近年来,生物科学不断进步,生物实验技术不断创新与发展,越来越多的证据表明,长非编码RNA(long non-coding RNA,lncRNA)在生物学上扮演着至关重要的角色,并且与人类疾病的发生息息相关。大约12%的lncRNA可以在除人类以外的其他生物中被发现,H19和Xist是最先被发现的两个lncRNA,这两个lncRNA是在20世纪90年代早期通过传统的基因定位方法发现的,接着越来越多的lncRNA在人类以及许多动物的身上被发现并对其进行各种记录和研究。这些数量庞大的lncRNA可以排列成一个复杂的基因表达调控网络,它们的突变和调节失调与不同的人类疾病和不正常的发育有关:如乳腺癌、结肠直肠癌、肺癌和心血管疾病等。人们常常利用lncRNA作为生物医学上的一个标志,为医生诊断治疗提供一个生物学上的参考。因此,预测lncRNA-disease的潜在关联已成为人类复杂疾病领域的研究热点。现有的研究预测模型大概分为三类:基于网络的方法,基于矩阵分解的方法以及基于机器学习的方法。基于网络的方法存在以下不足:(1)有些方法还不能预测与新疾病相关的lncRNA;(2)只考虑了lncRNA以及疾病之间的关系。因此,本文提出了两种基于异构网络的新方法,用于预测lncRNA-disease的潜在关联。第一种方法是基于双网络的双随机游走方法BiRWLD。BiRWLD通过整合lncRNA相似性和疾病的相似性,构建lncRNA相似性网络和疾病的相似性网络。最后基于双随机游走方法预测lncRNA-disease关联。第二种方法是基于三个网络的重启随机游走方法MHRWR。MHRWR将lncRNA、disease和gene的相似性网络与已知的lncRNA-disease、lncRNA-gene和gene-disease的关联网络相结合,设计了一个全局的多层异构网络;然后利用disease的相似性矩阵对原始的lncRNA-disease邻接矩阵进行了预填充,用于预测与新疾病相关的lncRNA;最后基于重启随机游走模型预测lncRNA-disease潜在关联。本文基于留一交叉验证法评估模型的预测性能。实验结果表明,BiRWLD的AUC值为0.90183,MHRWR的AUC值为0.91344,明显优于以前的一些方法。为了进一步验证其性能,本文使用BiRWLD和MHRWR模型来验证病例研究中与结肠癌、结直肠癌和肺腺癌的相关lncRNA。