miRNA是一类非编码RNA,与各种人类疾病的产生和发展密切相关。最近,高通量测序技术的的发展和一些大型生命科学项目的进行提供了丰富的组学数据和关联数据,为全面研究miRNA-疾病之间的关联提供了可能。从生物学角度,不同的生物分子之间的关联不是孤立的,而是相互影响和作用的。因此,整合不同分子数据类型来预测miRNA-疾病关联成为近年来热点。本文提出了两种预测疾病和miRNA关系的方法,主要的工作包括如下两点:(1)提出一种基于联合矩阵分解的miRNA与疾病关联识别方法,通过挖掘不同分子类型间的作用模式来预测新的疾病-miRNA关联。首先整合多种分子数据类型之间的关联网络到一个整体关联的邻接矩阵中。其次,通过对整个网络进行联合矩阵分解,挖掘不同数据之间的作用模式和数据的因子向量,同时在分解过程中,对数据的因子向量施加图正则化约束,保证数据的几何结构一致性。然后,使用联合矩阵优化算法进行迭代优化,得到最终预测的关联矩阵。最后,根据所预测的关联矩阵计算连接矩阵和一致性矩阵,然后根据一致性矩阵的值来识别新的疾病-miRNA关联。联合矩阵分解方法从不同数据类型中学习数据的作用模式和因子,同时通过图正则化项约束项保留数据的几何结构,用鲁棒性较强的一致性矩阵来预测新关联。实验结果表明,基于联合矩阵分解的miRNA-疾病关联预测方法能够有效的预测潜在的miRNA与疾病关联,所预测的大部分新关联存在着实验证据。(2)提出了一种基于三分网络的miRNA与疾病关联识别方法,同时整合了非编码基因和编码基因的数据来预测miRNA-疾病关联。首先,该方法通过整合疾病与miRNA作用网络和疾病与基因作用网络,构建了所使用的miRNA-疾病-基因三分网络。然后,在三分网络中,对疾病节点进行两步的资源分配。首先将资源从疾病节点分别分配到miRNA节点和基因节点,然后再将资源从miRNA和基因节点返回到疾病节点。最后,根据资源分配的结果,整合来自miRNA节点和基因节点的资源,得到最终的资源分数矩阵,根据资源分数矩阵的分数值大小来预测新的miRNA-疾病关联。实验结果表明,基于三分网络的模型能够准确地预测与不同疾病相关联的miRNA,在AUC(ROC)和AUC(PR)等指标优于其它方法。