弯曲菌（Campylobacter spp）是一类能够引起人类腹泻的人兽共患病病原菌。在已发现的弯曲菌种类中,空肠弯曲菌和结肠弯曲菌是引起人类腹泻的主要致病菌,90%以上的病例由这两种病原引起,而其中空肠弯曲菌和结肠弯曲菌分别约占90%和10%。传统生化方法在鉴定弯曲菌时存在步骤多、耗时长、通量低等问题,而PCR方法试剂昂贵,且实验步骤多,容易产生样本间的交叉污染,从而导致假阳性和假阴性结果。近年来全基因组测序技术开始被用于弯曲菌研究。测序数据在经处理和分析后可用来表征弯曲菌的不同种系,或用来快速识别群落的基因型特征,例如毒力和耐药性等。本文以弯曲菌全基因组测序数据为基础,构建了能够准确鉴别空肠弯曲菌和结肠弯曲菌的生物信息学方法。主要工作包括:（1）构建了基于全基因组测序数据的弯曲菌识别方法流程,包括测序数据质量控制、基因组序列拼接、全基因组特征提取、基于支持向量机/深度神经网络的弯曲菌识别。（2）研究并比较了测序数据的质量控制方法,采用FastQC方法对弯曲菌的全基因组测序数据进行质量控制测试;研究并比较了基因组序列拼接方法,采用SPAdes方法对弯曲菌全基因组进行拼接。（3）通过对弯曲菌全基因组的特征分析,提取出了空肠弯曲菌和结肠弯曲菌之间的显著差异性特征。特征分析过程包括全基因组序列、基因注释、耐药基因、多位点序列分型、CRISPR-Cas系统等分析。实验结果表明,序列长度、GC含量、密码子序列密度、aspA等位基因编号、glyA等位基因编号和CRISPR重复序列NZ_CP017859₁可以作为区分空肠弯曲菌和结肠弯曲菌的显著性特征,其中重复序列NZ_CP017859₁具有较高的分辨力。（4）以基因组序列长度、GC含量、密码子序列密度、aspA等位基因编号、glyA等位基因编号以及CRISPR-Cas重复序列为特征集合,分别构建了基于支持向量机和深度神经网络的弯曲菌识别模型。实验结果表明,两种机器学习方法均表现出良好的弯曲菌识别性能,而基于深度神经网络的识别方法的性能略优于基于支持向量机的识别方法。综上,本文提出的基于全基因组测序数据的弯曲菌识别方法可用于准确区分空肠弯曲菌和结肠弯曲菌,相关生物信息学方法和流程可用于弯曲菌乃至原核生物的全基因组序列类型分析和研究。