在很长一段时间内,RNA仅仅被认为是DNA序列与其编码的蛋白质之间的中介。然而最近的研究表明,超过98%人类基因组不编码蛋白质序列,非编码RNA(ncRNA)通常在各种生物过程中发挥关键作用。特别地,长非编码RNA(lncRNA)是一类长度大于200 nt的重要ncRNA,而微小RNA(miRNA)是一类长度在22nt左右的内源性ncRNA。在过去几年中,随着实验技术和计算方法的快速发展,越来越多的证据表明lncRNA和miRNA在许多重要的生物过程中发挥着关键作用,并且lncRNA可作为一种竞争性RNA与miRNA相互影响,在疾病的发生发展中发挥重要作用。因此,设计出强大的计算模型来识别潜在的疾病-miRNA和疾病-lncRNA关联关系对于理解疾病的病因和发病机制至关重要。本文主要通过利用已知的lncRNA-miRNA相互作用关系、疾病-lncRNA关联关系和疾病-miRNA关联关系构建的三维异构网络对潜在的关联关系进行研究,主要的研究内容如下:(1)在预测潜在疾病-lncRNA关联关系方面:首先,分别收集疾病-miRNA关联信息和lncRNA-miRNA相互作用信息构建二维异构网络,并基于构建的网络计算疾病间的整合相似性和lncRNA间的功能相似性。然后通过整合二维异构网络构建三维异构网络,并基于该网络定义距离相关集的概念,设计出一种基于miRNA信息的新计算方法来预测潜在疾病和lncRNA关联关系的数学模型,名为DCSDLA。该模型在对疾病和lncRNA之间进行关联关系的预测时,不需要已知的疾病-lncRNA关联关系数据样本。留一验证和案例分析的结果表明本文提出的方法显著优于现有同类型的算法模型。(2)在预测潜在疾病-miRNA关联关系方面:首先,和(1)中类似,构建出两个二维异构网络,并基于网络计算出疾病间的相似性、lncRNA间的相似性和miRNA间的相似性。然后通过整合二维异构网络构建三维异构网络,改良(1)中的距离相关集,提出带权点割集的概念,设计出一种基于lncRNA信息的计算方法来预测潜在疾病和miRNA关联关系的数学模型,名为WPCSDMA。它是第一个仅利用miRNA和疾病相关的lncRNA信息便可推断疾病和miRNA之间的潜在关联关系的模型。实验结果表明,本文提出的方法具有良好的预测性能,并为疾病与miRNA关联关系的研究领域提供了一种新思路。