生物系统是一种复杂系统，而生物网络是描述生物系统的一种有力工具。通过对生物网络研究，能够了解生物系统的运行过程，探索基因或其他分子化合物的功能作用。随着人类基因组计划的完成和高通量测序技术的发展，海量生物基因功能数据被搜集和整理，构造出不同类型的生物网络，如蛋白质交互网络等。生物异构网络则是根据研究目的和网络间关联性的不同，将多种不同类型的生物网络整合起来，构造出的更大类型生物网络。研究表明，相较于使用单个网络，使用结合多种类型网络的异构网络对研究的可信度和准确性具有更好的效果。　　面对大量生物网络和异构网络，如何准确使用，从而揭示生命现象本质，成为功能基因组时代的关键所在。当前生物信息学领域，致病基因预测和致病microRNA(miRNA)预测成为两个热门的研究方向。本文希望通过异构网络研究，提出新的异构网络链接预测算法，并将算法运用于这两个热门领域。本文的工作重点和创新点如下:　　1.提出基于HeteSim的多路径链接预测算法。引入HeterSim度量方法计算异构网络中相同或不同类型节点间相似程度。针对固定路径问题，引入常数值β，将基于固定路径的HeterSim方法扩展成多路径方法。多路径方法能够针对不同长度路径，进行不同程度的相似值抑制。使用多种评估方法进行验证，发现新方法在多个方面优于现有方法。　　2.提出基于支持向量机的多路径链接预测算法。将预测问题看成是监督学习问题，已知链接当做正例，随机选出若干未知链接当做反例，同时引入支持向量机作为模型学习方法。使用学习出的分类模型进行链接预测，发现预测结果同最好机器学习算法的预测结果较为接近。对前10名预测进一步分析，发现预测结果相较最好方法更加合理。　　3.提出基于矩阵分解的链接预测算法。将预测问题看成推荐问题，针对指定疾病进行基因（miRNA）推荐。算法将生物网络转换成矩阵形式，引入矩阵分解方法进行预测模型学习。研究发现，方法取得较好的预测效果。由于属于归纳类型方法，新方法能够对训练过程中未出现的基因(miRNA)进行预测。　　4.提出预测平均重复率和平均度概念。通过对现有算法预测结果分析发现:很多算法倾向于将研究较多、链接度数大的基因（miRNA）推荐为致病基因(致病miRNA);针对不同疾病，很多算法的推荐结果有较大的重复率。预测平均重复率和平均度概念的提出，能够更加公正评判算法的有效性。