全基因组关联分析（GWAS）是人们研究性状、遗传疾病的重要分析方法之一,通过寻找目标基因和特定疾病之间的相关关系从基因位点中找出关联性较强的基因。当前关于基因型的研究,较多论文是通过回归分析或遗传模型的假定。基因位点是多维的,表型数据通常也是多维的。多维表型数据在关系已知模型下,关联求解是可行的,但在现实中,关联的具体模型通常是未知的,研究中将模型假定为线性或其他已知模型,这可能会影响实际拟合效果。在高通量的测序当中,有时无法得到所有具体基因型,通常只能获取基因型概率,因而需要对基因型信息进行填补。本文试图对这些问题进行研究,用非参数的方法建立基因与多维表型的关联模型,并分析基因型不确定的情况。本文的研究顺序如下:第一,多维表型中嵌入基因型待定的数据;第二,通过非参数模型,建立基因与多维表型的关系模型,并对多维表型进行关联;第三,对变换后高维基因位点稀疏性进行讨论,筛去一些不重要的变量;第四,对全文进行了总结和展望,讨论了模型在基因数据上的可实施性。模拟结果表明,非参数模型在多维表型数据中表现良好,关联位点基本显著,准确度符合预期。