RNA的研究方式主要是分为生物方式和计算方式两种。生物手段中，主要是通过一些生物技术，如使用生物芯片来测定RNA表达的差异性；使用荧光标记来测定RNA在特定的组织细胞中的表达情况；使用免疫共沉淀来验证RNA与其他RNA或是蛋白质的交互情况等。另外在一些疾病中，通过对RNA过表达或是低表达来分析其对疾病的影响程度。计算手段中，主要是从自身和交互两个角度出发：自身角度主要是从二级结构的角度进行研究，因为结构有比基本序列更加高的保守性；交互角度主要是RNA通常是和其他RNA或蛋白质交互来发挥作用的，并不是仅仅通过自身直接发挥作用。lncRNA因为在多个生物进程中，都发挥着重要的作用，而受到了越来越多的关注。采用生物手段对lncRNA进行研究需要大量资源的投入；由于lncRNA的长度较长，对lncRNA二级结构的预测的准确度很低。因此，分析可能与lncRNA结合的RNA特征，从lncRNA与其他RNA的交互角度进行研究是可行的。本文的主要目的是在合作单位某机构提供的mRNA和lncRNA数据集中，寻找通过结合的方式最有可能对mRNA产生干扰的lncRNA,由于此前采用生物信息学手段对lncRNA与mRNA结合的研究十分稀少，因此从mRNA角度出发，分析mRNA与其他RNA结合时的特征，结合lncRNA发挥作用的理论研究，构建本文的算法。本文通过对收集的mRNA与其他RNA结合的数据进行统计分析，提取了mRNA的新特征——与mRNA二级结构茎区重叠碱基个数占结合区域总碱基个数比例特征；并且将这一特征与mRNA被靶向时碱基配对稳定度特征、CG含量特征、连续碱基匹配特征相融合，构建特征打分模型。在二级结构对mRNA有着重要作用的基础上，提出基于二级结构的lncRNA对mRNA的干扰算法，将特征打分模型应用到算法中，算法的工作流程为：第一步采用动态规划方法构建mRNA和lncRNA的二维打分矩阵，筛选出所有符合要求的mRNA和lncRNA结合序列段；第二步通过特征打分模型对所有结合序列段进行处理，保存得分前10的lncRNA和mRNA结合序列段，作为候选序列段；第三步采用基于最小自由能原理的最近邻模型对候选序列段的能量进行计算，并且采用贪心算法选取10个候选基因中得分最高且能量最低的序列段；通过以上三步筛选出最有可能的mRNA和lncRNA结合序列段，那么也就筛选出了最有可能对该mRNA产生干扰的lncRNA。将合作单位提供的数据通过本文提出的算法进行处理，找到了对每个mRNA最可能产生干扰的lncRNA。合作单位通过生物手段进行预测结果进行验证，其中75%的mRNA确实受到了对应lncRNA的干扰。