随着生物信息学的快速发展，产生了大量的生物数据。从生物数据中挖掘出对人类有价值的信息，既可以更好的探索生命的本质，也能极大的促进生物医学的发展，并为疾病治疗、药物设计等提供理论支持。本文从DNA序列的碱基间隔距离入手，分析了碱基间隔距离的特点，并把碱基间隔距离应用于物种系统发育分析和细菌的非编码RNA预测研究中。本论文主要工作如下：1、提出了一种物种系统发育树构建方法。本文提出了一种改进的碱基间隔距离模型，该模型在碱基间隔距离的基础上计算了同核苷酸间其余三种核苷酸的分布情况，对于短基因序列（序列长度小于100000bp）的分析效果较好。结合欧氏距离或对数关联距离方法，分别对64种脊椎动物线粒体基因组和70种多瘤病毒基因组进行系统发育分析，获得的结果同传统序列比对方法计算的结果一致。结果显示，我们在系统发育分析研究中提出的方法和模型是可靠的、稳定的，对分析物种间的亲缘与进化关系是非常有意义的。2、提出了一种非编码RNA预测方法。目前的非编码RNA预测方法大多是基于RNA序列核苷酸的统计特征，但是核苷酸的统计特征不能够全面表示出RNA序列的特性。本文提出的碱基间隔距离模型把非编码RNA序列转换为数值序列，作为序列特征用于预测。用支持向量机对特征进行建模后，本文对一组大肠杆菌的非编码RNA序列进行了预测分析，并和文献中计算核苷酸统计特征的方法做了对比。本文的方法因计算了更多的序列特征，预测的准确率略高于同类方法，因此可用于原核生物的非编码RNA序列的预测。