越来越多的证据表明长非编码RNAs(long noncoding RNAs，lncRNAs)在人类的许多疾病中扮演着重要的角色。但是利用传统的实验方法去寻找与疾病相关的lncRNAs耗时又耗力。近十几年来，许多研究人员开展生物信息学的研究，通过计算模型非常有效地实现了lncRNAs潜在功能的鉴定以及与疾病关联的识别。　　本文提取了lncRNAs序列的k-mer信息和GC频率、lncRNAs二级结构的茎环个数以及lncRNAs序列的几何柔性，并结合与癌症相关的miRNAs与lncRNAs的关系、lncRNAs中repeat elements的频数等特征信息，利用支持向量机算法，对与癌症相关的lncRNAs进行了预测。研究发现融合lncRNAs序列的k-mer信息、lncRNAs的几何柔性信息以及癌症相关的miRNAs与lncRNAs的关系后预测效果更佳。在Jackknife检验下，预测总精度达到82.36％，且独立测试预测总精度也能达到77.59％。结果表明lncRNAs的k-mer、几何柔性等结构特性和癌症相关的miRNAs与lncRNAs的关系等调控特性有助于与癌症相关的lncRNAs的预测。