RNA种类较多,其中大部分RNA分子不参与蛋白质合成,但仍然可以在生物体内行使生物功能,因此RNA功能的研究已经成为生物信息学领域重要研究内容之一。RNA功能由其自身结构决定,功能不同的RNA其二级结构会折叠成不同的形状,因此对二级结构研究将会为功能研究提供帮助。RNA结构不稳定、保守性高,直接通过生物实验的方法测定结构信息不仅花费高、实验周期长,而且实验效率低,很难得出RNA结构信息。所以需要生物信息学的方法预测二级结构信息。RNA二级结构信息预测是将待预测的RNA与已知二级结构信息的RNA进行比对。目前,RNA结构比对算法大部分是基于RNA二级结构表示法进行的比对,因此二级结构表示法能够影响比对方法的性能。在此背景下,本文针对RNA二级结构比对算法进行研究。(1)基于数字序列表示法的RNA二级结构比对。在传统的RNA结构比对算法存在RNA二级结构信息易丢失等缺陷背景下,提出一种新的RNA结构表示法——数字序列表示法,根据定义将二级结构转换成数字序列,在此基础上我们提出一种新的比对算法,称为DSARna。首先基于动态规划算法构建比对矩阵,之后再构建二进制路径矩阵,在路径矩阵中找出回溯路径,根据回溯路径得出最优比对结果。将特异性、敏感性以及马休兹相互作用系数(MCC值)作为评价标准,使用PDB数据库中数据为测试数据,与已有的SimTree算法实验分析比较,实验结果表明本文方法准确率更高,且能够确保结构信息不易丢失。(2)长序列高复杂结构的RNA结构比对。针对长序列RNA结构特点提出新的结构表示法,将长序列RNA复杂的结构根据定义转换成有序树模型,不仅便于计算机运算,而且还可以完整的表示RNA的结构信息,并确保RNA结构信息不易丢失。使用启发式算法计算多分枝环之间的最优比对,最后使用神经网络算法对比对权值进行调整,预测最优的比对分值和比对结构。以敏感性、特异性以及MCC值作为评价标准,使用PDB和NDB数据库数据作为测试集,和SimTree算法比较,本文的算法准确率更高,并且特别适合于结构单元较多的长序列RNA二级结构比对。