长链非编码RNA的表达情况和许多疾病病理过程的发生密切相关。它们可能是诊断、预后和治疗这些疾病的重要生物标志物。推断潜在的lncRNA-疾病关联性对于揭示疾病的发病机制、开发新的药物以及优化个性化治疗至关重要。然而,验证lncRNA-疾病相关性的生物学实验是非常耗时和昂贵的,开发有效的计算模型预测lncRNA-疾病关联性已成为计算生物学的重要研究课题。本文基于网络间随机游走算法,提出了一种新的基于网络的方法预测潜在的lncRNA-疾病关联。首先,计算疾病语义相似性、lncRNA功能相似性和基因功能相似性用于构造疾病相似性网络、lncRNA相似性网络和基因相似性网络。接着在3个网络中融入lncRNA-疾病、lncRNA-基因和基因-疾病关联信息。最后,在3个网络中进行若干个随机游走步骤,从而推断疾病与相应网络中lncRNA之间的关系。应用该模型到LncRNADisease2.0数据库中的lncRNA-疾病、lncRNA-基因以及CREEDS数据库中的基因-疾病的关联信息数据,利用10倍交叉验证法和受试者工作特征曲线下面积的大小评估该模型的预测效果。研究结果表明,与其他算法相比,该算法有更优的AUC下的面积,显示该算法有更好的预测性能。进一步应用该算法预测了与胃癌和结直肠癌相关的lncRNA,结果与已知的医学数据一致,表明该算法对于新疾病相关lnRNA的预测结果是有效的。另外,本文还将这个算法应用于预测基因与疾病关联性研究中,所得结果与已有其他模型结果做比较,显示本文的模型对基因与疾病关联性有更好的预测性能。