随着DNA测序技术的发展,生物信息学的基因测序数据呈现出了爆炸式的增长趋势,随着研究人员对生物基因信息研究的逐渐加深,随之出现了大量的基因组测序数据。大量的基因组测序数据为生物信息的研究提供了数据基础,但是后续的分析和处理上仍然存在挑战。对于没有经验、没有足够生物信息学技能的用户来说,通过读数分析使测序数据合理地用于微生物鉴定,尤其是细菌鉴定,仍然是一个挑战。而在过去的几十年里,真菌导致的病害引起了广泛关注。随着测序技术的发展,对真菌测序分析成为了真菌研究的一个新的方向,但是随着真菌数据的逐渐增多,现在缺乏充足功能的分析工作流。尤其是基于真菌的染色体基因组的鉴定和注释。正如人们所知的那样,历史上的许多病毒都导致了大量的普通人感染和许多感染者的死亡。除了这些会对人类产生巨大危害的病毒外,许多症状轻微的病毒也需要得到人类的关注。并且随着时间推移,病毒往往在不断的变异。在现在人类对于病毒的研究还远远不够,甚至病毒的完整基因组测序数据仍然很少,所以对病毒的鉴定和分析仍存在挑战。为了改善应用微生物基因组信息受阻于有效分析结果的生物信息学挑战的局面,本文开发了一种名为PBGI的自动化生物信息学分析工作流,利用Illumina、Pac Bio和Oxford Nanopore平台等多个平台产生的短读长或长读长测序数据进行定制化生物信息学分析。PBGI通过短读长序列或长读长序列分析进行细菌鉴定,是一种用户友好的方式,可以提供准确的分析结果。为了改善真菌方面生物信息学的发展的情况。本文介绍了一种名为M4A1的自动化生物信息学分析工作流,用于识别和注释由Illumina、Ion torrent、Pacbio等多个平台测序的短读长序列和长读长序列。M4A1可以通过一行简单的命令行执行并在适当的运行环境下快速的执行。本文还提出了基于深度学习和传统方法的结合的病毒种类鉴定方法,并在其基础上构建了一个病毒分析工作流,利用本文提出的病毒种类鉴定方法,对几种真实的和模拟的病毒测序数据进行了测试。实验结果表明,相比于传统的鉴定方法,本文提出的与深度学习结合的方法结合了两种方法在速度和准确性上优势。