尽管病毒对人类健康及垃圾降解都起着非常重要的作用,但它们很难被研究。科学家不能在实验室培养大多数病毒,且鉴定它们的遗传序列通常很难,因为它们的基因组成小而且进化速度快。随着新一代测序技术的发展,人类得以进一步探知生命的本质和起源,数以百万计的生物学数据库如雨后春笋般的迅速出现和成长,通过深入分析大量生物学数据,可以更好地了解病毒基因组的多样性,以及病毒和它们的宿主细胞及环境之间的相互作用。毒感染宿主细胞的研究对于了解微生物群落的功能和动态具有重要的意义,病毒是依赖于其宿主细胞的分子机制进行复制并产生子代病毒颗粒的。数据表明,病毒与宿主细胞在遗传信息上具有相似的字模式(K-tuple),病毒的DNA序列和其可感染的宿主细胞的DNA序列通过字模式的统计打分值往往比与随机的宿主细胞打分值高,也就是病毒和其可感染的宿主细胞的DNA序列有一定的相似性。对于病毒和宿主细胞之间的相似性,利用K-tuple的频率分布来描述物种的序列特征,这给通过K-tuple算法对微生物聚落进行比较提供了理论依据。对于某个微生物聚落的比对结果,其仅仅以K-tuple的一个频率向量作为表示,而与序列的参考基因没有关系。两序列的比对,也即是通过比较K-tuple的特征向量,得到一个表示两序列距离的打分值,进而比较两序列的相似性或相异性。目前经典的基于K-tuple频率分布的非比对法有Eu、d2star、d2S、Hao和Ch等。本论文使用Eu、d2star、d2S、Hao和Ch这五种非比对算法对病毒识别的优劣性通过ROC曲线和AUC柱状图进行了比较;另外对这五种算法的全局比对和局部比对进行了分析;发现d2star和d2S方法效果优于其他三种方法,更适合于病毒的研究。接下来使用d2star和d2S方法对病毒聚类进行了探讨,发现d2S对病毒的聚类效果优于d2star,最后使用d2star和d2S非比对,对病毒的DNA序列和宿主细胞的DNA序列进行打分,通过该打分值与获得的阈值进行比较,来判断该病毒是否能入侵宿主细胞,进而寻找出探究病毒和宿主细胞关联性的有效方法。基于K-tuple频率分布的序列非比对法来探讨病毒和宿主细胞的相似性目前研究的比较少,通过使用基于K-tuple的非比对法可以加速宏基因组研究并来寻找科学界所未知的病毒。进而成为一个探索地球上病毒的巨大的且未知的多样性的一个新兴工具。