人類基因組計劃中DNA全序列草圖是由4個字符A，T，C，G按一定順序排成的長約30億的序列，其中沒有“斷句”也沒有標點符號。雖然人類對它知之甚少，但也發現了其中的一些規律性和結構。例如，在全序列中有一些是用于編碼蛋白質的序列片段，即由這4個字符組成的64種不同的3字符串，其中大多數用于編碼構成蛋白質的20種氨基酸。又例如，在不用于編碼蛋白質的序列片段中，A和T的含量特別多些，于是以某些堿基特別豐富作為特征去研究DNA序列的結構也取得了一些結果。此外，利用統計的方法還發現序列的某些片段之間具有相關性，等等。這些發現讓人們相信，DNA序列中存在著局部的和全局性的結構，充分發掘序列的結構對理解DNA全序列是十分有意義的。目前在這項研究中最普通的思想是省略序列的某些細節，突出特征，然后將其表示成適當的數學對象。