环状RNA（Circular RNA,circRNA）是一种不含有5’端的帽和3’的尾的新型非编码RNA。大量研究表明circRNA与许多人类重大疾病的发生和发展,息息相关。有报告称circRNA具有组织特异性、稳定性、和高度保守性的特点,所以,circRNA是理想的疾病标志物。因此,对circRNA与疾病的关联研究,对于开发相关的分子靶标药物和理解疾病的发病机制具有重要意义。验证circRNA与疾病是否存在关联的生物实验方法有外切酶酶切法,聚丙烯酰胺凝胶电泳和RNA印迹法（Nothern blot）等,但是目前仅有少数circRNA与疾病的关联被实验证实。考虑到生物网络的复杂性,circRNA会参与各种生物学过程,因此,这些circRNA必定会参与疾病的发生和发展。然而,通过分子生物学实验来发现circRNA与疾病是否存在关联,需要较长的实验周期,且需投入大量的资源。数据挖掘技术和人工智能方法的发展为从计算的角度来发现circRNA与疾病的关联提供了算法基础。关于circRNA和疾病的关联数据库预测的算法方兴未艾,开发更高效可行的预测算法尤为必要。现存的方法大多数都是基于circRNA的相似性和疾病相似性信息而忽略了circRNA序列中的海量信息,而且没能提出一种可靠的负样本选择方案,所以本文提出了第一种预测模型,即基于circRNA序列特征和疾病相似性并使用可靠负样本来构建预测模型。首先,从circRNA和疾病关联数据库Circ R2Disease数据库和circ Base数据库中收集相关数据,经过数据清洗后,采用k核苷酸组分算法提取circRNA的序列特征,并使用疾病的语义相似性结合高斯互作相似性表征疾病的特征,基于越不相似的疾病越不可能与同一种circRNA存在关联的假设下,选择出可靠的负样本,最后采用支持向量机（SVM）构建预测模型,并通过五折交叉验证的方式和ROC来评估模型的性能。通过其他分类算法的比较说明了该模型的优越性。由于第一种模型仅仅利用了circRNA的序列特征而没有考虑到关联网络的拓扑结构信息,所以本文又提出采用图自编码器提取原始关联网络的拓扑结构信息,将网络中每个节点的特征表示出来后采用链路预测的思想,将circRNA和疾病组合成一个样本用SVM构建模型。最后我们将该课题的相关数据和代码上传到了github上:https://github.com/yizhishagua/circRNA-disease-project4。