近年来由于高通量基因组和蛋白质组技术的飞速进步,数量巨大的核苷酸和蛋白质序列数据被收集整理,并通过信息技术储存在多个相关的生物信息数据库中,通过何种方式从这些数据中挖掘与核苷酸和蛋白质相关的结构、功能等相关信息是当下生物信息学将要突破的重点和热点。核苷酸序列和蛋白质序列蕴含着生物密码中最根源的信息,通过比较不同物种的核苷酸序列,我们可以得到它们的相似性,进而可以推断物种之间的系统发育关系。亚细胞的位置直接关系到蛋白质的功能,蛋白质也只有在特定亚细胞定位下才能发挥作用,作为研究蛋白质功能的基础,亚细胞定位是研究蛋白质功能的重要信息源。蛋白翻译后修饰能发生在蛋白生命周期中的任何一个关键步骤,基于序列来分析蛋白质以及他们的翻译后修饰对于人类现在常见的心脏病、癌症、神经性退行性疾病和糖尿病的研究有重要作用。随着生物数据数量的激增,相关的研究完全依靠生物实验方法验证几乎不可能实现,只有结合分子生物学、免疫学、细胞生物学等传统生物学科,进而发展信息科学方法来进行相关领域的研究势在必行。本文中,以真实的DNA序列和蛋白质序列数据作为研究对象,针对序列的特征提取方法展开讨论,并结合机器学习方法展开DNA序列的相似性分析和基于蛋白质序列的翻译后修饰和亚细胞定位相关分析和研究。主要研究工作如下:（1）基于基因的四个分类将DNA一级序列转化为“结构图”,文中通过考虑三组分类的性质,并改进距离矩阵的分子拓扑指数,提出了 DNA序列的图形编码。然后我们将DNA序列转化为六种图形结构的六个分子拓扑指数。通过欧氏距离计算相似度,我们对11种物种进行了相似性分析。从这些相似性可以揭示同源性总体上与进化关系一致,其实验结果也符合生物物种的进化规律。我们的方法优势在于序列的图形不变量很容易计算,并可以应用于比较DNA序列,而不是字符串序列本身。（2）文中通过提出一种基于费马螺旋曲线的DNA序列新型图形表达方法,准确地进行了各物种基因之间的相似度分析。首先,该方法在保留序列原始位置信息的前提下,利用费马螺旋线将基因序列图形化。然后,利用原始基因序列中相邻碱基间的局部位置关系,按照特定的方法计算出其对应的质量,再分别将其赋予每个费马螺旋线中的点,由此便组成包含各个质点的费马螺旋线。随后计算费马螺旋线的归一化惯性矩作为DNA序列的数值化表示,并将其应用于不同物种的β-球蛋白基因上的相似度分析之中。（3）本文基于遗传密码子的分布提出了一种蛋白质序列3D图形表达方法,该方法从核苷酸三联体中寻求20种氨基酸在三维空间中的分布特征,以此构建蛋白质序列的3D图形,并将其应用在生物序列的进化树构建上。接着文中给出了一种新的循环距离计算方法,这种方法可用于计算不同长度序列间的距离而不用借助特征矩阵,省去了构建矩阵的过程,随后将其应用于凋亡蛋白质亚细胞定位中。实验结果表明了该方法与某些机器学习方法相比都具有一定优势。而且,该方法并不需要计算矩阵,也不需要机器学习过程,计算简单,易于实现。（4）蛋白质丙二酰化是一种新发现的蛋白质翻译后修饰,由于实验技术的局限性,如何快速准确地鉴定丙二酰化位点是一个巨大挑战。本文提出了一种基于伪氨基酸组成的赖氨酸丙二酰化位点预测方法。首先,提出一种提取蛋白质片段的计算方法,该方法使得赖氨酸位于每个片段的中心。接着,对这些片段使用基于伪氨基酸组成的方法提取序列特征。然后通过使用支持向量机来识别非丙二酰化位点与丙二酰化位点。实验中我们成功确定了给定的160个丙二酰化位点中的144个位点。此外,本文中关于丙二酰化和非丙二酰化片段之间的差异分析说明了赖氨酸丙二酰化遵循着特定模式,因此,本文所提出的方法将有望发展为鉴定丙二酰化位点的工具。