对于基因序列的分析是生物信息学研究中基础且重要的部分,随着生物序列数据迅速增长,基因序列相似性分析的速度成为批量数据分析的瓶颈。为了提高基因序列分析及分类的速度,本文引入变值体系作为理论基础,探索序列相似性分析方法。论文将变值体系理论与非对齐序列相似性分析方法结合,由变值测量方法统计选定序列的变值测度,得到序列测度特征,以序列测度特征为基础,对序列进行差异对比及分析。分析模型的结果展现方式主要有三种类型:由序列特征向量,生成序列的一维差异折线图,通过差异折线图可以观测序列突变情况以及突变点位;使用变值测度计算每一条基因序列的熵值,单条序列选取不同碱基测度两两组合,构建二维熵坐标,将批量序列数据的熵值坐标投影到二维图像中即可生成二维熵值散点图,由该图像可以观测序列的等熵聚类的群聚现象,以此作为序列分类指标;基于不同碱基测度的熵值可以快速计算序列之间的距离作为相似性度量。对于多序列分析,使用熵值可以快速计算多序列间的距离矩阵,可以用于构建发育进化树来展现基因序列之间的发育进化关系,实现了对于现有生物信息分析工具的兼容。经过数据的验证测试,该方法能够快速高效地完成不同病毒基因序列的对比分析任务。与现有的序列相似性比对算法相比,使用变值体系的序列测度分析和信息熵测度计算过程复杂度低,计算时间短,特征熵值经序列相似性函数能够精确的计算序列之间的相似度。由此作为基础构建的系统发育树,证明了方法的准确性。