目的：通过对SNPs数据展开标签SNP位点的筛选以及缺失值填补的影响因素与填补效果的研究，为SNPs模拟数据在科研工作中的应用提供方法学支持的同时，也为利用SNPs数据进行基因与疾病的关联研究提供科学依据。　　方法：以人类基因组单体型图(HapMap)计划中的数据为原始数据，运用Haploview软件筛选标签SNP，再利用Hapgen2软件依据原始数据生成SNPs基因型模拟数据，人为产生缺失数据并进行缺失值的填补，分析不同条件(4个水平的缺失比例、4个水平的参考数据样本量和2种缺失模式)的填补错误率。　　结果：3个人群(北京汉族人群、东京日本人群与来自欧洲北部和西部的犹他州人群)22号染色体标签SNP的筛选结果均表现出随r2值(即最小连锁不平衡相关程度，值越大表位点间的关联性越强)增大所筛选的标签SNP的数量及其百分比例呈现出逐渐增多的趋势，当固定r2值来筛选标签SNP时，犹他州人群会有更多的标签SNP被筛选出来：以犹他州人群HapMap2号染色体前10000个SNPs为原始数据所生成的模拟数据，其连锁不平衡情况有着与真实数据相似的性质：SNPs数据缺失值的填补表现为缺失比例越小，参考数据样本量越大填补的错误率越低，两种缺失模式在缺失比例较大时使用随机位点对数据填补有着较低的填补错误率，而当缺失比例较小时使用标签SNPs对数据进行填补(即固定位点缺失模式)的错误率较低，在所设置的各种条件下IMPUTE2的填补错误率在3％～13％之间，与其他一些相关研究相符。　　结论：较大的样本量或较多的位点个数会有更多的标签SNP被筛选出来；缺失比例、参考数据样本量以及缺失模式对缺失数据填补的准确性有一定影响；使用模拟数据进行研究的方式在完善实验设计、寻找疾病危险等位基因方面将有着广阔的应用前景，从目标基因区域内检测可以接受的一定数量的标签SNPs位点后进行缺失值填补，再用填补数据进行进一步分析是一种有效的策略。但填补错误率究竟小于何值为好尚未见相关研究的报道，该问题还有待于深入探讨。