越来越多的证据表明非编码RNA及微生物在人类疾病的发生发展过程中扮演着重要的角色。传统的生物学实验方法识别与疾病相关的非编码RNA及微生物,具有周期长、成本高等弊端。因此,迫切需要基于计算的方法有效预测疾病潜在相关的非编码RNA及微生物,从而降低生物学实验周期、实验次数和实验成本。近年来,虽然在非编码RNA及微生物与疾病关联预测研究中取得了重要成果,但仍然有进一步提升的空间。本文针对非编码RNA及微生物与疾病关联预测问题进行了深入研究,主要研究内容如下:(1)在非编码RNA与疾病关联预测研究中,本文主要研究了miRNA、circRNA与疾病关联预测问题。在现有的miRNA与疾病关联预测方法基础上,本文提出了一种名为PMDASNF的新方法用于miRNA与疾病关联关系预测,该方法使用相似网络融合算法融合多种生物信息网络以提高模型的预测性能。基于留一法交叉验证和5折交叉验证,PMDASNF的AUC值分别为0.9400和0.9144±0.0009;在现有的circRNA与疾病关联预测方法基础上,本文提出一种名为IGCHCDA的新方法用于circRNA与疾病关联关系预测,该方法使用线性网络融合算法将高斯相互作用属性核相似性特征和余弦相似性特征进行融合从而提高模型的预测性能。基于留一法交叉验证和5折交叉验证,IGCHCDA的AUC值分别为0.8807和0.8631±0.0059。实验结果表明,PMDASNF和IGCHCDA分别在miRNA与疾病、circRNA与疾病关联关系预测上具有较好的效果。(2)在微生物与疾病关联预测研究中,针对现有预测方法的不足,本文提出了一种名为Pred HMDA的新方法用于微生物与疾病关联关系预测。在Pred HMDA方法中,首次将高斯相互作用属性核相似性特征和余弦相似性特征进行融合,并运用网络一致性投影完成微生物与疾病关联关系预测。在基准数据集上,基于留一法交叉验证和5折交叉验证,Pred HMDA的AUC值分别为0.9589和0.9361±0.0037。为了进一步证明Pred HMDA方法的有效性,本研究进行了哮喘、大肠癌和炎症性肠病的案例研究,在预测出的与每种疾病潜在相关的前10个微生物中分别有10、8和10个被相关文献证实。Pred HMDA预测工具可以从https://github.com/August Me/Pred HMDA免费获得。本文提出的PMDASNF、IGCHCDA和Pred HMDA三种方法分别在miRNA与疾病、circRNA与疾病、微生物与疾病关联预测问题上都取得了很好的效果,为探索疾病的发病机理以及疾病的诊断、治疗和预后提供了一定的帮助。