可变剪接是调节高等真核生物基因表达的关键机制,因为它可以使一个单一的蛋白质编码基因产生多种转录体,极大的扩展了基因信息的应用。而且,越来越多的实例表明可变剪接与人类疾病高度相关,可变剪接模式的改变可以导致癌症发生。研究可变剪接调节的关键问题是:如何在海量的基因组序列中识别出剪接位点?围绕这一问题,本文对真核基因编码区与非翻译区分别建立了剪接位点识别模型。主要的研究工作如下:一、真核基因编码区剪接位点识别算法的研究。通过综合考虑编码区剪接位点的信号信息,序列信息,位点附近序列的二级结构信息,以及供体位点与受体位点附近序列的碱基统计特性的不同,剪接因子作用过程不同,分别建立了供体位点识别信号模型,受体位点识别信号模型,供体位点识别序列模型,受体位点识别序列模型,再应用Vienna软件中的Mfold包来预测每个剪接位点附近序列最稳定的二级结构,再将结构信息以一个两字符{S,L}表形式表示,组合了这两字符后,四字符核酸表转化为八字符核酸表,每个序列转化为八字符组合的序列,用这个结合了结构信息的序列对以上信号模型和序列模型进行训练。这个组合了信号信息,序列信息,结构信息的综合模型对编码区剪接位点的识别取得了很好的识别效果。二、真核基因非翻译区剪接位点识别算法的研究。和编码区一样,真核基因的非翻译区在转录后期也进行了剪接,但是在翻译时并不被翻译成蛋白质。非翻译区剪接位点的两侧不存在编码到非编码的状态转移,因为它的内含子和外显子均是非编码的,所以对非翻译区中的剪接位点进行识别较难。为有效地利用剪接位点附近核苷酸的特征,相关性等知识,以提高非翻译区的剪接位点识别性能,本文提出一种结合统计建模与机器学习相结合的方法实现对非翻译区剪接位点的识别。该方法主要分为两个阶段,第一阶段应用统计学方法建模,第二阶段为带有多项式核函数的支持向量机(SVM)。第一阶段作为支持向量机的预处理步骤,输入UTR序列,模型将核苷酸的组成特点,相关性用概率参数形式描述,并把这些概率参数输入支持向量机,将他们非线性的组合起来预测剪接位点。通过对人类5’UTR中剪接位点数据集进行验证,该模型取得了较好的效果。