TAL效应物transcription activator-like effectors（TALE）是一类在植物病原黄单胞菌中发现的天然的DNA结合蛋白,它具有与目标DNA序列特异性结合的能力。TAL效应物的靶标直接反映了病原菌的致病性或无毒性,因而寻找TAL效应物的靶标直接影响到对寄主植物感病基因、抗病基因的鉴定,并有助于揭示病原菌和寄主长时间相互作用、共同进化的过程和生物信息研究。开展TAL效应物的靶点预测研究对于细胞中的分子生物学机理的理解、TAL效应物核酸酶的设计改造都具有重要意义。本文在对现有的TAL效应物靶点预测算法研究基础上,设计新的结合位点的打分方法和基因组范围的序列搜索方法,具体的研究内容如下:（1）针对当前TAL效应物靶标预测算法的打分机制中缺少从多个角度考虑影响TAL效应物-DNA结合效率的不足,本文在位置权重矩阵算法Position Weight Matrix（PWM）的基础上设计并实现了新的RVD结合特异性位置权重矩阵的TAL效应物靶标预测算法improve Position Weight Matrix（IPWM）。本文在新算法的打分函数中除了考虑不同类型RVD-碱基对结合的贡献外,还引入TAL效应物-DNA结合的极性作用,以及RVD-碱基前后的邻接关系的影响等等。通过完善对TAL效应物-DNA结合效率的打分设计,新算法的预测性能和以前的预测工具对比得到了进一步提高。（2）以往的TAL效应物靶标搜索算法对大规模的基因组数据库进行靶标预测过程中效率不高,而大规模的基因组访问进行生物序列搜索常用的工具如Blast等,其打分机制基于序列比对且不可修改,不适用于TAL效应物的靶标搜索。为此本文在IPWM算法打分函数的基础上,为兼顾在大规模的基因组上搜索的准确性和效率,提出一种基于索引的分块搜索算法index-based block searching（IBS）。通过综合索引机制、文件I/O优化、多线程技术等,新算法在大规模组数据上的搜索效率有了进一步的提升。为评估算法性能,本文使用java语言实现IPWM算法和IPWM-IBS算法,并对预测结果和前人设计的计算工具进行对比分析。实验结果表明,本文提出的IPWM算法在进行TAL效应物靶标预测时,与经典的靶标预测工具Target Finder和TALgetter相比,召回率分别提高了约32%和16%,准确率分别提高28.8%和7.1%,马修斯系数分别提高0.17和0.085。IPWM-IBS算法继承了IPWM算法的预测结果的准确性,且计算的效率上要优于现存TAL效应物靶标预测工具。如在19.7MB、167MB和2.9GB的基因组数据上,IPWM-IBS算法相别Target Finder/TALgetter分别提升了4/1.7、9/2、15/3倍的搜索效率。