现代生物技术的快速发展和多种生物基因组计划的实施和完成，以致序列信息和功能信息的生物数据呈指数增长，进而产生了生物信息学，综合利用生物学、数学和计算机科学技术对生物基因结构进行知识发现和数据挖掘研究，以揭示基因组信息结构的复杂性和遗传的根本规律。目前，已经有相当多的知识发现和数据挖掘方法应用到了生物信息学领域当中，并取得了丰硕成果。本文针对生物信息学中核酸和蛋白质序列分析，对DNA序列查找方法进行了分析，并对序列聚类从序列的整体相似性和局部相似性两个方面着手研究，提出了基于改进链码技术的DNA序列查找算法，详细阐述了整体相似性聚类算法和局部相似性聚类算法并进行了改进。在基于改进链码技术的DNA序列查找算法的设计与实现中，通过无退化的图形曲线展示DNA序列，根据曲线特征，定义向量过滤器和面积过滤器，缩小搜索范围。对基于编辑距离的整体相似性序列聚类算法进行了分析，以序列间的概貌向量距离来衡量簇之间的相似度，加入公共子串剪枝策略避免了原算法中两条序列的子序列之间的编辑距离的计算，缩短程序运行时间。在局部相似性序列聚类算法中，在PrefixSpan算法基础上进行改进，使得算法第一步的结果是频繁闭合子模式集合，聚类过程中通过簇之间包含的相同频繁子模式的数量来定义簇之间的相似性，降低数据冗余程度，并提高聚类质量。本文最后对本文算法进行了实验测试。测试结果表明，本文提出的基于改进链码的DNA查找算法能够较好地过滤相关程度低的序列，达到实验预期目标。在整体相似性序列算法中，通过实验表明，同时考虑序列整体和局部特征将大量减少后续的计算量。另外，针对生物序列聚类分析，由于大量重复序列及“核心”序列模式的存在，通过挖掘序列频繁子模式，以其局部特征表征整条序列，与关注序列整体特征的整体相似性聚类算法相比，这种方式更符合实际情况，并能够取得良好的效果，但在需要精确比对结果的情况下，则需要抓住序列整体特征的同时对每一个元素进行处理，应根据不同需求来选用这两类方法。