单核苷酸多态性(Single Nucleotide Polymorphism,SNP)是指在人类基因组水平上由单个核苷酸变异所引起的DNA序列的多态性。基因组上的SNP位点及其相应的单体型信息已经广泛地应用在疾病易感基因定位和药物基因组学研究中。连锁不平衡的模式在全基因组关联研究中识别常见人类疾病这方面占有非常重要的作用。这些模式在人类染色体中呈现出块状一样的结构,通常具有高度连锁不平衡的区域被称为单体域。一少部分SNP(被我们称之为tag SNP)能够表示每一个单体域中单体型的模式。现有的算法试图将tag SNP的数目最小化,在这个目标的基础上将单体型样本划分为多个单体域。本文的研究工作如下:首先提出了两种动态规划算法并且结合了几种不同的多样性评估函数,用于在限制tag SNP数目的情况下进行单体域的划分。算法在使用相应的循环关系将原始问题划分成性质相同的子问题,同时也给出了两个算法的时间复杂度的推导过程。实验结果表明,该算法对单体型样本进行单体域的划分,得出的单体域和tag SNP的数目较其他方法有所减少。在利用了常见单体型评估函数的非单调性性质之后,我们算法的效果有明显提高。此外,基因数据存在特有的生物特性,计算方法可以利用这些生物特性对缺失的数据进行拟合,使其转化为生物研究所需要的数据。目前,补缺问题主要利用已有单体型数据对样本进行数据补缺。使用分块的方法将块中的数据分成缺失和完整两部分,通过统计块内单体型出现频率,将完整的部分作为参考单体型,来对缺失位点进行补缺。文章详细描述了非参考单体型下的基因型和单体型补缺的思想,通过实验得出了5种不同的策略在单体型缺失数据上的补缺结果,并对实验结果进行了分析和比较,指出了改进的JH方法不过滤掉有缺失的单体型,实验效果有了一定程度的提高。