基因组序列拼接是生物信息学的核心问题之一，目的是将当前测序技术测出的较短的DNA序列拼接成完整的DNA片段。耗费十年时间的“人类基因组计划”就是使用第一代测序技术测出了第一个人类全基因组草图。近些年来，随着测序技术的不断革新，第二代测序技术应运而生，它们不仅有测序速度快、通量高（测序数据量）、成本低等优点，而且有产生的read（测序产生的基因片段）长度短，错误率高等缺点。对此本文设计了一种基于马尔科夫模型的基因组序列de novo（从头测序）并行拼接系统，能有效的针对新一代测序数据进行拼接组装。本文通过分析DNA序列的特性，提出了基于马尔可夫模型的基因组序列拼接系统GSnake。系统首先使用马尔可夫模型通过海量短read测序数据来学习基因组中DNA序列的碱基分布特性，模型中的状态转移概率矩阵通过对测序数据的统计来获得，其中，一段固定长度的碱基序列被抽象为模型中的一个状态。在此基础上，本文提出了de novo拼接及优化方法。通过初始概率分布选择合适的初始状态，然后通过状态转移概率矩阵来不断得到合适的当前状态，从而不断的生成多条较长的碱基序列。同时由于新一代测序数据的错误率高并且基因组中存在大量的重复片段，为保证拼接结果的精度及拼接长度，本文在选择最优的当前状态时提出了一系列启发式算法来优化拼接过程，从而能够获得最佳的拼接效果。最后，本文将系统结果与SOAPdenovo、Velvet软件进行比较，并且使用了GAGE评测程序来进行综合评测。结果表明GSnake系统的拼接长度较长、覆盖度较好且准确率高，能够得到令人满意的结果。