长链非编码RNA（lncRNA）中的小开放阅读框（sORFs）能够编码长度不超过100个氨基酸的短肽。针对短肽预测研究中lncRNA中的sORFs特征不鲜明且高可信度数据尚不充分的问题，提出一种基于表示学习的深度森林（DF）模型。首先，使用常规lncRNA特征提取方法对sORFs进行编码；其次，通过自编码器（AE）进行表示学习来获得输入数据的高效表示；最后，训练DF模型实现对lncRNA编码短肽的预测。实验结果表明，该模型在拟南芥数据集上能够达到92.08%的准确率，高于传统机器学习模型、深度学习模型以及组合模型，且具有较好的稳定性；此外，在大豆与玉米数据集上进行的模型测试中，该模型的准确率分别能达到78.16%和74.92%，验证了所提模型良好的泛化能力。

针对单一数据源预测蛋白质功能效果不佳以及蛋白质相互作用网络信息不完全等问题,提出一种多数据源融合和基于双重索引矩阵的随机游走的蛋白质功能预测(MSI-RWDIM)算法。该算法使用了蛋白质序列、基因表达和蛋白质相互作用数据预测蛋白质功能,并根据这些数据源特性构建相应的相互作用加权网络;然后融合各数据源加权网络并结合功能相关性网络构建双重索引矩阵,使用随机游走算法计算得分进而预测蛋白质功能。在酵母数据集的五折交叉验证中,MSI-RWDIM算法具有较高的准确率和较低的覆盖率,还可降低功能标签损失率。研究结果表明,MSI-RWDIM算法的总体性能优于常用的k-近邻、直推式多标签集成分类和快速同步加权方法。

针对多源异构蛋白质相互作用网络信息量大、数据冗余导致预测结果不能充分反映数据分布信息的问题,将功能类别网络和蛋白质相互作用网络相结合,提出基于有向双关系图和多核融合的多标记学习算法。首先,构建基于含有损失函数的目标方程和最大期望算法的自适应模型；然后,利用图优化策略融合功能类别和蛋白质相互作用网络构成的多个关联矩阵；最后,将融合后的关联矩阵代入模型中预测蛋白质功能。在Yeast和Mouse的蛋白质多源异构数据上的实验结果表明,提出的方法具有预测准确率高、标签损失率低等优势。