长链非编码RNA（long non-coding RNA,lncRNA）是一类长度超过200个核苷酸且不参与编码蛋白质的RNA。大量研究表明,lncRNA在多种生物过程中起着重要调控作用,其突变和失调与人类疾病发生发展密切相关。明确lncRNA在疾病相关的生物过程中所起的关键作用,能够加速在分子水平上揭示疾病发生机制,有助于临床上疾病的诊断和开展个性化治疗。然而,传统生物学在识别lncRNA和疾病关联时,非常耗时且成本极高。基于现有数据库中的关联信息,借助有效的计算方法,可以快速找到与疾病相关的候选lncRNA,为生物实验提供指导。但现有lncRNA-疾病关联预测方法受限于已知关联数据稀疏,负样本缺失等问题,普遍存在预测精确度不高,难以应用于孤立疾病相关的lncRNA预测。针对上述问题,本文基于图卷积推荐算法（LGC）,提出了两种lncRNA-疾病关联预测模型,具体的研究工作如下:（1）本文提出了基于LGC的lncRNA-疾病关联预测模型（LGCLDA）。LGCLDA首先通过结合不同生物信息构建疾病特征,将lncRNA-疾病、疾病-基因和疾病-mi RNA关联数据整合成疾病节点特征。再通过邻域聚合提取疾病和lncRNA的嵌入信息,利用三层嵌入提取获得更深层次的拓扑信息。其后执行层组合将初始嵌入表示和每一层的嵌入信息结合起来,得到疾病和lncRNA的最终嵌入表示,最后使用内积的方式获得lncRNA和疾病的关联。LGCLDA不需要负样本,能够实现对孤立疾病相关lncRNA的预测,利用五折交叉验证方法来评估模型性能,实验结果表明其优于其他对比模型。此外,肺癌、结肠癌和胃癌的案例分析,进一步验证了模型的有效性。（2）为了进一步缓解已知lncRNA-疾病关联数据稀疏的问题,本文提出了基于双向推荐预填充的lncRNA-疾病关联预测模型（BRLDA）。在BRLDA中,根据lncRNA-疾病、lncRNA-基因和lncRNA-mi RNA关联数据构建lncRNA节点特征,利用LGC预测得到与lncRNA相关的疾病,选取相关性排名前K的疾病对已知lncRNA-疾病关联数据进行预填充。将预填充好的数据集,结合与疾病相关的基因和mi RNA的信息,重构疾病特征,再次利用LGC提取疾病嵌入信息,进行疾病相关lncRNA的预测。BRLDA和LGCLDA具有相同的优点,不需要负样本,能够对孤立疾病进行lncRNA关联预测,并且可以很好地缓解数据稀疏的问题。与其他预测模型进行比较,五折交叉验证实验结果表明BRLDA具有更优的预测能力。此外,对3种疾病实行的案例分析也表明了模型能够获得好的预测效果。