越来越多的证据表明microRNAs(miRNAs)在生命进程中发挥着重要作用。近年来,预测miRNAs与疾病的关联关系成为一个研究热点。然而,现有的方法大多数是基于已知的miRNA-疾病关联,对没有任何关联信息的miRNA或疾病的效果是很不理想的。本文提出了一种矩阵分解的方法 LMFMDA(Least Squares Optimization Matrix Factorization method for miRNA-Disease Association)对miRNAs和疾病的关联关系进行预测。LMFMDA基于miRNAs相似度矩阵、疾病相似度矩阵和miRNAs-疾病关联关系矩阵,用迭代最小二乘法求解miRNAs和疾病的表达向量,最终利用miRNAs和疾病的表达向量完成对miRNA与疾病关联关系的预测。与常规做法不同的是,我们引入了辅助的miRNAs和疾病变量,来保证在优化时能够收敛到最优解。实验结果表明,采用留一交叉验证法得到的AUC值可达0.8206,明显优于当前其他方法,尤其在没有任何关联信息的miRNA和疾病上,LMFMDA算法比最新的算法有了极大的提升。