随着生物信息学的发展,生命科学数据呈爆炸式增长,迫使人们寻求强有力的数据管理和分析工具。数据挖掘是目前最有效的数据分析手段,用于发现大量数据所隐含的各种规律。在生物序列分析中,数据挖掘技术有着非常广阔的前景,对于提高数据处理能力、产生有价值的生物学知识起着重要作用。生物序列模式挖掘是生物序列数据挖掘的一项重要研究内容,它对指导基因的识别和功能注释、非编码区功能元素的识别、蛋白质序列组成信息(如功能域或结构域)的识别等具有重要的意义。生物序列频繁模式挖掘和生物序列特定模式挖掘是生物序列模式挖掘中两个重要的研究内容。针对传统生物序列频繁模式挖掘算法会在挖掘过程中产生大量短的模式而导致的挖掘效率低下的问题,本文提出一种基于模式划分的生物序列频繁模式挖掘算法MBioPM。MBioPM算法采用模式划分的方法,挖掘时能从一个指定较长的模式长度开始挖掘,避免了产生大量的短的生物序列模式,明显提高了挖掘的运行时间效率。实验和分析证明了该算法的有效性。为了解决传统生物序列特定模式挖掘算法在挖掘过程中需要两两比较子序列从而导致挖掘效率不高的问题,本文提出一种基于MD索引结构的生物序列特定模式挖掘算法MSATR。MSATR算法在挖掘过程中只需要比较相邻的模式,就可以得到满足条件的生物序列特定模式。由于MSATR算法避免了不相关模式的比较,大大提高了挖掘效率。实验和分析证明该算法是有效的。