人类的复杂疾病或者常见疾病通常是由常见变异和罕见变异共同作用的,近年来,全基因组关联分析(GWAS)在识别与复杂疾病相关联的常见变异方面取得了很大成功,但是越来越多的研究表明,常见变异只能解释疾病很小的一部分遗传信息,更多的复杂疾病都与罕见变异存在着很强的相关性,而全基因组关联分析在研究罕见变异方面面临着很大的挑战,并且已有的方法大多数都是检验常见变异与复杂疾病的关联性,所以如何提出一种高效检测罕见变异的方法是当今社会研究的热点。由于关联分析是找到引起复杂疾病的基因位置的有效方法,并且单倍型由于含有更多的连锁不平衡信息,所以与其他方法相比,在现有的检验罕见变异的方法中,基于单倍型的关联分析被认为拥有突出的优势。本文首先介绍了几种基于单倍型的关联分析方法,然后,我们介绍了一种基于单倍型的罕见变异非参数方法,提出了一个新的统计量,由于在罕见变异的条件下,统计量的渐近分布不容易得到,所以本文通过置换检验模拟出了该方法的渐近分布,同时克服了检测位点过少、自由度过大、参数过多等普遍存在的问题。从模拟结果来看,在给定的显著性水平下,本文提出方法的第一类错误是合理的;将我们的方法和HKAT、Wei-SIMc、SKAT、SKAT-O等几个常见的罕见变异方法相比较,另外,我们还将本文提出的方法应用到了WTCCC提供的高血压数据集,分析了基因ZFAT1与高血压的相关性,结果都表明,当检测罕见变异与疾病的关联作用时,我们提出的方法优于HKAT、Wei-SIMc-matching、SKAT、SKAT-O等方法。因此,不管是考虑方法的功效,还是考虑方法的稳健性和计算的可行性方面,我们都推荐使用本文提出的方法RV-EGS来检测罕见变异与疾病的关联作用。