人体内部有许多非编码RNA,miRNA是一种内源性、短单链的非编码RNA,在真核生物中随处可见,利用干扰转录后调节来实现基因表达,长为22nt。近年来人们通过研究显示,miRNA和人体疾病的出现存在很大的关系。miRNA-疾病关联的评估对于了解其分子机理、对人体疾病的诊断与治疗具有十分重要的作用。常规检验miRNA-疾病关联的生物方法具有费时、费力、高昂贵、高失败等缺点。因此,对miRNA-疾病的关联进行计算,已成为人们的广泛关注的焦点。截至目前,已有一系列的miRNA-疾病关联计算方法,如基于得分函数、复杂网络算法、机器学习、各种生物信息等。在此之前,miRNA-疾病的关联成功预测基于相似的miRNA与类似的疾病相关,相反也成立这一假设。然而这些方法也有一些缺点,未充分考虑miRNA-疾病之间的高阶链接信息、实现过程较为复杂、预测性能需要进一步提高、局部信息的应用导致很高的假阳性等等。在本文中,提出了一种新的基于简化的图卷积网络鉴定miRNA-疾病关联的新方法（LGCNMDA）,主要工作是在已知miRNA-疾病关联矩阵的基础上,通过简单图神经网络建模构建miRNA和疾病的高阶连通性的表达,结合高斯核函数,通过对miRNA相似性网络、疾病相似性网络及疾病-miRNA关联信息进行整合,因此,miRNA-疾病关联矩阵完全被更新,获得的数据是新的miRNA-疾病关联的预测分数。使用留一法交叉验证与现有的方法进行比较,以验证其性能。根据对比结果,LGCNMDA、IMCMDA、RLSMDA、TLHNMDA 和 WBSMDA 的 AUC 值分别为 0.9012,0.8378,0.8193,0.8795和0.8010。然后根据未知关联的预测得分,通过与数据库HMDD v3.2、miR2Disease和dbDEMC对比验证,找出潜在的实际关联,证明方法的预测能力。我们选择结肠肿瘤、肾肿瘤和乳腺肿瘤用作案例研究,由实验结果得知,预测前10的miRNA均在数据库中得到验证,前50的miRNA中分别有48,48,47在对比数据库中存在。总之,LGCNMDA模型在预测miRNA-疾病的相关性方面表现出了有极强说服力的特性。