基因组包含了生物体几乎全部的遗传信息，测定基因组序列是认知生物体生命规律的重要基础。随着DNA测序技术的发展，第二代测序技术以其高通量、低成本的特点，逐渐成为主流的测序技术;而限制性酶切作图技术能够获得酶切位点之间的距离信息，其大跨度的特点有助于解决二代测序中长重复序列的影响。　　大多数二代拼接软件均面临两大难题:1）重复序列。重复序列导致形成复杂的de Bruijn图，对从图中寻找路径造成了很大困难;2）测序错误。测序错误主要分为单碱基错误和chimeric reads，即双端测序时产生的序列错配。目前，从头拼接算法大都基于启发式的拼接策略，在拼接质量和效率方面仍有很大的改善空间;如何快速建立基因组酶切位点图谱是目前拼接研究的新课题。　　本文主要围绕基因组序列拼接中的算法问题，取得了如下成果:　　1)设计了新的gap closure的算法，并与他人合作完成了新的二代数据拼接算法ARCS。　　不同于启发式的拼接策略，ARCS首先区分重复序列(repeat)和非重复序列(unique);接着采用组合优化技术确定unique在基因组上的全局最优排列;最后根据unique排列内部gap的估计长度并通过打分确定最优的填补序列，从而得到拼接结果。　　值得一提的是，基因组中存在近似相同的重复序列，称为“inexact repeat”。Inexact repeat在de Bruijn图中会形成“泡状”结构(bulge)。对基因组数据分析表明:inexact repeat显著影响拼接结果的连续性。　　在ARCS，并不简单合并这些区域，而是将其切分成unique区域和重复区域，其中unique区域作为“桥梁”连接scaffold中的序列，从而延伸拼接结果。实验结果表明，这样“先整体后局部”的拼接思想，使得拼接过程更加可靠，性能(N50/N90，以及速度)优于目前主流的二代拼接软件。　　2)提出并实现了新的酶切位点图谱拼接算法nanoARCS　　本文提出了一种新的酶切图谱拼接算法nanoARCS，该算法基于一种适用于酶切图谱的新型数据结构——FLES图。nanoARCS首先采用聚类技术纠正分子中酶切图谱测定引入的错误;然后依据每个类别的代表FLES在分子中的出现位置估计同一个分子中所有FLES之间的相对距离;最后设计一个线性规划模型，求解每个分子在基因组上的位置。实验结果表明，nanoARCS能够显著提高酶切图谱拼接性能与速度。　　本文的工作部分解决了目前二代数据拼接面临的重复序列、测序错误等拼接难点，提出的新的酶切位点图谱拼接算法具有显著的速度和精度优势，对于基因组序列拼接具有重要意义。