揭示基因组水平上的基因表达调控规律是生物信息学和分子生物学所面临的挑战性问题之一。转录调控是基因表达调控的关键步骤,转录因子结合在基因启动子序列中的转录因子结合位点,启动基因的转录和控制基因的转录效率。因而,转录因子结合位点的计算预测是研究基因转录调控的重要环节,对于加速推动表达调控机理的研究和转录调控网络的构建有着重要意义。本文在阅读国内外相关文献的基础上,提出了结合随机投影的模体识别问题的优化遗传算法(Genetic Algorithm via OPTimization,GAOPT)。首先,改进了基于位置权重矩阵的模体表示方法,建立了以起始位点向量表示模体的模体模型；其次,给出了基于贝叶斯模型的模体评价函数,并将该函数用作遗传算法的适应度函数；第三,用随机投影算法构造遗传算法的初始群体,对遗传算法进行了优化；最后,对遗传算法识别出的最优模体进行局部优化,去除最优模体中的“假阳性”,以及消除最优模体中可能存在的偏移现象。针对模拟数据的仿真实验结果表明,较之Gibbs,WINNOWER,SP-STAR、PROJECTION算法,GAOPT算法具有较高的平均性能系数。针对真实数据的仿真实验结果表明,GAOPT算法具有较高的识别准确度。