研究染色体倍乘事件及重排模式对于深入认识物种基因组功能和进化规律,探究基因组的稳定性具有重要价值,现有的判断及识别方法都是在一定的专业知识储备下根据全基因组数据或显微镜图像,结合专业知识和经验进行推定,这样的方法需要大量的人力,并且容易受到工作人员的工作态度和经验、标本质量的影响。本文对现有倍乘事件及重排模式判断方法进行调研,针对现有方法的不足,设计了一种自动检测倍乘事件及重排模式的算法,减少了对先验知识的依赖,解决了人眼在视觉空间上的局限性,更加符合人工逻辑分析和推理过程,为大规模快速识别染色体重排模式提供了有效方法。论文的主要工作如下:（1）面向基因组共线性分析的数据挖掘由于原始数据中包含同一基因的不同转录版本,为更好体现物种间的基因的共线性,运用编写的python脚本进行处理。将物种基因组原始数据进行筛选,从基因组注释文件中提取关键信息,将基因ID进行重新命名并根据基因在染色体上的顺序进行编号。然后,将基因CDS序列以及蛋白质序列文件中的基因ID对应到基因组注释文件中相应基因的新ID,并对处理后的基因组数据以统一的命名方式进行标注,为后续研究提供数据基础。（2）提出了一种基于多特征融合的染色体倍乘事件识别方法以物种的全基因组数据为研究对象,结合全基因组共线性,进行序列比对,构建了同义替换率（Ks）,构造同源片段总长度（len）、同源片段Ks阈值（ksthr）,投影点的标准差（homostd）、最大间隙（homogap）、投影占比（homoprop）和极差（homorange）6个衡量特征。对上述特征进行标准化后,定义基因共线评价函数,根据标准化后的特征值,对结果进行量化分析,建立统一的评价体系,以基因共线评价指数MI为基础,对倍乘事件进行分析。试验结果表明,该方法既可以对发生倍乘事件的物种成功识别其具体的倍乘事件及相关染色体信息,也可对未发生倍乘的物种给出正确的评价,即使用基于多特征融合的共线性评价模型对染色体倍乘事件进行识别是可靠的、有效的且具有普适性。（3）提出了一种基于聚类的染色体倍乘事件识别方法采用数字图像处理技术,基于聚类算法识别基因组倍乘事件,以物种的同源基因Ks点阵图为研究对象,利用DBSCAN方法对其进行聚类,得到共线区,实现了共线性片段的自动识别与标注。利用倍乘事件识别算法,根据各组合的基因共线性评价指数图,确定了具体的倍乘事件和相关染色体组合并绘制倍乘事件组合图,实现了倍乘事件的自动识别。结果表明,该方法可以自动判断物种发生的具体倍乘事件,并确定具体的染色体。（4）提出了一种基于信息熵的染色体重排模式智能识别方法在倍乘事件后,会伴随有染色体重排事件的发生,运用信息熵方法,提出一种基于共线性的染色体重排智能分析方法。在倍乘事件识别的基础上,构建比对单元组合策略,将标准化后的组合图与模式图库进行比对,加入距离相似性分析策略,参考以端粒为中心的染色体重排机制,对染色体图像分类识别进行自动处理,确定染色体重排发生的具体模式和相关染色体。