病毒与细菌是人体重要的微生物组成部分,它们与人类疾病的状态密切相关。病毒与宿主所构成的微生物网络社团具有复杂的作用机制,推测病毒与宿主的关联对人类疾病的发病机制和微生物群落的理解具有重要意义。随着人类宏基因组测序技术的进步,基于序列组成、宏基因组序列同源性和丰度谱等方法在病毒-宿主关系预测中得到了广泛的应用。本文在病毒与宿主构建的异构网络上分别通过邻域正则化逻辑矩阵分解模型和宿主的相似性矩阵融合方法预测病毒与宿主的关联。第一,基于异构网络和核化逻辑矩阵分解的病毒-宿主关联预测(LMFH-VH)。首先,基于寡核苷酸频率(ONF)度量和高斯相互作用谱(GIP)核相似性分别构建病毒相似网络和宿主相似网络。然后,本文通过已知的病毒-宿主关联连接病毒相似性网络和宿主相似性网络从而构建异构网络。最后,在异构网络上执行邻域正则化逻辑矩阵分解算法以预测潜在的病毒-宿主关联。本文在NCBI的病毒和细菌基因组的基准数据集中提取了三个子数据集,并用五折交叉验证证实了LMFH-VH的性能比最近四种基于网络模型的方法更优。另外,在包含820个病毒与2699个细菌的数据集中,与最新的两种病毒-宿主关联预测方法相比,LMFH-VH的宿主预测精度分别提高了24.17%和12.8%。第二,基于多信息矩阵融合的病毒-宿主关联预测。病毒相似性网络基于寡核苷酸频率(ONF)度量构建,并通过相似性网络融合(SNF)整合宿主的寡核苷酸频率相似性和高斯相互作用谱(GIP)核相似性从而构建宿主相似性网络。然后在病毒与宿主的异构网络上执行邻域正则化逻辑矩阵分解算法来预测潜在的病毒-宿主关联(MLMF-VH)。在包含352个病毒的数据集中,与其它四种基于网络的方法相比,MLMF-VH模型的AUC和AUPR值最高。在包含820个病毒的基准数据集上,MLMF-VH在物种水平的宿主预测精确度为63.66%,比最近提出的三种病毒-宿主关联预测的方法更好。此外,案例研究结果表明该模型预测的人类肠道中的噬菌体crAssphage的宿主与之前研究中推定的宿主基本一致,而且还预测出另一个新的潜在宿主Escherichia coli。目前Escherichiacoli已经被文献证明与人类肠道的某些疾病相关,该结果表明crAssphage可能在这些疾病中发挥着重要的作用。