随着生活水平的提升,人们对于自身的好奇促使人们对基因进行研究。其中,变异是人类疾病的一个重要诱因,对变异进行研究可以推动基础生物学和医学的发展。相比于大区域基因组的结构变异,SNP和Indel变异这种小区域的变异,更难以被检测,小位点变异仍然是比较困难的工作。随着时代的发展,检测变异的技术也不断迭代更新,检测的效果也不断提升。从最开始的第一代测序技术到如今的第三代测序技术,先辈们耗费了大量心血,研究出许多方法,为人类的健康做出了卓越的贡献。为了对第三代测序技序列进行分析研究,本文调查研究基于第三代测序技术的SNP和Indel变异检测算法,提出一套检测变异流程。大致分为三步:一是对数据进行特征提取以及找到可能变异的位点和变异信息,二是对可能变异的位点,以此为中心取200bp序列片段进行多序列比对,得到共识序列,三是计算利用贝叶斯统计方法计算变异的基因型概率。其中最重要的方法是多序列比对方法。在原始的多序列比对方法中,数据有很多冗余信息,并且是基于两两比对的方法,这既耗费时间也耗费空间。本论文采用基于偏序图结构的动态规划算法,偏序图结构摒弃了冗余信息,并且在不损失信息的情况下压缩了数据。动态规划算法让原本指数级别的时间复杂度将为多项式级别的时间复杂度。并且算法中使用单指令多数据模块,该方法可以快速地生成高比对质量的共识序列。使用贝叶斯模型来计算变异的基因型概率,将其分为纯合变异、杂合变异以及不存在变异。然后将变异检测结果与公共数据库中的基因标准进行比较,计算结果的准确率、召回率以及F1 score。本文的模型在检测SNP变异的时候F1score为99.65%,在检测Indel变异的时候F1 score为97.68%。