长非编码RNA(long noncoding RNA,lncRNA)在人类基因组中占了很大一部分比例,因其结构复杂,功能多样,在很多生物过程中都发挥了重要的作用,并与许多复杂疾病都密切相关,成为生物信息学领域新的研究热点。生物标记在生物医学上的应用由来已久,在疾病的诊断、治疗等方面发挥着重要作用。目前生物标记研究主要专注于蛋白质、基因等层面,关于长非编码RNA生物标记的研究还很少。目前关于长非编码RNA生物标记的研究大都利用长非编码RNA的表达谱数据,通过倍数法、差异表达等方法来查找,只考虑了长非编码RNA表达的差异性,然后采用实时定量逆转录-聚合酶链反应等生物方法来验证查找的合理性,验证过程操作复杂,费用昂贵。鉴于此,本文首先利用长非编码RNA的表达谱数据构造差分网络,不仅考虑了长非编码RNA的表达差异性,还考虑了功能相似性,然后根据差分网络提取长非编码RNA生物标记。为了验证差分网络方法提取生物标记的有效性,本文将提取到的长非编码RNA生物标记应用到疾病子类分类问题中,并进行了对比实验,应用差异表达方法在相同数据集上提取生物标记,分类疾病子类。在分类准确率方面,差分网络优于差异表达方法,同时,差分网络提取到的用于疾病子类分类的生物标记个数少,意味着下游医学验证成本比差异表达方法要低。为了验证差分网络方法的普适性,将编码基因表达谱数据进行与以上所述相同的实验过程,得出了相同的结论。同时对差分网络实验结果进行了交叉分析,分别用长非编码RNA表达谱数据和用编码基因表达谱数据提取相应的生物标记,分类疾病子类时,两者的分类准确率不相上下,但是编码基因生物标记个数却少于长非编码RNA生物标记个数,推断是因为用于实验的长非编码RNA表达谱数据样本过少造成的。综上所述,在提取长非编码RNA或编码基因生物标记并用于疾病子类分类问题时,差分网络方法比差异表达方法有优势,而差分网络实验结果的交叉分析表明,长非编码RNA表达谱数据因为样本过少,仅在生物标记个数方面不占优势。但是,随着科技的进步,测序成本逐渐下降,长非编码RNA表达谱数据样本会越来越多,可以弥补这一缺陷,进一步长非编码RNA生物标记会有更广阔的应用空间,帮助人类解决更多的问题。