随着高通量测序技术的不断发展,产生了海量生物序列数据,如何有效挖掘分析这些数据面临巨大挑战。而基于高通量测序技术发展的宏基因组学,不依赖传统微生物纯培养技术,直接提取环境样本中全部微生物遗传物质,从DNA、RNA序列出发,研究样本中所包含的全部微生物遗传物质组成、微生物群落结构及功能。三代测序序列比对和微生物操作单元（Operational Taxonomic Units,OTUs）划分是挖掘分析微生物种群结构、多样性及生物学功能的前提和基础,快速有效的序列比对和OTUs划分算法开发有助于发现数据中隐藏的微生物信息。本文以微生物序列数据为研究对象,在三代测序序列数据处理、OTUs划分方面进行了系统深入研究,主要工作如下:1、针对Pac Bio三代测序序列特点,通过全面分析Pac Bio真实序列数据的长度分布、误差分布模型、误差率与质量分数间的关系,开发一款Pac Bio序列模拟器（NPBSS）。NPBSS首先根据对数正态分布产生序列长度;然后根据质量分数分布频率选取每个位置的质量分数;进而通过经验模型计算每个位置的整体错误率;最后按照不同类型的错误误差比例分配测序错误,生成Pac Bio模拟序列。实验测试结果表明,NPBSS模拟器产生的序列可有效模拟Pac Bio测序误差,其输出序列特性更加接近真实Pac Bio测序序列数据。NPBSS模拟器可为评价三代序列比对算法可靠性提供有效的基准数据集。2、针对目前三代测序序列比对算法普遍存在比对覆盖率低问题,提出一种基于种子定位和列降维带状打分的三代序列比对算法（sms Map）。sms Map算法首先对参考基因组序列进行BWT-FM变换;然后计算待比对序列每个匹配种子得分值,选取最大得分值的种子进行快速定位,确定待比对序列和基因组的比对起始位置;最后根据列降维带状打分矩阵得到序列比对结果。五组测试实验结果表明,sms Map算法具有较高的比对灵敏度和比对覆盖率,同时对测序误差具有较强的鲁棒性。3、为了降低现有启发式OTUs划分算法的测序误差敏感性,在启发式策略中引入DB（de Bruijin）图模型进行种子序列选取,提出一种基于DB图的启发式OTUs生成算法（DBH）。DBH算法首先根据序列相似性阈值搜索初始序列团;然后构建每个初始序列团的DB图,生成一条序列表示序列团;最后将新读入的序列与此代表种子序列进行相似性比较,进而完成序列聚类过程,生成系列OTUs。实验结果表明,DBH算法对测序误差具有较好的鲁棒性,能够有效降低OTUs过估计,且算法复杂度较低,可对海量16S r RNA序列数据快速聚类。4、针对启发式OTUs划分算法严重依赖种子序列选取、单个种子序列代表聚类团导致低的聚类精度与聚类质量问题,提出一种动态多种子更新的启发式OTUs划分算法（DMSC）。DMSC算法选取多核心序列为聚类团的种子序列,新序列加入聚类团后动态更新聚类团的种子序列,进而生成系列OTUs。多核心种子的选取与更新可有效代表每个聚类单元,实现准确的OTUs划分。五组测试数据实验表明,DMSC算法在聚类精度和聚类质量方面均取得较好结果。