越来越多的研究证实，人类疾病的发生发展与基因、非编码RNA密切相关。基因、非编码RNA的突变和表达异常往往会导致疾病的产生。因此，研究疾病与基因、非编码RNA的关系，有助于更全面地理解疾病的发病机理，为疾病的诊断和治疗提供实验基础和理论依据。目前，药物重定位方法在发现治疗疾病的新药物中起到了关键作用，通过挖掘已有药物的新适应症，可以缩短药物研发周期、降低风险和费用。本报告研究如何利用机器学习方法解决疾病的研究中的关系预测问题，并探讨了随机游走模型、矩阵分解、多标签学习及PU（基于正样本和无标记样本）学习方法在相关预测中的应用。