自从全基因组测序成为可能以来,基因组结构注释(包括了解基因组DNA中的基因组成、结构及其调控元件)成为生物信息学研究的重要问题。为此,需要建立基因组结构自动注释系统,快速方便地得到基因组上的基因及其结构元件信息等;与此同时,需要采用相关的技术和手段保存和管理注释数据,并使该数据信息能为全球web用户访问和使用,必要时还须提供数据的安全保护等。此外,由于基因组结构注释系统的计算量庞大,还需要基于高性能计算资源进行基因组结构注释计算。针对以上问题,从事了如下几个方面的工作:制订了整合不同的数据信息(如蛋白质序列、cDNA/mRNA序列、EST序列、全基因组序列等)和不同的基因结构预测方法(如蛋白质序列比对、EST序列分析、从头预测等)对基因组基因结构进行自动注释的整体流程,建立了基因组结构自动注释系统的整体框架。从基因结构规律提炼、EST数据挖掘利用、模型与算法设计、软件研制等方面对真核生物基因结构预测进行了研究,研制出了基因结构从头预测、基于EST的基因外显子区域识别等软件。建立了基因组结构注释数据库。以基因组结构注释元件为核心建立了数据库概念模型,可有效存储和管理基因组结构注释数据。基于数据库一次生成、多次访问的特征,通过采用允许冗余、允许关系表属性发生变化、细分实体等手段提高了数据存取效率。通过建立索引、依据坐标聚集性存储数据、数据预排序、分割数据、序列以二进制数据文件形式存储等措施,实现了对web检索访问、可视化浏览访问以及计算存取等的有效支持。采用数据库代码生成器降低了数据库开发代价。研制开发了基因组可视化浏览器,实现了对基因组结构注释数据的可视化浏览访问等。采用了国际三大著名基因组浏览器共同采用的显示“轨道”的方式可视化展示注释元件,并针对其存在的不足,提出了以注释元件为中心组织相关数据、聚集同类同层次数据以及基于SVG技术提供方便的交互式操作等改进措施。以自适应步长的轨道漫游和自适应分辨率的轨道放缩等措施完善了以染色体为中心的导航策略。建立了在高性能计算环境下整合上述注释软件、数据库以及web访问接口等的基因组结构自动注释系统。采用基于网格计算和集群计算的两级调度体系结构完成了基因组结构自动注释系统在高性能计算环境下的部署。