宫颈癌是导致女性癌症发病率和死亡率的主要原因之一，每年大约有50万的宫颈癌新增病例，其中28万死亡，它已经成为第二大女性常见癌症，并且发病人群趋于年轻化。大量的基础与临床研究发现HPV感染是诱发宫颈癌的首要启动因素。到目前为止，已鉴定出200余种HPV类型，根据毒性或对人体致病力的强弱，可分为低危险型HPV和高危险型HPV。在宫颈低度病变的妇女中，高危型HPV感染阳性的妇女宫颈病变进展的危险性远远大于低危型HPV感染者。因此，HPV分型对宫颈癌的判断预后及指导治疗具有重要价值，成为国内外研究者关注的问题。本文主要研究HPV分型预测方法，研究内容概括如下：1.综述了宫颈癌分型模型中信息提取方法和分类算法。重点介绍了几种常用的蛋白质序列信息提取方法和经典的分类算法，系统分析各种信息提取方法与分类算法的优缺点及适用范围，为本文研究方法的选择提供了理论基础和依据。2.提出一种基于“蛋白质序列空间”的宫颈癌HPV高危型预测方法。基于氨基酸突变矩阵，利用集合论方法，定义并构建了蛋白质的“蛋白质序列空间”。通过构建基于“蛋白质序列空间”的字统计模型，提取了HPV蛋白质序列的同源信息，结合支持向量机预测算法，实现对HPV高危型的分型预测。本文以准确率和F1-分数为评价指标，系统地比较了不同突变矩阵和字长度对预测模型的影响。结果表明，基于E6数据集和p40突变矩阵的预测模型表现最好，其准确率和F1分值分别为95.59%和90.91%。此外，本文还对四个未知类型的HPV进行预测，并与现有的方法进行比较，结果也证明了该方法的有效性。3.提出了一种基于位置特异性的HPV高危型预测方法。基于核苷酸序列，我们首先设计了特定碱基的位置矩阵，利用香农熵度量了特定碱基局部范围内核苷酸分布的随机度。结果表明，核苷酸C的右侧和核苷酸G的左侧的第一个位置的四种核苷酸的分布差异较显著，高危型与低危型HPV序列中保守区域分布较相似。根据马尔可夫模型的性质，我们构建了位置特异性统计模型，进而描述特定碱基局部范围中核苷酸的动态分布，并应用于构建HPV分型预测模型。本文选择Alpha、Beta、Gamma三类HPV数据进行实验，结果表明该方法可以较好地区别不同类别，其整体分类准确率可达97.18%，各类预测的准确率分别为98.41%、100%和91.89%。