随着基因测序技术的发展,人类每天可以获得大量的生物序列数据。生物信息学中的一个重要课题是对序列片段表现出的模式特征进行识别,通过比对和分析,挖掘隐藏在海量序列数据中的生物学信息,帮助解决生物、医疗等领域的难题。位置特异性得分矩阵作为生物序列模式的一种表示形式,在生物序列分析中有着广泛的应用。快速地从生物序列中找到与得分矩阵相匹配的基因片段,成为分析和解读生物序列数据的重要前提与关键技术。目前,广泛使用的生物序列匹配系统在进行得分矩阵匹配时,采用简单的滑动窗口方式计算每个可能位置的片段得分,将满足阈值的片段加入结果集,时间复杂度很高。近些年,有大量的研究工作致力于解决得分矩阵的快速匹配问题,其中大部分都是围绕着为生物序列建立索引进行的。在匹配开始前,为生物序列建立后缀树或者后缀数组索引,使得在匹配得分矩阵的过程中,可以同时略过大量候选位置的计算,大大提高匹配效率。但是由于后缀树或者后缀数组自身的结构特点,会占用大量的内存,严重限制了算法的适用性。本文首先在现有工作的基础上对基于增强后缀数组的ESAsearch算法进行改进,使用迭代的方式逐层对后缀数组进行压缩,提出了内存占用更少的CSAsearch算法,在保持原有算法匹配性能的同时,提升了其对较大生物序列集的处理能力。之后,根据得分矩阵构建查询树,本文将得分矩阵匹配问题转化为字符串匹配问题,提出了基于BWT自索引结构的BWT_M算法。当得分阈值较小时,该算法的匹配效率明显优于已有算法,并且内存占用很小。最后,结合多种优化技术,设计了支持得分矩阵的生物序列匹配系统,并在该系统上运行了大量的实验。通过实验结果本身及对实验结果的分析调整索引结构参数,分析了各个算法在不同影响因素下的匹配性能,同时体现了本系统在匹配效率和内存占用上的优势。