摘 要 本课题源于国家自然科学基金项目“复杂系统意义下的生物信息学中若干问题的研究（No.60234020）”，主要以大肠杆菌启动子为研究对象，运用智能信息处理方法，对大肠杆菌启动子序列进行分析和研究，重点研究启动子序列的识别问题。论文取得的主要研究成果如下： 1. 本文应用变输入长度和滑动空位方法建立了基于神经网络的大肠杆菌启动子识别模型，根据大肠杆菌基因分子生物学有关理论与统计事实，对启动子序列组件进行研究和分析。研究发现，除两个显著保守序列特征组件外，其它几个非显著序列组件包含的特征信息对大肠杆菌启动子的识别也有一定的影响。 2. 本文提出基于数据优化的大肠杆菌启动子识别方法，并基于该方法和 BP 神经网络建立了大肠杆菌启动子识别模型 (Data Optimization&Neural Network Model, DONN)。DONN 模型选取在-10 区比对过的大肠杆菌启动子序列和相应长度的编码区序列为正负样本，在神经网络分类器进行训练之前，通过权值矩阵模型（WMM）优化训练集样本，将处理过的数据集作为神经网络的训练样本。研究结果表明，采用数据优化法建立的神经网络分类器具有较高的敏感度和综合辨识精度。 3. 本文将支持向量机（Support Vector Machine, SVM）方法用于大肠杆菌启动子的识别中，从数据库中选取一定长度的正样本序列和负样本序列，按 3:1 的比例分成训练集和测试集，建立了基于支持向量机的分类器。实验研究结果表明，基于支持向量机的识别方法优于传统的神经网络识别模型，表明其在生物信息学中有良好的应用前景。 大肠杆菌启动子的识别问题是生物信息学研究的重要问题之一。本文的研究对探索启动子的识别具有参考价值。