随着人类基因组计划的开展与现代生物技术的发展,人类积累的大量生物信息数据为揭开生命奥秘提供了数据基础。模体是生命密码的一种表现形式,模体检测问题是计算生物学一个重要的研究方向。另外,模体发现问题是一个NP完全问题,虽然过去数年人们已经探索出了一些有效的算法,但是这些算法在噪声数据集合中进行弱信号检测时表现出不足。所以,探索更加有效的模体发现算法已成为目前生物序列模体发现研究领域中的重大课题,并受到越来越广泛的关注。本文提出了一种新的算法。将原始输入的生物序列数据集通过一些约束条件构造成多个独立的图,然后分别在这些图中基于路径的方法寻找最大团,并从这些团中恢复出弱信号模体。通过对算法进行的理论分析以及合成数据和真实数据上的仿真实验结果,可以得出该算法能够找到噪声数据集中的弱信号模体,并具有优于其它算法的总体评价,能够应用于实际的模体发现问题。