lncRNA(长非编码RNA)是一类长度超过200个核苷酸的非编码RNA,近年来受到科学研究的热切关注。越来越多的研究表明,lncRNA与基因表达水平的调节有关,如表观遗传、转录调控和转录后调控等,然而只有少数的lncRNA功能和机制被阐明。lncRNA通过与蛋白质相互作用,在各种生物过程中发挥着广泛而重要的作用。因此,lncRNA与蛋白质互作关系的预测和鉴定可以进一步揭示lncRNA相关的功能,并且有利于在分子水平上研究复杂疾病的发病机制。传统的生物实验方法能够准确鉴定lncRNA与蛋白质的互作关系,但这类方法难度大且费时费力。近年来,越来越多计算机领域的研究学者密切关注着生物信息学相关的前沿交叉学科的发展,并致力于将机器学习和统计学习应用到生物数据挖掘的研究中。因此,一些计算模型被提出来预测lncRNA与蛋白质的互作关系。利用已有的相关数据来预测潜在的lncRNA与蛋白质互作关系,可以为未来进一步研究lncRNA提供有益的帮助。在前人相关工作的基础上,本文提出基于改进的二分网络推荐算法的lncRNA与蛋白质相互作用预测模型LPI-IBNRA。首先,收集并整理lncRNA和蛋白质的生物信息数据。然后,经数据预处理后,获得lncRNA和蛋白质的相似性信息,并将这些信息整合到二分网络上。基于二分网络推荐算法的原理,该模型在网络上实施两轮资源分配过程,同时通过适当地删减冗余相似性,提高模型的预测性能。利用留一交叉验证和十折交叉验证对LPI-IBNRA进行性能评估,得到的AUC值分别可达0.8932和0.8819±0.0052。与以往的预测方法进行比较,LPI-IBNRA的预测性能全面超越了CF、RWR、LPBNI、LPIHN和LPI-BNPRA五种主流且经典的lncRNA与蛋白质互作关系预测方法。本文还提出一种基于资源非均衡扩散过程的推荐算法的lncRNA与蛋白质相互作用预测模型LPI-RAURP。在该模型中,lncRNA和蛋白质的多种生物信息数据被整合到二分网络上,并作为网络的边权。然后,通过在二分网络上进行资源非均衡扩散过程,对潜在的lncRNA与蛋白质互作关系进行预测。利用交叉验证进行性能评估,LPI-RAURP在留一交叉验证和十折交叉验证中均达到可靠的预测性能(AUC值分别为0.8951和0.8858±0.0043)。本文将LPI-RAURP与其他的预测方法进行性能比较,还通过案例分析来进一步检验模型的有效性。实验结果表明,LPI-RAURP可以有效地预测出潜在的lncRNA与蛋白质互作关系。