长链非编码RNA（lncRNA）在许多生物的生命活动中起着非常广泛的调节作用,例如染色质修饰,细胞的分化和增值,RNA的进展和细胞凋亡等。lncRNA-蛋白质相互作用在转录后基因调控中起着重要的作用,例如剪接、翻译、信号转导和复杂疾病的进展。传统的研究过程包括靶点识别、生物大分子的发现、临床前研究、临床研究以及审批,而计算机模拟的方法则具有耗时短,成本低的优势。在本文中,采用了深度学习中的图卷积神经网络构建模型。实验中首先对获取的数据进行预处理,删除重复值、缺失值以及低相关数据,低相关数据即没有与至少两个蛋白质有相互作用的lncRNA和没有与至少两个lncRNA有相互作用的蛋白质,然后使用高斯算法和Smith-Waterman算法计算lncRNA相似性和蛋白质相似性以得到对应的相似性矩阵。之后,通过使用lncRNA-蛋白质相互作用矩阵、lncRNA相似性矩阵和蛋白质相似性矩阵在全局构建异构图,使用图卷积神经网络模型对lncRNA与蛋白质之间的潜在关联进行预测,以得到最后的评分。在五折交叉验证实验中,模型取得了0.9095的AUC值。进一步的又在独立测试集上验证了本模型的适用性,结果取得了0.8758的AUC值,并与其它模型或算法做了对比实验,实验结果表明本模型在不同的测试集上均表现出了比其它的几种模型以及算法更好的性能。本系统根据功能性以及非功能性需求分析,将整个lncRNA-蛋白质关联预测系统分为五个模块,分别是注册登录模块、数据处理模块、预测模块、结果管理模块以及系统管理模块。使用Bootstrap和Sweetalert框架搭建系统的前端,使用Python和PHP语言完成系统的前后端交互功能。系统完成之后,设计了尽可能全面的测试用例来测试系统,以保证系统的各部分功能均无问题。