在基因关联分析中使用MAX检验来检验关联性是目前比较常用的方法。MAX检验即几个自由度为1的CATT检验的最大值,其中这几个趋势检验是基于常见的基因遗传模型,如显性模型、隐性模型及可加模型。MAX检验不仅对于遗传模型归类错误有很好的稳健性,而且比同样具有稳健性的皮尔逊卡方检验的功效更高。MAX检验的显著性可以通过置换方法或者大样本渐近方法得到。其中置换方法可以达到理想的精度但是需要花费很多计算,而渐近方法虽然速度快却往往不够精确。本文中我们提出了计算MAX检验的精确p值的有效算法MaXact,该算法同置换方法一样可以得到精确的p值,但是却更为快速；该算法的速度可以和正态渐近算法相当,而提供出精确的p值。模拟结果和实际数据的应用结果同时表明,样本量适中的情况下,精确的MAX检验所需要的计算花费与皮尔逊卡发检验或者等位基因检验是相当的,比置换次数为n的置换方法有效n倍。本算法已经做成R软件包MaXact’,可从CRAN获取。在MaXact的基础上,我们进一步构造控制变量,有效地减少了估计多位点p值所需的模拟次数,该方法可应用于全基因组关联分析。