miRNAs是一类长度为22～25个碱基的内源性非编码RNA。它们在后转录水平调控基因的表达,并参与许多关键的生命过程,包括细胞的分裂、增殖和凋亡等。近年来,越来越多的研究表明,miRNA在许多疾病的发生及发展过程中扮演着重要的角色。目前人类虽然已经发现并积累了大量的miRNA相关数据,但由于实验技术的限制,仅少部分miRNA与疾病的关系得到了确定。因此,发展生物信息学的方法揭示miRNA与疾病关系显得尤为重要。目前疾病关联的miRNA计算预测方法存在预测准确度不高,不能预测新的miRNA-疾病关系等问题。为解决这些问题,本文提出了两种基于表型-miRNA生物网络的疾病关联miRNA预测方法,具体工作如下:1.提出了一种新的基于网络全局相似性的疾病关联miRNA预测方法(NetGS)。该方法首先通过计算图的拉普拉斯得分获得网络的全局相似性。在此基础上,利用随机游走算法和皮尔逊相关性计算公式计算得到miRNA-疾病的关联得分。该方法不仅在预测准确度上较现有方法有优势,而且能够较好的解决新miRNA-疾病关系预测问题。2.提出了一种基于信息扩散的疾病关联miRNA预测方法(NDBM)。本文首次提出了从已知miRNA-疾病关系中提取miRNA相似信息及疾病相似信息的思想。在此基础上,通过融合多种信息构建了两个相似性网络,即miRNA相似性网络和疾病相似性网络。该预测方法首先在miRNA相似网络和疾病相似网络上分别进行疾病关联miRNA的预测,然后通过优化函数将预测的结果进行了融合。实验结果表明,NDBM提高了预测精度。另外,本文还对NDBM与NetGS进行了比较分析。结果显示,这两种方法各有优势。NetGS比较适合用于解决新miRNA-疾病关系预测问题,而NDBM对于一般的miRNA-疾病关系预测问题具有较好的预测效果。