越来越多的研究表明,非编码RNA(ncRNA)参与许多生物过程,并在多种复杂的人类疾病中发挥重要作用。研究疾病与ncRNA之间的关联关系不仅可以帮助我们从ncRNA分子水平上了解疾病的致病机制,而且能促进疾病的诊断,治疗,预后和预防。但是传统的通过生物实验挖掘潜在的ncRNA-疾病关联的方法既费时又费力。因此,开发有效的计算模型以识别ncRNA与疾病之间的潜在关系具有重要意义。本文主要通过利用已知的lncRNA-疾病关联关系及miRNA-疾病关联关系构建复杂网络来预测两类ncRNA即长非编码RNA(lncRNA)和微小RNA(miRNA)与疾病之间的潜在关联关系。主要研究内容如下:(1)对于lncRNA-疾病关联预测:本文将lncRNA与疾病之间的关联预测问题建模为lncRNA-疾病二分网络上的资源分配问题并提出名为NBLDA的预测模型。首先,基于已知的lncRNA-疾病关联和lncRNA-疾病关联网络的拓扑相似性,构建了两个新的lncRNA-疾病加权网络。然后,基于不平等分配和无偏一致性的资源分配策略获得了lncRNA-lncRNA加权矩阵和疾病-疾病加权矩阵。最后,利用标签传播算法来计算潜在的lncRNA-疾病关联概率。全局留一验证和案例分析结果表明本文提出的方法显著优于现有同类型的经典算法模型。(2)对于miRNA-疾病关联预测:基于二分网络共同邻居的定义和地方社区范式理论,本文提出计算模型NBMDA用于预测潜在的miRNA-疾病关联。考虑到已知的miRNA-疾病关联非常稀少,并且许多疾病(或miRNA)仅与一种或几种miRNA(或疾病)相关,因此NBMDA基于已知的miRNA-疾病关联,miRNA功能相似性,疾病语义相似性和miRNA及疾病的高斯核相似性,采用k-近邻算法(KNN)作为推荐算法来解决已知关联稀疏的问题,以提高其预测准确性。全局留一验证和案例分析结果表明本文提出的方法显著优于现有同类型的经典算法模型。