1.一种环状rna和疾病关联预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的环状rna和疾病关联预测方法，其特征在于，步骤s2所述融合标识符的形成方法为：若疾病或者circrna之间有语义相似度，对其最终的融合数据进行取平均值的运算；若没有，则取高斯交互核相似度来补充不同数据库之间的数据差异，最后将疾病和circrna的融合相似度降维后进行拼接形成最后的融合标识符。
3.根据权利要求1所述的环状rna和疾病关联预测方法，其特征在于，所述疾病语义相似度的具体计算方式为：
4.根据权利要求1所述的环状rna和疾病关联预测方法，其特征在于，所述circrna表达谱相似度的具体计算方式为：将带有表达谱数据的circrna表示为一个32维的特征向量，并使用降序的方法对不同circrna的表达谱数据进行重新排序，使用spearman相关系数得到circrna之间的表达谱相似性。
5.根据权利要求1所述的环状rna和疾病关联预测方法，其特征在于，所述jaccard相似度的具体计算方式为：
6.根据权利要求3所述的环状rna和疾病关联预测方法，其特征在于，所述融合方法的具体实现为：
7.根据权利要求2所述的环状rna和疾病关联预测方法，其特征在于通过aane算法，得到与余弦相似度矩阵差值最小的图嵌入表达矩阵，所得到的图嵌入表达矩阵即为低维特征，所述aane提取低维特征的步骤包括：
8.根据权利要求2所述的环状rna和疾病关联预测方法，其特征在于，所述对模型参数和网络结构进行优化的步骤为：
9.根据权利要求2所述的环状rna和疾病关联预测方法，其特征在于，所述随机森林的生成方法为：
10.根据权利要求1-9任一所述的环状rna和疾病关联预测方法，其特征在于，基于pytorch和python及其辅助库编写。