蛋白质的糖基化是一种生物体内普遍存在且十分重要的蛋白质翻译后修饰,所有表达的蛋白质中,大约有50%是被糖基化的。糖基化后的蛋白质参与了生物组织的发育以及多种生命活动的调节,异常的糖基化还会导致疾病的发生,因此糖链结构鉴定对于认识生命活动和疾病致病机理,具有重要意义。通过质谱数据鉴定糖链结构,是目前糖链结构鉴定的主要方向。但是存在如下问题:1)人工解析谱图需要耗费大量的人力物力;2)糖链结构本身极其复杂,增加鉴定的复杂度;3)糖数据库不完整,导致鉴定结果不准确。这些问题导致了N-糖链结构鉴定研究工作面临着巨大的挑战。现有主流的鉴定算法在数据集较为复杂的情况下性能表现不足,无法高效可行地解决这类问题。基于上述问题,本文提出了一种在大规模质谱数据集上对糖链碎片信息进行解析从而有效鉴定N-糖链结构的（Glyco BCNovo）算法,主要内容如下:1.提出了一种基于从头测序技术的N-糖链结构鉴定算法,通过引入单糖矩阵、基础峰和交叉峰等概念,以及对输入谱图的分析和预测,输出所有可能的糖链候选结构:将谱图信息转化为单糖邻接矩阵,用识别谱峰是基础峰或交叉峰的方式一步一步生长矩阵中对应的单糖从而重构出糖链结构,并对其打分,选择得分较高的前三种作为最终预测结果。2.引入广义原子字典,通过补全缺失谱峰以提升谱图的质量,提高了算法对噪声的鲁棒性;在N-糖链的鉴定过程中会产生大量冗余的同构结构,提出了基于哈希编码的去冗余算法,缩减了每生长一个单糖后产生的结构搜索空间,提高了算法的运行效率;3.设计糖链结构的可视化算法,通过分配给每个单糖合适的占用空间的方式计算结点的物理坐标信息,对鉴定过程中的中间结构以及鉴定结束时的完整结构进行直观展示;并提出了一种新的基于诱饵策略的FDR估计方法,通过P值估计鉴定结果的FDR来衡量鉴定结果的可信度。本文将Glyco BCNovo算法应用于不同种类的仿真数据上,90%以上的数据鉴定得到的前三名结构中都包含有目标结构。再基于小鼠脑组织的真实质谱数据,使用Glyco BCNovo算法与已有的p Glyco2.0方法进行对比实验,实验结果表明,本方法具有更高的准确率且鉴定结果的FDR小于0.05,并能够鉴定出糖数据库中未收录的1683个糖结构,可以看出Glyco BCNovo算法在N-糖链鉴定问题上是有效的。