随着全基因组关联研究（GWAS）第一次浪潮的初步告捷，GWAS已广泛应用于人类疾病的遗传机制研究中。然而，GWAS研究的结果却难以完全解释很多复杂疾病的遗传机制，其原因主要在于，复杂疾病一般由多个基因共同作用发生，单个基因的效应微小。针对这一问题，研究基因-基因交互作用就显得至关重要。目前，已有很多基于SNP的基因-基因交互作用挖掘方法，这些方法往往以SNP作为研究的基本单元，通过研究SNP间交互作用，来推测SNP所在基因间是否存在交互作用。然而，基因是功能表达的基本单位，且一个基因中包含多个SNP位点，SNP间存在交互作用，并不能表明SNP所在基因间就一定存在交互作用。为了避免该问题，本文提出了一种基于基因的信息增益方法（简称，gene-based信息增益方法）来挖掘基因-基因交互作用。本文提出的gene-based信息增益方法从整体基因的所有SNP的角度出发，采用病例-对照数据集，利用信息熵、信息增益等基本理论进行设计来检测基因间是否存在交互作用。该方法以整体基因为基本单位，考虑了基因中所有的SNP信息，与基于SNP的基因间交互作用挖掘方法相比，该方法避免了单个SNP信息不足以代表整个基因的问题，更能从生物学的角度解释疾病的遗传机制。为了更好的评估gene-based信息增益方法的性能，本文设计了模拟实验，还采用真实基因数据进行实例验证，并与基于SNP的熵方法以及基于基因的KCCU方法两种基因-基因交互作用挖掘方法进行比较。模拟实验中选用了检验效能和假阳性两个评价指标，观察了检验效能随着OR值、样本量和患病率三个条件分别从小到大逐渐变化而变化的规律，并分析了两基因间不存在交互作用时，该方法的假阳性，即犯第一类错误的概率。实例验证中选用了与类风湿性关节炎疾病相关的PADI6、SERPINA1和VDR三个基因的数据进行验证。无论是模拟实验还是真实基因数据实验，本文提出的gene-based信息增益方法均优于基于SNP的熵方法、基于基因的KCCU方法，验证了该方法的有效性。