作为真核生物染色质的基本结构单位,核小体特殊的包装形态使得DNA序列上的遗传信息与蛋白质携带的调控信息之间的接触产生了多种变化。基因组上核小体的精确定位以及它的组装方式,成为了转录调控机制及DNA的复制和修复等多种生物学过程中的重要影响因素,这些因素直接或间接地调控着基因表达的过程。随着高通量测序技术的飞速发展以及大数据时代的到来,建立准确性高且简洁有效的核小体定位预测算法成为生物信息学领域新的挑战。本文以酿酒酵母核小体定位数据库为主要研究对象,提出了新的预测算法并取得了良好的预测效果。在数据集的建立过程中,我们不仅提取了以往研究中所用到的两种酿酒酵母核小体定位数据库,还以核小体间Linker-DNA序列的平均长度为基准,提取了新的核小体序列作为正集构建了新的数据集。在对酿酒酵母核小体定位数据库的预测取得良好结果后,为了更客观地评估预测算法的性能,又将新的算法应用于人类、线虫和果蝇的核小体定位预测中,也得到了很好的预测效果。本文主要定义了以下三种打分方式:1.根据核小体DNA与Linker-DNA两种序列在各种位点的紧邻二核苷酸关联频率的不同,在建立位置关联概率矩阵的基础上构建了位置关联权重矩阵(PWM),使用数学方法统计了两类序列中紧邻二核苷酸的位置关联信息,定义了第一种打分函数;2.由于序列的总能量可以看做是沿着序列每一位点碱基能量的总和,根据核小体定位的序列偏好性,推测核小体DNA与Linker-DNA两种序列片段整体的总能量不同。我们引入了六种DNA局部结构柔性信息来分析紧邻二核苷酸在每个位点处的能量,将每种结构柔性信息分别与二核苷酸位置关联权重矩阵相乘后进行求和,定义了第二种打分函数;3.为了进一步探究紧邻二核苷酸相互作用能对核小体定位的影响,我们将六种结构柔性信息融合后,与紧邻二核苷酸位置关联权重矩阵结合构成第三种打分函数。六个数据集中的核小体DNA序列与Linker-DNA序列分别构成正集与负集,利用上述三种打分函数分别对数据集中的每一条序列打分,根据正负集中每条序列的打分差值对待测序列进行分类,分别对六个数据集中的核小体定位进行预测。使用10倍交叉验证的方法评估了三种打分方式的预测效果,结果显示,对酿酒酵母三个数据集的核小体定位预测成功率分别达到98.35%、99.61%和83.49%;对人类、线虫和果蝇数据集的核小体定位预测成功率也分别达到70.65%,87.02%和71.69%。此外,将我们的计算结果与最近取得较好结果的同类预测算法进行了比较,我们提出的算法对酿酒酵母核小体定位的预测成功率较前人的结果有了明显的提高。对于其他三种模式生物(H.sapiens、C.elegans和D.melanogaster)的核小体定位预测,我们将人类核小体定位预测的敏感性提高了11.96%;果蝇核小体定位预测的特异性提高了5.52%;线虫核小体定位预测的敏感性提高了11.96%,预测成功率提高了3.47%。结果显示我们构建的预测模型在各个评价指标上都具有一定的优势,且从序列的能量角度解释了核小体构成的序列偏好性及其空间结构的决定因素,揭示了更具有生物学意义的预测方向。