当前，由于生物学研究中DNA测序技术的革命性突破，使得高通量测序技术的应用越来越广泛。作为下一代测序技术，高通量测序以其低成本，高产出的优势使得过去只有大型测序中心才能进行的项目，现在在小型实验室也能顺利开展。而其最显著的高通量特点，使得一次测序可获得的序列信息从过去的上百条飞跃至现在的上百万条、甚至千万条，在提供更加丰富序列信息的同时，也产生了前所未有的海量数据。如此爆炸式增长的数据，对传统的信息学处理技术提出了新的要求，如何寻求一种低成本、高效率的技术来处理这些海量数据，成为了当务之急。　　 另一方面，GPU计算作为一项新兴技术，虽然还无法应用于所有类型的通用计算任务，但是得益于其大规模并行的硬件架构特点，对于一些特定类型的计算，尤其是数据密集型的计算，具有明显的加速效果。在科学计算领域（如生物信息学，分子化学，气象预报等），已经有越来越多的GPU计算实例。　　 本文在对GPU高性能计算技术和高通量DNA序列处理的研究基础上，讨论了如何利用GPU实现高通量DNA序列的处理，分析了两种针对GPU硬件结构的算法并行优化方式。同时，本文提出了一种通过工具框架分离使用和实现的解决方式，利用框架的设计与封装，对最终的用户屏蔽引入GPU计算带来的复杂度。并实现了框架的雏形AlignGPU，AlignGPU可以支撑序列比对中的相关操作，并提供一定数量的扩展接口，用以满足不同研究中特性化需求的实现，在对利用454高通量测序法测序得到的某动物基因数据处理中，AlignGPU的性能相对于传统的CPU算法要快近60倍。最后，论文讨论了对于高通量DNA序列处理，GPU是否是有效的方法策略。