分析研究

基因识别的基本问题是给定基因组序列后，正确识别基因的范围和在基因组序列中的精确位置。非编码区由内含子组成(introns)，一般在形成蛋白质后被丢弃，但从实验中，如果去除非编码区，又不能完成基因的复制。

显然，DNA序列作为一种遗传语言，既包含在编码区，又隐含在非编码序列中。分析非编码区DNA序列目前没有一般性的指导方法。在人类基因组中，并非所有的序列均被编码，即是某种蛋白质的模板，已完成编码部分仅占人类基因总序列的3~5%，显然，手工的搜索如此大的基因序列是难以想象的.侦测密码区的方法包括测量密码区密码子(codon)的频率，一阶和二阶马尔可夫链，ORF(Open ReadingFrames)，启动子(promoter)识别，HMM(HiddenMarkovModel)和GENSCAN，Splice Alignment等等。