随着高通量测序技术的发展,越来越多的环状RNA（circular RNA,circRNA）分子在许多的真核细胞中被发现,于此同时circRNA的各项生物功能也逐渐被人类所悉知。circRNA主要的生物特性主要是作为微小RNA（microRNA,miRNA）的海绵体,参与转录调控以及亲代基因修饰的功能。circRNA的内源性、丰富性、保守性、稳定性的特征使得circRNA可能成为预测疾病的生物学标志物。在这样的前景下,circRNA上蛋白质绑定位点的识别,circRNA和相关蛋白质关系预测以及circRNA与疾病之间关系的预测已经成为主要研究课题。除此之外,最近的研究表明,circRNA与人类疾病基因相关,在预测药物靶点方面能够发挥重要作用。因此,预测circRNA与疾病之间的关系是很必要的,这将有助于我们理解细胞生命活动的最低要求,并为治疗疾病找到新的方法。然而传统的生物学检测circRNA与疾病关联关系的方法工作效率较为低下并且价格昂贵,虽然现在存在有少量的计算方法来预测circRNA与疾病之间的关联关系,但是在预测的正确率和计算效率上还有待提高,所以本文的重点在于进一步提高circRNA-疾病关联关系预测的正确率和计算效率。本文的主要研究工作如下:（1）提出了基于路径权重的circRNA-疾病的关联关系预测方法,将其命名为PWCDA。该方法结合circRNA靶点基因的相关基因本体（Gene Ontology,GO）数据、疾病相关基因数据和circRNA-疾病关联关系数据来连接每对circRNA-疾病关联关系,首先构建了由疾病相似性网络、circRNA相似性网络和circRNA-疾病关联网络三个子网络组成的异构网络,再根据在异构网络中连接它们的路径的权值,计算出每个circRNA疾病关联关系对的相关性得分,然后将所有的circRNA-疾病的关联关系得分进行排序,筛选出得分较高和标准数据集进行比较。考虑到circRNA之间相似性和疾病之间相似性仅仅依赖于各自的相关生物数据是不充分的,因此将生物数据与网络拓扑相似性网络相结合。实验结果表明该方法显著提高了 circRNA-疾病关系预测的准确性。（2）提出了基于多数据融合的网络的协同过滤的circRNA-疾病关系预测方法,将其命名为ICFCDA。首先,我们先通过circRNA靶基因的相关基因本体数据、circRNA对应的碱基序列数据和circRNA疾病关联关系来计算circRNA功能注释语义相似性、序列相似性和高斯相互作用谱（Gaussian interaction profile,GIP）核相似性。其次,利用疾病相关基因和circRNA疾病关联关系计算疾病功能相似性和疾病GIP核相似性。此外,我们还将疾病名称转换为对应的疾病本体（Disease Ontology）ID,再根据DOES工具计算疾病语义相似性。第三,将多个疾病相似性和circRNA相似性相结合,整合成最终的疾病相似性矩阵网络和circRNA相似性矩阵网络。最后,采用改进的协同过滤的方法对每circRNA-疾病关联关系进行存在的可能相关性进行评分。实验结果表明,该方法不仅提高了 circRNA与疾病关系的预测效率也提高了预测circRNA与疾病关系的准确性。（3）提出了基于梯度增强决策树的多生物数据融合的circRNA-疾病的关系预测方法,该方法命名为GBDTCDA。首先,采用circRNA相关表达谱数据、基因本体（Gene Ontology）数据和相关碱基序列等多种生物学数据构建circRNA相似网络（CSN）。疾病相关基因本体数据和相关基因数据被采用来构建疾病相似性网络。然后是在构建好的CSN、DSN和circRNA疾病关联网络中来提取统计学的信息特征,CSN和DSN的图论信息特征,circRNA的代表性生物学指标特征,如GC含量和k-mer,以及从circRNA-疾病关联关系网络中提取的隐式向量等特征。用以上的特征来综合表示每对circRNA-疾病关联关系的特征向量。将这些特征向量中的一部分circRNA-疾病关联关系输入来训练模型,其余的数据被当作测试数据。通过对测试数据的预测结果分析,可以发现本方法明显提高了预测circRNA与疾病关系的准确率。