摘要：针对生物序列模体的识别问题，提出了一个新的混合Gibbs抽样识别算法．算法基于混合模体模型学习，采用贪心策略，通过似然度最大化，逐次将新的模体加入到混合模型中．算法中设计了位点抽样和模体抽样两种抽样方法，这两种抽样方法交替进行．为了加速搜索过程，对输入数据集采用了基于kd—trees的分层划分策略．实验结果表明，该算法对序列家族大量模体特征的识别具有显著优势，并且可建立更具统计特征的模体模型，从而提高序列分类的准确性．

关键词：生物信息学 模体识别 gibbs抽样 混合模体模型 

单位：西安电子科技大学计算机学院; 陕西西安710071