随着越来越多的非编码基因及功能被识别和揭示,人们逐渐认识到非编码RNA的重要性。由于其结构决定功能,研究RNA的二级结构有着非常重要的意义。非编码RNA基因的数目的庞大以及生物实验的局限性,使得二级结构预测成为非编码RNA识别及其功能研究的重要途径。RNA序列的研究方法主要有两个大的方向,分别是基于多序列比较分析方法的RNA二级结构预测方法和基于单序列的RNA二级结构预测方法。本论文重点介绍单序列的处理方法:最大碱基配对数算法和基于最小自由能算法,它们是确定性动态规划类算法,但未能很好的解决伪结和准确性问题;同样介绍了基于概率论的隐马尔可夫模型(HMM)和随机上下文无关文法(SCFG),这两个算法则存在着数据归纳偏置的问题,并且存在较高的计算复杂度。条件随机场(CRFs)在图像标注、文本标注等领域应用良好,并在预测同源RNA序列的共有结构时处理的结果较好。本论文研究就是在已知一条RNA的序列编码信息之后,通过条件随机场模型方法来计算出该RNA序列的二级结构。本研究针对单个RNA序列二级结构预测中传统算法的不足,结合CRFs模型,通过改变传统的基于概率模型中严格的条件独立性假设,并在其中加入通过长期研究得到的先验知识,可以很好的解决数据归纳偏置及准确性的问题,得到理想的RNA二级结构。