连群分箱方法,在分箱特征流形嵌入的结果和分箱估计数K的基础上,使用K-Means计算叠连群分箱结果。在叠连群数据集Strain Mock和Species Mock上进行了实验,分析表明,对比了12种不同的叠连群分箱数估计方法,论文提出的基于贝叶斯推理和K-Means的分箱数估计方法效果最佳;对比了Meta BAT、COCACOLA和Solid Bin等3种分箱方法,论文提出的基于K-Means的分箱方法在Species Mock数据集上的准确率、归一化互信息及调整兰德指数等性能指数分别达到了0.99864、0.99813和0.99723,且运行时间效率提高了80%。