越来越多的研究表明,非编码RNA参与了很多生物进程,同时与人类的复杂疾病息息相关。相对于编码RNA,非编码RNA与疾病之间的相关性却被研究很少。寻找lncRNA与疾病之间的关联关系,有利于我们了解疾病的发生过程,并在分子层面去对疾病进行预防、诊断与治疗,具有巨大的研究价值和医学价值。使用传统的生物实验方法能够准确鉴定lncRNA与疾病之间相互作用,但这类方法对实验条件要求高且需要耗费大量的时间和经费。近年来,与计算机领域相关的科研工作者越来越关注生物信息学的发展,并致力于将统计学、人工智能等智能算法应用于生物信息学领域。因此,许多生物信息学的计算模型被用于预测lncRNA-疾病相互作用关系。而通过计算模型预测潜在的lncRNA-疾病的关联关系,则可以有效地减少人力物力的花费。利用已有的相关数据预测lncRNA-疾病相互作用,可以为进一步研究lncRNA提供重要的帮助。在前人的研究基础上,本文提出了基于双向物质扩散的lncRNA-疾病的关联预测模型LDAPMD。该模型首先收集并整理已知人类lncRNA与疾病的已知相互作用数据。然后,经数据预处理得到lncRNA-lncRNA高斯核相似性、疾病-疾病高斯核相似性等相似性信息,并将这些生物信息部署到网络之中。基于物质扩散推荐算法的原理,该模型实现权重资源的正向传播和反向传播,对数据标准化处理,提高模型预测性能,同时降低了现有方法的整个计算网络的迭代过程,大大降低了模型计算强度。为了验证预测结果的准确性,本文针对预测结果中的与结直肠癌、肺癌和乳腺癌相关的lncRNA-疾病的关联关系进行案例分析,从公共数据库和已有文献验证信息中进行检测,结果表明LDAPMD在三种疾病中的预测准确率均大于90%,预测结果较为可靠。本文的预测方法在留一交叉验证和5折交叉验证中,AUC值分别达到0.9207和0.9371。本文提出的基于双向物质扩散的lncRNA-疾病关联预测模型,在交叉验证和案例分析中均表现良好的性能,有很强的鲁棒性,对lncRNA-疾病关联预测的研究具有重要意义。