全基因组关联分析(GWAS)是应用基因组中的单核苷酸多态性(SNP)为分子遗传标记,进行全基因组水平上的对照分析或相关分析,是从遗传变异角度研究人类复杂疾病最有效的方法。在全基因组关联分析中,初期研究是直接对于基因进行相关分析来筛选显著的基因位点。为了降低成本提高研究功效,学者们提出了两阶段设计,即在第一阶段筛选出部分候选基因位点,然后在第二阶段只研究第一阶段筛选出的基因位点。但是在两阶段设计分析中,大部分的研究都是在假定遗传模型确定的情况下进行的,并没有考虑遗传模型未知的情况,从而造成统计功效不稳健的表现。基于遗传模型不确定的情况,本文提出针对高维复杂数据的全基因组关联分析的三阶段设计。首先,引入遗传模型的基因线性模型,接着对模型进行变量选择,主要是通过高维变量选择方法SCAD针对大量基因位点进行初步选择,即降维,然后再经过最小二乘回归识别遗传模型,最后通过线性回归得出基因位点的参数估计。计算机模拟结果表明,在遗传模型不确定的情况下,运用本文所提出的全基因组关联分析的三阶段设计比传统的两阶段设计更有效。总体来说,在遗传模型不确定的情况下筛选致病基因,可以使用本文所提出的三阶段设计方法。