近年来,关于lncRNA-疾病的关联关系预测研究一直富有一定的研究价值。大量的研究说明了,lncRNA在生物学进程,复杂疾病的诊治,判断,预后以及临床中起着关键性的作用。考虑到生物学实验证实的lncRNA-疾病的关联关系仍然有限,因此,为了解决已知的lncRNA-疾病相关性稀疏的问题,开发有效的计算模型来发掘潜在的lncRNA-疾病相关性是非常重要的。利用生物信息学方法发掘疾病关联lncRNA是目前的一个研究热点,并备受研究者们广泛的关注。本文首先介绍疾病关联lncRNA的背景知识,然后着重介绍通过两种方法来预测lncRNA-疾病的潜在关联关系,具体的研究方法如下:(1)近年来,通过整合多种多样的生物学数据来建立一个计算模型来预测lncRNA-疾病之间的潜在关联关系已经成为生物学研究的热点。第三章首先通过整合多种生物学信息构建了一个全局三分网络,这些信息包括miRNA-疾病、miRNA-lncRNA以及lncRNA-疾病之间关联关系和相互作用。然后,将基因-lncRNA、基因-疾病和基因-miRNA相互作用网络添加到已经构建三分网络中,进而构建了一个全局四分网络。接下来,基于这两个全局网络,提出了一种基于朴素贝叶斯分类器的模型来预测lncRNA-疾病潜在关联关系。该方法不完全依赖于已知的lncRNA-疾病的关联,并且通过实验,表明了该方法的高效性。(2)基于朴素贝叶斯分类器和协同过滤算法,构建一种新的预测模型来预测lncRNA-疾病的潜在关联关系。首先通过整合miRNA-lncRNA、miRNA-疾病以及lncRNA-疾病的关联关系和相互作用来构建一个lncRNA-miRNA-疾病的原始三分网络,然后通过将协同过滤算法添加到三分网络中,从而构建一个更新后的三分网络。接下来,基于更新后的三分网络,将朴素贝叶斯分类器应用其中来预测lncRNA-疾病的潜在关联关系。该方法在已知的lncRNA-疾病关联关系稀疏的情况下,可以获得良好的性能。本文最后一章是对上述两种预测模型的总结,并讨论了下一步的研究计划。