人类基因组计划发现,人类基因组中超过98%的区域是非编码区域。ENCODE、Roadmap epigenomics等后续计划进一步发现,非编码DNA中包含如DNA甲基化位点、启动子、增强子等众多DNA调控元件。DNA调控元件通过激活或抑制转录事件,精准地调控目标基因的表达量。一方面,这些DNA调控元件正是由于其环境序列的特异性才能够参与转录调控;另一方面,DNA序列在数学上可被视为有限字母表上的有限词,研究其复杂度特征可以挖掘DNA的序列特异性。这激发我们通过序列复杂度数学工具来量化识别DNA调控元件。本研究分为以下三部分:第一部分,我们详细描述两种序列复杂度的数学定义,重点研究其计算算法,并通过特征选择筛选出有效特征。首先根据不同序列长度确定因子复杂度的算法获取原始特征,随后根据二阶差分工具筛选拓扑熵特征,并最终确定因子复杂度的有效特征。同时,我们研究了abelian复杂度的数学定义和计算算法,并通过对abelian复杂度特征进行特征筛选确定出其有效特征。第二部分,我们应用因子复杂度有效特征构建Cp G甲基化水平预测模型。我们首先获取人类胚胎细胞的甲基化实验数据,并筛选其中的Cp G甲基化位点。在将位点扩增至合适长度之后,我们提取序列因子复杂度特征和序列的基本组成特征,并构建了基于支持向量机算法的Cp G甲基化水平预测模型,该模型在不同染色体上的平均分类准确率为94.7%。与已发表工具的比较中,我们的模型获取了更高的预测准确率。最后我们利用已构建的预测模型预测全基因组水平不同功能元件中的Cp G甲基化平均水平,通过与实验数据的对比,进一步验证了该模型的预测能力。第三部分,我们应用abelian复杂度特征构建增强子预测模型。我们从FANTOM5计划的数据库中获取人类基因组的增强子数据,通过提取序列abelian复杂度特征和序列基本组成特征,构建了基于随机森林算法的增强子预测模型,其中正负样本1:1模型的分类准确率为93.1%,正负样本1:10模型的分类准确率为96.0%。在与已发表工具的比较中,我们的模型获取了更高的预测准确率。最后利用该模型在人类基因组22号染色体进行步长为100 bp的扫描预测,成功预测到5,123条增强子区域。以不同细胞系和组织的组蛋白修饰信号为佐证,扫描预测准确率最高可达42.8%。综上所述,我们通过研究序列的因子复杂度特征和abelian复杂度特征,结合基本序列组成特征,成功构建了DNA甲基化、增强子等DNA调控元件的精准预测模型。基于预测模型的全基因组扫描预测结果可以缩小和降低相关生物学实验的目标范围和难度,为相关研究工作提供了有力的参考和指导,有助于解析人类复杂疾病的转录调控机制和完善人类基因组功能元件的注释。