近年来,大量研究表明,对microRNA的研究有助于人类复杂疾病的预防、诊断和治疗。microRNA参与许多关键的生物学过程,也是人类复杂疾病的发病机制,这表明识别microRNA与疾病的关联可以使我们在microRNA水平上了解疾病。因此,揭示越来越多的microRNA与疾病的潜在联系是生物医学领域的一个重要课题。由于利用传统生物实验检查所有可能的microRNA-疾病关联所需的资源和时间成本昂贵,且预测潜在的microRNA-疾病关联可以为医学研究人员提供重要的先验信息,因此开发一种可行、有效的预测疾病与microRNA之间潜在关联的计算方法越来越受到人们的关注。首先,在本研究中,我们分别利用多种不同的方法计算microRNA和疾病的相似性,其中包括语义相似性、序列相似性、功能相似性、高斯核相似性和汉明距相似性等。为了分别将microRNA和疾病的四个相似性集成,提出了一种新的迭代融合方法,从而揭示新的microRNA-疾病关联。为了降低原始microRNA-疾病关联关系矩阵的稀疏性,对原始关联矩阵进行预处理。其次,对比分析了相似性矩阵融合、数据预处理、参数调整对几种矩阵分解方法的影响,为后续的模型计算步骤和参数设置及其他研究工作者提供参考。构建了一个新的矩阵分解模型,该模型在传统矩阵分解模型的基础上加入了Hessian正则化项和协同正则化项以及ul范数,并采用梯度下降法对模型进行求解,该模型在五折交叉验证下的AUC为0.9235。最后,提出了一个基于深度学习、矩阵分解、奇异值分解的混合模型框架,从线性和非线性两个角度提取特征后,再运用深度学习的方法提取主要特征,去除重复或相近的信息,该模型在五折交叉检验下的ACC为0.967。此外,我们对肺肿瘤、膀胱肿瘤、乳腺肿瘤三种重要的人类疾病做了相关案例分析,该模型对于这三种疾病预测得分的Top-50个microRNA,分别有48、45、46个已在相关数据库和文献中被证实,表明该矩阵分解模型的预测是可靠的。