研究表明,每种非编码RNA(ncRNA)不仅可以通过其靶基因起作用,而且可以彼此相互作用以作用影响于生物学性状,并且这种相互作用更常见。许多研究主要集中在微小RNA(miRNA)和信使RNA(mRNA)相互作用的分析上。本研究中,提出了两个独立的模型来分析和预测lncRNA基因调控关系。第一个模型基于传统支持向量回归(SVR),第二类模型基于深度集成学习。在第一个模型中,使用SVR研究了拟南芥miRNA和长非编码RNA(lncRNA)相互作用,模型可以识别出新的相互作用并分析在胁迫响应下的调节作用。构建并分析了miRNAmRNA,miRNA-lncRNA和miRNA-mRNA-lncRNA的互作网络。我们发现具有低序列号的miRNA,具有高序列号的靶向lncRNA和具有高序列号的miRNA靶向具有低序列号的lncRNA。实验结果表明miRNA-lncRNA之间存在调节关系。使用具有新基因表达机制的SVR预测新RNA靶标,并标注了胁迫响应相关功能。在第二个模型中,我们使用长短期记忆自动编码器(LSTM-AE)在相同的数据集上研究了miRNA-lncRNA序列的相互作用。实验结果表明,方法LSTM-AE比基于SVR的模型具有更好的性能,准确度分别为99.87%和97.13%。这些模型可以准确地预测miRNA-lncRNA相互作用,并为未来基因组研究奠定了基础。将集成学习应用于生物学研究,考虑到RNA序列的多样性,该方法对于异质数据具有较好的效果,为相关研究提供了借鉴作用。