长链非编码RNA　(Long　non-coding　RNAs,　lncRNAs)是细胞增殖和死亡的重要调控因子，它的失调可能会导致多种疾病发生。LncRNAs主要是通过与蛋白质相互作用(lncRNA-protein　interactions,　lncRPIs)来发挥生物学功能。因此，研究lncRPIs对了解lncRNAs的功能及相关疾病至关重要。目前，多数计算方法依赖于已知的验证过的lncRPIs构建模型，但经过实验验证的样本是有限的。MiRNAs主要是与mRNAs结合导致基因沉默，而lncRNAs可作为竞争性内源性RNA，竞争性的结合miRNAs来间接地调节基因表达。本文提出LPI-MAM方法，使用miRNAs作为中间体来扩大lncRPIs的预测范围。该方法将序列、结构和组成转换分布特征融合，输入卷积神经网络和独立循环神经网络的集成深度学习框架中。结果表明，LPI-MAM在基准数据集上取得了良好的性能。并且通过构建可视化交互网络发现该模型具有预测未知lncRPIs的能力。