随着高通量测序技术的快速发展,生命科学领域也进入了大数据时代。传统分析方法在应对数据量巨大、数据类型繁多以及增长极快的生物学大数据中存在诸多局限。本论文利用玉米大规模转录组数据,开展了转录组图谱构建、基因表达数据挖掘、unmapped RNA-Seq read应用和图基因组在转录组数据上的应用等四方面的生物信息学整合分析方法研究,并搭建了相应的生物信息学分析平台,为相关大规模转录组的分析工作提供了借鉴和分析工具。具体研究结果如下:基于大规模转录组数据的转录组图谱构建整合玉米B73品系大规模二代转录组RNA-Seq数据、三代转录组Full-length non-chimeric（FLNC）Pac Bio read和参考基因组注释的转录本信息,发现了17952条当前基因组中尚未注释的新转录本。新转录本中,947条位于基因间隔区,其中694条（73%）的新转录本包含转座子。基于整合大规模转录组数据构建转录组图谱的方法,搭建了相应的生物信息学分析平台。基于大规模表达数据的关键基因挖掘通过整合玉米B73品系大规模二代转录组RNA-Seq数据,得到高维度基因表达矩阵。利用矩阵分解（Matrix factorization,MF）方法对基因表达矩阵进行分解,可得到以metagene为纽带的描述基因关系的振幅矩阵（Amplitude matrix,AM）和描述样本关系的模式矩阵（Pattern matrix,PM）。基于PM矩阵进行样本聚类和空间转录组分析:样本聚类分析中,鉴定出774条籽粒发育关键基因,包括已有文献报道的调控胚乳淀粉合成的Zm GRAS20、调控籽粒淀粉代谢的Zm ZAG2、激活Zein基因活性的Opaque2等;空间转录组分析中,利用不同metagene数发现了不同生物学过程的信息,并鉴定出相应的关键基因。鉴定的关键基因中尚未报道的基因也为后续籽粒研究提供新线索。基于大规模表达数据的整合和MF方法,搭建了专门针对高维度表达矩阵的矩阵分解分析平台easy MF。大规模unmapped RNA-Seq read的挖掘与应用RNA-Seq数据与参考基因组比对时常产生大量不能比对至参考基因组的unmapped read。通过对来自籽粒、叶片、根、节间组织的大规模B73品系玉米unmapped RNA-Seq read从头（de novo）组装,经多水平质量控制后,鉴定出635条玉米新转录本。通过转录本序列特征分析,发现部分转录本编码叶绿体相关蛋白、转运蛋白、泛素化连接酶等;通过转录本表达特征分析,发现部分转录本参与籽粒发育,光合作用,干旱应答过程;基于共表达网络模块的GO富集分析,发现部分转录本参与光合作用、蛋白翻译、染色质构成等生物学过程。基于大规模unmapped RNA-Seq read的整合分析方法,搭建了针对其分析的生物信息学分析平台CAFU。图基因组在转录组数据上的应用对于同一物种不同品系RNA-Seq与非相应品系基因组比对时存在的unmapped read和read比对不准确问题,创建了基于图基因组策略的转录组数据分析方法。利用Han21品系玉米结构变异信息构建图基因组,并基于其针对Han21品系RNA-Seq数据进行了read-genome比对、基因定量和差异表达分析。基于图基因组策略,Han21样本比对率由与B73线性基因组比对的83.41%提高至87.71%,由于比对考虑了结构变异信息,read-genome比对的精准度也有所提高;同时,图基因组策略提高了基因定量、差异表达分析等下游转录组分析结果的准确性。综上所述,本论文从转录本结构注释和基因表达特征挖掘等方面,对大规模转录组数据进行了整合挖掘,分别重构了玉米B73品系转录组图谱,丰富了转录信息;鉴定了籽粒过程中的关键基因,为后续相关研究提供了新知识。针对RNA-Seq数据中存在大量不能比对至参考基因组的unmapped read造成的数据浪费及同一物种不同品系RNA-Seq数据不能准确比对进而影响下游分析结果准确度的问题进行了进一步探究,发现unmapped RNA-Seq read也包含大量的生物学信息;图基因组可有效提高readgenome比对、基因定量和差异表达分析结果准确性。基于研究中各分析流程,创建了相应的大规模转录组数据的整合挖掘方法和分析平台,为深入挖掘大规模转录组数据、解决相关生物学问题,探究生物体内调控机制提供了便利。