基因组学的发展颠覆了生物学研究,已完成和正在进行的基因组计划的数量正在迅速增加。新基因组的组装主要依赖于计算算法,目前已经有数十种组装算法被提出,但是因为当下的基因组测序技术存在局限性,所以没有算法是完美的。基因组组装的准确性和连续性取决于算法的性能、读取长度、测序文库插入片段的大小、读取的测序准确性以及基因组的复杂程度,因此对组装结果的性能评估是非常复杂的。由于基因组中存在大量重复序列,重复序列的组装更加困难,因此在进行组装结果评估时,重复序列空间的组装性能评估非常重要。对于长重复而言,由于测序的读取长度有限,并且长重复之间的相似度很高,有些长重复不能被完全组装,甚至基因组中的多次重复可能只会被组装出一次,因此在进行组装结果评估时,长重复的组装性能评估也很重要。为了分析新组装基因组重复序列空间的组装性能,本文提出通过将短读取尽可能均匀地比对到基因组,以计算基因组每个碱基深度的方法,来评估重复序列的组装状况,同时该方法可用于长重复的序列质量评估。在均匀计算深度之后,对于重复序列而言,若被完全组装,则重复所在位置的深度是接近基因组平均深度的,若未完全组装,则明显高于基因组平均深度。即计算得到的重复序列的深度越接近基因组平均深度,序列组装质量越高,重复序列的深度最接近基因组平均深度时整个基因组的深度最均匀,因此计算深度时以基因组深度最均匀作为目标,该问题定义为基因组深度均匀计算问题。本文首先正式定义了基因组深度均匀计算问题（GDUC）和深度均匀计算问题（DUC问题）,并通过精确块覆盖问题（EBC）证明GDUC是一个NP-complete问题。然后根据杰森不等式为基因组深度均匀计算问题建立优化模型,提出局部搜索算法求解优化模型的深度,并且提出基因组重复序列组装性能评估指标DCA,将求解算法和DCA值计算实现为命令行可调用的程序,称为DCATools。关于深度的计算结果,将BEDTools和SAMtools的深度计算结果与基于DCATools的深度计算结果进行对比,从整个基因组的最大深度和方差来看,DCATools的深度计算模型在深度均匀计算方面效果显著。关于评估指标DCA,本文使用八组基因组数据分别计算DCA值和LAI值,并且对计算结果的值进行比较,表明DCA值可以有效评估重复序列空间的组装质量。对于基因组较大时程序运行内存使用紧张或不足的问题,本文提出了序列深度存储数组长度压缩的方法,该方法使用一个数组元素的空间存储多个相邻碱基的深度,值是这些碱基的深度和。如果将c个碱基的深度存储空间压缩为一个,那么序列深度存储数组的长度将压缩为原来的c分之一,c个碱基的均值表示单个碱基的深度。本文使用拟南芥和紫花苜蓿的基因组数据,分别进行了 20X、50X和100X测序深度的短读取模拟,对这些数据进行了序列深度存储数组长度压缩比为1、2、4、6、8的深度计算实验,并进行了压缩损失比较,当压缩比为2时,相对于不压缩的深度计算,准确率均在80%以上,表明该方法的压缩损失在可接受范围内。