在植物生命活动中,lncRNA广泛参与植物生长发育和胁迫过程,已成为全球基因调控、发育和环境响应的重要研究课题,其中lncRNA与蛋白质的相互作用在植物免疫和生命活动中发挥着重要的调控作用。由于实验室方法耗时耗力,研究人员逐渐开始利用计算机技术辅助预测,为实验室方法提供帮助和支持。然而,与动物领域相比,在植物中的研究还不成熟。由于缺乏实验验证的相互作用数据,植物数据集中已知相互作用关系的样本与未知相互作用关系的样本数目相差较大,并且可能存在大量噪声数据等问题,会影响预测模型的性能。为了更好的解决以上问题,本文基于序列信息的方法预测植物lncRNA-蛋白质相互作用关系,为相关实验室方法提供指导,以便更深入探究植物lncRNA的功能机制。首先,本文通过不同的特征提取方法对植物数据库中的lncRNA和蛋白质的序列信息进行特征提取,建立相关特征矩阵,提出一种基于线性邻域传播的多特征融合方法,来预测植物lncRNA-蛋白质相互作用。通过计算特征空间的线性邻域相似度,并采用标签传播方法进行预测,融合多种特征来更好地挖掘数据中潜在的交互信息,实现通过已知的相互作用关系的样本来预测未知的相互作用关系的样本。为了降低噪声数据产生的影响,更好的对无标记数据的预测,本文进一步提出基于公理模糊集理论的非负矩阵分解算法,来预测植物lncRNA-蛋白质相互作用关系。该方法基于公理模糊集理论构建模糊相似性矩阵,并对得到的模糊相似性矩阵进行图正则化处理,来约束矩阵分解过程,有效地降低了噪声数据产生的影响,并具有良好的预测性能。本文对所提出的方法使用五折交叉验证方法进行性能评估,实验结果表明本文所提出的预测植物lncRNA-蛋白质的相互作用方法优于其他相关预测方法,并具有一定的泛化能力,可作为探究植物lncRNA-蛋白质相互作用关系的辅助工具,有助于进一步阐述植物lncRNA的功能以及作用机制,加速植物分子生物学相关领域的研究。