随着第二代测序技术(基因组高通量测序)的不断发展,越来越多的非编码RNA(ncRNA)分子被发现,这些ncRNA被相关研究证明在各种生物过程中起着重要的作用,其突变或者失调可能是人类多种疾病的诱因。因此,系统的研究ncRNA与疾病之间的关联关系意义重大,然而,通过传统的生物实验方法去挖掘致病ncRNA的信息,不仅时间周期长,而且费用高。因此,开发高效的方法来发现致病ncRNA的相关信息是当前生物信息学领域研究的热点内容之一。在本文中,我们首先提出两种模型推断疾病-lncRNA潜在关系。即基于网络模型提出了LDLMD预测疾病与lncRNA的关联关系;基于推荐系统提出PMFILDA预测疾病与lncRNA的关联关系。然后在LDLMD模型的基础上,进一步提出新的预测模型PADLMP研究疾病与lncRNA-miRNA关联对的关联关系。在LDLMD模型中,通过已知的lncRNA-miRNA,miRNA-disease关联关系来构建lncRNA-miRNA-disease相互作用网络,并开发了一种新的相似性计算方法;最后利用链路预测的方法鉴定潜在的疾病-lncRNA关联关系。在PMFILDA中,我们通过整合lncRNA-miRNA关联网络,miRNA-疾病关联网络和lncRNA-疾病相关网络,构建了一个lncRNA-疾病加权关联网络。然后,通过基于疾病语义相似性和lncRNA功能相似性的KNN算法进一步更新网络。最后,基于概率矩阵分解推断潜在的疾病-lncRNA关联。在PADLMP模型中,我们对LDLMD方法进行了改进,不仅添加了已知的lncRNA-disease关联关系,而且将三分网络转化为二分网络,预测的目标由单种类型的致病ncRNA变为了多种类型的致病ncRNA。最后,为了评估预测模型的优越性,我们基于已知的关联数据进行了留一交叉验证(LOOCV),结果显示LDLMD,PADLMP和PMFILDA的AUC值分别为0.8925,0.9318和0.8794。通过对比实验,我们的模型优于其他方法。此外,我们实施案例分析以进一步评估它们的性能,并且结果表明LDLMD,PADLMP和PMFILDA均可以实现令人满意的预测性能。