随着生物信息学的发展,产生了海量的微生物组学数据。研究者发现微生物群落的组成和结构与人体各种疾病有着密不可分的关系。深入研究微生物-疾病的关联关系,才能进一步解释糖尿病、肥胖、抑郁症等各种复杂疾病的发病机制。微生物-疾病关联研究也成为当前生物信息学研究的前沿热点,由于微生物群落结构比较复杂,使得微生物-疾病关联的研究变的比较困难。微生物主要由细菌、真菌和病毒组成,病毒感染人体是通过其蛋白质与人体的蛋白质发生相互作用影响人体正常的代谢功能,从而引起人体各种疾病,研究病毒-人体蛋白质相互作用能从分子学角度理解疾病机制。本文主要研究工作和创新如下:1)基于多路径的随机游走算法预测微生物-疾病关联。本文利用HMP中的丰度数据建立微生物网络,基于疾病症状构建疾病相似性网络,再结合已知的微生物-疾病关联构建微生物-疾病异构网络。本文通过分析基于异构网络随机游走算法的原理提出了基于多路径的随机游走算法,将致病微生物按照与疾病的关联强度从大到小排序推理出潜在的微生物-疾病关联。最后本文通过参数调节和交叉验证方式证明了算法的泛化性能优于该领域其它算法,通过医学文献检索验证了本文所预测的与肥胖、哮喘和肝硬化三种疾病相关联致病微生物的可靠性。2)基于调和网络一致性相似预测病毒-人体蛋白质关联。首先针对现存的病毒-人体蛋白质相互作用关联数据比较稀疏,关联网络信息不完整的特点,再结合网络一致性投影算法的原理,提出基于异构网络的调和网络一致性相似算法。此算法中病毒蛋白质网络和人体蛋白质网络同样重要,利用这两个网络得到的相似性再使用调和平均数作为最终病毒-人体蛋白质之间的相关性。实验结果表明,本文提出的NCS_HM算法的泛化性能优于NCP、OVPN、OHPN、LP、PMF算法,证明了使用异构网络模型比使用单个网络性能要好。然后对病毒-人体蛋白质关联矩阵的行或列进行交叉验证,证明算法对孤立蛋白质的关联预测性能。最后利用DAVID对实验集和预测集的蛋白质进行功能注释分析,从生物学角度证明了预测的病毒-人体蛋白质相互作用的可靠性。