研究核小体在基因组上精确位置的定位,对于深入理解多种生物学过程具有十分重要的意义。基于已有的海量实验数据,结合数理统计和机器学习方法,发展核小体的预测模型,是当下生物信息学的热点研究领域。核小体定位理论虽然取得了一定进展,但是依然无法精准确定核小体的位置。我们需要进一步借助于实验手段,提高核小体定位的精确度。论文提出了广义多样性增量及关键位点算法,并围绕广义多样性增量、关键位点结合支持向量机提出了DNA的预测模型。主要研究内容如下：(1) 提出核心DNA中关键位点的概念,并基于核心DNA中的k-mer频数信息,结合支持向量机,提出了基于关键位点的核小体定位模型。模型对酵母核心DNA和连接DNA进行了分类预测,关键位点结合ID-SVM模型预测准确度达到了72.56%。(2) 在多样性增量的基础上提出了广义多样性增量,并结合核心DNA中k-mer频率信息,提出了广义多样性增量结合关键位点的核小体定位预测模型。模型对酵母核心DNA和连接DNA序列进行分类预测,实验表明该模型具有良好的预测效果,gID-SVM预测准确度达到了85.35%,关键位点结合gID-SVM模型预测准确度达到了82.53%。(3) 将预测模型应用于其他物种中,结合关键位点和广义多样性增量对鸡类的亲和度高的DNA序列和亲和度低的DNA进行了预测,实验的预测结果良好,关键位点结合ID-SVM模型准确率为89.03%,gID-SVM预测准确度为93.13%,关键位点结合gID-SVM模型预测准确度为90.80%。进而比较了酵母和鸡的核心DNA的关键位点,得到生物普遍性、不同物种间的核小体关键位点规律类似、除关键位点外的其他核心DNA位点决定了物种性状的多样性的重要规律。