最近几年的时间里,生物统计学家对基因-环境(G-E)之间的交互作用越来越感兴趣,尤其是在全基因组关联分析研究中,协变量p的个数要远远大于样本量n的个数,这给统计分析增加了困难,许多生物统计学家致力于这方面的研究。虽然已有很多传统的方法存在,但是如果在模型中加上数以万计的基因-环境(G-E)交互作用后还想要选择有效的协变量并且构建一个合适的模型仍然是一个非常有挑战性的任务。在带有交互作用的线性回归模型中,我们用低秩矩阵的方法得到交互作用的系数矩阵简单参数化后的简化模型。基于该低秩线性模型,我们引入贝叶斯变量选择方法来识别主效应和基因-基因(G-G)、基因-环境(G-E)之间的交互作用。在本篇论文中我们首先给出主效应和简单参数化后的交互作用的钉板(Spike and Slab)先验,接下来我们通过Gibbs抽样得到最大后验概率,当后验概率大于一个临界值时我们认为该协变量是有效的协变量,否则它是无效的,选出有效协变量之后我们得到最终的模型。模拟研究和实际数据分析都表明本文所提出的方法对带有基因-基因(G-G)交互作用和基因环境(G-E)交互作用的线性模型做变量选择是有优势的。