近年来研究表明,真菌小分子RNA(sRNA)可以跨界调控宿主植物使其致病。稻瘟病的致病因子——稻瘟菌(Magnaporthe oryzae)可通过附着孢贴附于水稻表面,产生入侵丝侵入到水稻组织内从而引起疾病。然而,在目前已有的对于稻瘟菌致病性的研究中,人们对于稻瘟菌如何跨界调控水稻仍是了解甚少。因此,研究稻瘟菌在侵染过程中通过sRNA对水稻的跨物种调控作用,对于控制水稻病害和提高水稻产量具有重要的理论意义和实践价值。本文基于稻瘟菌sRNA以及侵染后稻瘟菌—水稻的混合sRNA两种高通量数据,应用多种机器学习算法分别构建了基于单算法多数据集的预测模型和基于多算法多数据集的融合模型,分析了稻瘟菌sRNA在侵染后相较于侵染前的差异表达情况,发现有366种稻瘟菌sRNA的表达水平在侵染后明显上调。针对差异表达sRNA的靶基因进行功能富集分析,得到与水稻生长以及防御反应相关的九个生物学过程和一个KEGG通路,这些功能对应于十三个水稻基因。通过数据分析,本文共挖掘出十四个靶向这些水稻基因、影响水稻生长和防御从而致病的稻瘟菌sRNA,并在稻瘟菌sRNA的相关数据库中验证了它们的真实性,即这十四种稻瘟菌sRNA可能参与跨物种调控过程,并作为sRNA效应因子影响稻瘟病的致病过程。本文所构建模型是在对不同模型的各项性能指标进行了分析比对后选择出的最优模型,该模型可用于差异表达sRNA的预测,对于预测稻瘟菌同源物种的差异表达sRNA具有参考意义,今后也能在稻瘟菌的相关研究方面起到一定的促进作用。目前从sRNA跨界调控角度分析稻瘟病致病机制的研究尚未报道。本文采用计算方法研究稻瘟菌对于水稻的跨界sRNA调控,将大数据分析和机器学习方法应用至该领域,相较于以往的生物方法其效率和准确率提升较大且耗费较小。本文的数据分析结果为稻瘟菌侵染机制研究提供数据分析基础,为真菌sRNA跨界调控农作物研究提供可靠的生物数据分析方案,为其它真菌对植物侵染模式的研究提供新的探究思路,对于理解真菌-植物的互作机制具有重要的意义。