细胞核输出信号(Nuclear Export Signal,NES)是指导生物细胞内核质物质转运的重要定位信号。通常运用生物实验的方法对细胞核输出信号进行识别以及相关序列结构性质的预测。但是实验方法单次费用较高,所需时间较长,使得大规模数据下对细胞核输出信号进行检测成为一项不可能完成的任务。本文研究基于脉冲神经P系统的方法对细胞核输出信号进行识别,是计算机科学、数学与生命科学的综合交叉研究学科,属于生物信息学的研究范畴,旨在利用新颖非实验的方法高效识别在生物大分子核质转运过程中起决定性作用的细胞核输出信号。本文提出一种运用脉冲神经P系统来识别细胞核输出信号NES的计算方法。整个NES识别系统的建立主要分为两个部分:一部分是输入模块的设计,通过输入神经元读入需要训练的生物信息,设计合理的拓扑结构和神经元中的规则,将信息完整的保存在输入模块中的神经元中;另一部分是预测模块,在该模块设计中,加入了简单的Hebbian学习策略,通过对输入模块记录的信息进行有效训练得到最终的模型。本文在完成模型设计后,通过随机选择30个已经实验证实是NES的序列的二级结构来训练脉冲神经P系统。然后,在NESdb数据库中221种包含NES序列的蛋白质中选取1224条氨基酸序列(1224条氨基酸序列中包含1015条随机序列和209条已经实验证实的NES序列)进行模型准确性检测。实验结果表明本文提出的基于脉冲神经P系统的细胞核输出信号识别方法的准确率能达到75.41%,高于NES-REBS方法的47.2%,Wregex的25.4%,ELM和NetNES的37.4%。本文最后,在完成模型设计及准确性检测后,还设计出软件界面方便研究者在日后使用。