随着人类基因组计划、ENCODE计划、千人基因组计划的顺利实施与完成,基因组学研究的重点已经从揭示生物体的遗传信息和密码学转变为分子整体水平的功能研究。高通量测序技术的迅猛发展强有力地推动了功能基因组学的研究,人们逐渐认识到染色质是一个动态的基因组组织者,指导DNA的活动。使用染色质组蛋白修饰信号的组合来注释染色质状态成为发现调控区和细胞种类间特异的活动模式以及解释疾病之间的联系的主要方法。特定DNA调控元件之间的长距离染色质接触在基因表达调控中起着关键作用,在理解信号网络和细胞状态时,必须全局识别这些三维(3D)染色质结构中的相互作用。利用成对末端标记序列(ChIA-PET)进行染色质相互作用分析,从而调节基因表达,并进一步影响其他细胞的活动。本文主要选取了多个细胞系(GM12878,K562,MCF7,Hela-s3)的组蛋白修饰数据,对其进行数据分析及富集水平研究。通过相关的特征选择方法进行特征表示,并配以多种无监督聚类算法进行组合,进行多个细胞系的染色质状态识别。实验表明,基于特征表示与聚类的组合算法具有较好的实现,说明这种思路是合理而有效的。只根据ChIA-Seq数据无法预测三维染色质结构的相互作用,因此在加入ChIA-Pet数据进行标注三维染色质结构的相互作用,进而结合两者形成合理的数据集来进行有监督学习方法的预测。方法中结合了序列特征和表观特征,其中序列特征的处理引入了Word2Vec语言模型,表观特征包括了组蛋白修饰以及DNase-Seq信号。试验结果表明模型有效地识别出长距离染色质的相互作用,完善了染色质状态的三维状态。