序列比对算法是许多生物信息学分析方法的基础。在实际运用时,常常需要对两条以上的序列进行多序列比对。严格的多序列比对算法由于计算复杂度过高,难以应对多于7条长度在300以上的序列的比对需求。因此,新的启发式算法不断涌现。主流的启发式算法需要构建指导树以确定序列加入的次序,因为在这些算法中,序列加入次序会影响最终比对的结果。构建指导树的必要步骤限制了这些算法在大规模多序列比对的应用。另一方面,各类基因组计划启动,产生了海量的基因组数据,然而现有的启发式算法也难以应对大规模的全基因组间的多序列比对。因此需要一种新的多序列比对算法,针对基因组间多序列比对的数据特点进行开发设计。在这里,我们提出了一种新的启发式算法,片段拓扑序依赖的大规模多序列比对算法（Fragment topological order guided multiple sequence alignment,FTO＿MSA）。该算法流程主要分为两步,分别是比对架构的确定和未对齐部分的比对。在确定比对架构时,我们利用了相似序列的数据特性,以滑动窗口截取的等长序列片段作为比对的基本单位,快速对齐序列间相同的节点,并通过序列片段在原序列中的前后位置关系判断对齐的准确性。这部分的计算通过构建以等长序列片段为节点,以前后位置关系为边的有向无环图的方式完成。我们将该图称为拓扑序依赖片段图。由于图的结构可以根据新加入序列进行相应改变,因此图最终结构与序列加入次序无关,无需构建指导树。而后以此为基础对剩余小部分未对齐处进行序列比对。构图过程中相同节点的合并发挥了信息去冗余的作用,减少了重复计算。从多方面大大减少了所需计算。为了测试该算法,我们选取了GISAID中的63964条长约30000bp的新冠基因组作为测试集并划分为不同子测试集,并以MAFFT算法的两个方法为对照,测试了本算法的效率和精确度。在序列长度较长且序列数量较大的情况下,我们的方法具有很大的优势。测试中,当序列长度在30000bp左右,序列数量等于30000时,该算法所需的CPU时间仅为MAFFT中FFT-NS-2方法的1/7。可以在约28小时的时间内完成63964条新冠病毒全基因组的序列比对。在不同序列数量的多序列比对精确度测试中,结果显示,我们的算法在精确度方面与MAFFT相差无几。