随着基因测序工作的完成，生物序列分析和功能预测变得越来越重要。真核生物启动子的预测是DNA序列分析的一个重要组成部分， ncRNA在生物发育的过程中，有着不亚于蛋白质的至关重要的作用，因此启动子的识别和非编码RNA预测对整个基因组的功能的诠释具有重要作用。基于启动子的以下特点：（1）启动子区域有一些一致序列，但对于不同的启动子，一致序列在个别碱基上会有所改变，具有多样性；（2）一致序列的位置并不固定，总是在某个范围内波动；（3）大部分的真核生物启动子都和CpG岛有关。本文提出了一个新的启动子预测方法，即采用了一种新的统计建模策略，并首次提出了区间位置权重矩阵（IPWM）概率模型。大规模序列测试结果表明，新的启动子预测系统具有较好的敏感性和特异性。本文提出一种新的非编码RNA预测方法，通过计算一条序列的Z-score值来预测ncRNA。在计算Z-score值时需要采用shuffle程序将序列打乱1000次，这会浪费许多时间，使得预测速度较慢。为了解决这个问题，在matlab中生成大量样本集，10648条序列进行训练，计算出训练序列的Z-score值。对于一条未知序列，采用机器学习中的支持向量机进行回归预测，这样可以大大提高预测速度。实验结果表明，本文算法预测效果较好，而且可以节省不少时间。本文提出的第一个算法，基于一致序列多样性分析的启动子预测方法，对于规模基因序列和人类22号染色体序列进行启动子预测，实验表明本文方法具有较好的敏感性和特异性。本文的第二个算法，基因回归分析的非编码RNA预测，对于一条未知序列也具有较好的预测效果。