1.一种预测疾病与LncRNA关联关系的方法，其特征在于，包括以下步骤：S1：从已知数据库获取LncRNA-miRNA关联关系和miRNA-疾病关联关系，根据二者构建LncRNA-miRNA-疾病相互作用网络；

S2：基于所述LncRNA-miRNA-疾病相互作用网络，构建疾病超级表达谱和LncRNA的超级表达谱；

S3：根据所述疾病超级表达谱和LncRNA的超级表达谱，采用基于RBF神经网络的LncRNA相似性计算和疾病相似性计算，训练疾病与LncRNA关联关系的预测模型；

S6：使用预测模型对候选样本的LncRNA-疾病关联对进行预测。

2.根据权利要求1所述的预测疾病与LncRNA关联关系的方法，其特征在于，所述步骤S3完成后，步骤S6进行之前，所述方法还包括：S4：使用已知的LncRNA-疾病关联对作为验证集对预测模型进行验证；

S5：根据验证的结果调整预测模型的参数，优化所述预测模型。

3.根据权利要求1或2所述的预测疾病与LncRNA关联关系的方法，其特征在于，所述步骤S1，包括以下步骤：S11：从已知数据库获取LncRNA-miRNA关联关系数据集，获取LncRNA-miRNA相互作用对；

S12：从已知数据库获取miRNA-疾病关联关系数据集，获取miRNA-疾病相互作用对；

S13：根据LncRNA-miRNA相互作用对构造LncRNA-miRNA关联关系的网络；

S14：根据miRNA-疾病相互作用对构造miRNA-疾病关联关系的网络；

S15：基于上述构建的LncRNA-miRNA关联关系的网络和miRNA-疾病关联关系的网络，构建LncRNA-miRNA-疾病相互作用网络。

4.根据权利要求3所述的预测疾病与LncRNA关联关系的方法，其特征在于，所述步骤S2，包括以下步骤：S21：根据LncRNA-miRNA关联关系的网络和miRNA-疾病关联关系的网络，构造LncRNA-miRNA邻接矩阵与miRNA-疾病邻接矩阵；

S22：基于LncRNA-miRNA-疾病相互作用网络，建立疾病的超级表达谱矩阵和LncRNA的超级表达谱矩阵。

5.根据权利要求4所述的预测疾病与LncRNA关联关系的方法，其特征在于，所述步骤S3，包括以下步骤：S31：根据LncRNA的超级表达谱矩阵，采用基于RBF神经网络算法计算LncRNA相似性；

S32：根据疾病的超级表达谱矩阵，采用基于RBF神经网络算法计算疾病相似性；

S33：基于LncRNA相似性、疾病相似性以及LncRNA-miRNA邻接矩阵与miRNA-疾病邻接矩阵来计算LncRNA-疾病关联对的关联程度，得到疾病与LncRNA关联关系的预测模型。

6.根据权利要求5所述的预测疾病与LncRNA关联关系的方法，其特征在于，所述步骤S4，包括以下步骤：S41：将每个已知的LncRNA-疾病关联对依次作为验证集，所有其他已知的LncRNA-疾病关联对作为训练样本；将所有没有确定的实验支持的LncRNA-疾病关联对组成候选样本，使用预测模型测得每个验证集相对于候选样本的排名，如果预测模型对验证集预测的排名高于事先给定的阈值，则判定为一个成功的预测。

7.根据权利要求6所述的预测疾病与LncRNA关联关系的方法，其特征在于，所述步骤S5，包括以下步骤：S51：通过调整阈值，绘制TPR和FPR的不同阈值的ROC曲线，计算ROC曲线的AUC；其中，TPR是预测验证样本的排名高于给定阈值的百分比，而FPR是排名低于给定阈值的验证样本的百分比；

S52：通过调整步骤S3中的计算的参数，根据预测模型获得的AUC值的大小，优化所述预测模型。

8.一种预测疾病与LncRNA关联关系的系统，其特征在于，包括：网络构建单元，用于从已知数据库获取LncRNA-miRNA关联关系和miRNA-疾病关联关系，根据二者构建LncRNA-miRNA-疾病相互作用网络；

表达谱构建单元，用于基于所述LncRNA-miRNA-疾病相互作用网络，构建疾病超级表达谱和LncRNA的超级表达谱；

模型构建单元，用于根据所述疾病超级表达谱和LncRNA的超级表达谱，采用基于RBF神经网络的LncRNA相似性计算和疾病相似性计算，训练疾病与LncRNA关联关系的预测模型；

预测单元，用于使用预测模型对候选样本的LncRNA-疾病关联对进行预测。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一所述方法的步骤。