最近越来越多的生物学实验表明,微小RNA(micro RNA,miRNA)在探索各种人类疾病的发病机理中起到了关键的作用,挖掘相关的miRNA对于疾病的临床治疗有着重大的意义。使用传统实验方法检测miRNA-疾病关联有着开销大,耗时长的缺点,无法在短时间内大量地进行实验。因此,科学家们转而开始借助计算机的帮助,开发出了有效而强大的计算方法来识别未被发现的关联关系,为生物实验提供了具有指导性的结果,从而节省了时间和金钱成本。目前生物信息学下研究miRNA-疾病关联关系的方法大致可以分为两类,复杂网络类方法和机器学习类方法。复杂网络类方法通过构建已知疾病与miRNA的关系网络,提取节点之间的关联强度信息,来预测潜在的miRNA和疾病的关联关系;机器学习类方法将机器学习相关算法应用到了miRNA与疾病关系的研究中,利用已知数据集构建有监督或半监督的分类器,并以此对新数据进行预测,但是需要事先构建高可信度的负样本集,并且解决特征提取的问题。这些方法利用已知的多种miRNA-疾病关联信息构建生物网络,挖掘网络中具有较高潜力的连接,并按照预测分数从高到低向科学家们提供候选的miRNA-疾病关联关系。本文基于复杂网络类方法下的二分网络推荐算法,提出了一种名为加权二分网络投影预测miRNA-疾病关联(Weighted bipartite network projection for miRNA-disease associations prediction,WBNPMD)的计算方法。在这种方法中,通过结合多种已知的miRNA和疾病相似性构建了二分网络的权重系数,并对每个节点的初始信息进行了配置。然后,实施了两步式二分网络投影来预测潜在的miRNA-疾病关联关系。将WBNPMD应用于已知的miRNA-疾病关联数据,并进行留一交叉验证(Leave-one-out cross validation,LOOCV)和五折交叉验证,以评估WBNPMD的性能。结果,我们的方法在LOOCV和五折交叉验证中获得了0.9321和0.9173±0.0005的AUC,并且优于其他四种最新方法。我们还针对前列腺癌,结肠直肠癌和肺癌进行了两种案例研究,并且基于db De MC,miR2Disease和HMDD V3.0数据库,已确定了前50个预测的miRNA中的大多数都与相应的疾病有关。这些实验结果都表明了,WBNPMD可以准确地推断潜在的miRNA-疾病关联,从而说明WBNPMD可以作为潜在的miRNA-疾病关联发掘的有力工具。