非编码RNA（non-coding RNAs ,ncRNA）是指不编码蛋白质的那部分转录产物,在各种生命过程中发挥着重要作用,包括基因调控、染色体重塑、基因定位、基因修饰和DNA印记等。对ncRNA的研究不仅具有重要的理论和应用价值,而且将对人们探索生命本质问题提供不可或缺的工具。由于采用实验方法研究ncRNA的各类问题,通常代价高、耗时长,且盲目性强。而随着各种生物基因组测序的先后完成,以及相应各类数据库的建立和不断丰富完善,使得计算方法在ncRNA各类研究中的应用成为可能和必要。本文选择了和ncRNA相关的序列-结构比对、二级结构预测和ncRNA基因识别等经典计算问题为研究课题,采用模式分类中的各种方法展开了深入研究,论文的主要研究内容和创新点包括以下几个方面:1、ncRNA序列-结构比对研究。序列比对是计算分子生物学的经典课题,而ncRNA因为其结构保守性比序列保守性更强,使得用传统的序列比对程序得到的结果不能满足各种ncRNA相关分析的需要。为此,要在序列比对的同时更多的考虑ncRNA的结构信息,这成倍的增加了算法复杂度。本文将量子遗传算法引入ncRNA序列-结构比对中,充分利用量子编码的叠加性、种群的多样性和量子旋转门进化的并行性,结合传统遗传算法的突变和交叉操作,提出了一种兼顾了结构和序列信息的全干扰配对保守交叉算子,并定义了充分考虑结构和序列信息的优化目标函数,使得进化速度和对局部最优沦陷的控制达到了较理想的结果,和传统遗传算法相比,缩短了优化过程的时间,提高了比对质量。2、ncRNA二级结构预测研究。遵循“结构决定功能”的ncRNA基因,二级结构在其各种相关研究中起着重要作用。传统的ncRNA二级结构预测方法都是基于优化算法,计算复杂度较高,时效性差。本文将ncRNA二级结构预测问题视为分类问题,重点研究了给定序列比对的情况下,根据序列比对提供的各种信息,判断比对的任一列对是否能够形成碱基对。在总结了现有结构预测算法中采用的各种数值计算量后,运用特征选择技术的不同方法对各种数值计算量进行了定量分析（以往预测方法都只进行了定性分析）,并选出了适于分类算法进行结构预测的特征子集,此最优特征子集结合了热力学信息（平均碱基对配对矩阵）、共变信息（包含碱基对堆积的共变分值）和进化信息（Akmaev采用的整合序列间进化关系的R统计量）。采用SVM分类器及所选特征,结合茎组合规则,给出了基于分类算法的ncRNA二级结构预测方法,为结构预测提供了新的思路。3、microRNA基因前体识别。各类ncRNA基因由于不具备传统基因的识别特征,且在基因组中分布广泛、类别多样、长短不一,使得通用ncRNA基因识别方法效果不佳。microRNA作为一类重要的调控RNA,在许多生命过程中发挥着重要的作用,而microRNA前体（pre-miRNA）识别则是进行相关分析的前提步骤。虽然发卡二级结构是pre-miRNA的一个显著特征,但基因组中存在大量能折叠成发卡结构的非pre-miRNA序列。本文围绕pre-miRNA发卡二级结构特征,研究了如何从具有相似结构特征的序列中识别出pre-miRNA的问题。首先,通过将RNA二级结构“拉伸”,我们提出了一种新的局部序列结构特征,新特征不仅包含了发卡结构中茎结构序列信息,还考虑了凸环和内环的信息。测试显示,这些新的局部序列结构特征的分类表现要优于同类的3SVM特征。然后,为详细刻画pre-miRNA发卡二级结构信息,我们将图论和计算化学中的拓扑指数相结合,构造了新的自由能权重图拓扑指数特征。通过对这些拓扑指数的统计分析,以及和其他现有pre-miRNA识别特征的综合比较,显示了新的拓扑指数特征,不仅能够很好的刻画出pre-miRNA发卡结构中各元件的拓扑关系,而且通过自由能权重体现了结构中碱基组成及其相对位置。最后,通过特征选择技术,我们从包括了4种拓扑指数特征的52个候选特征中,选出了适合于pre-miRNA识别的23个全局特征子集,并通过对类不平衡数据的有效处理,得到了一个性能较好的pre-miRNA识别模型。