全基因组关联分析(Genome-wide association study,GWAS)是遗传研究中的重要方法,旨在人类全基因组的范围内,寻找与疾病相关的变异。近些年来在对复杂疾病的研究中取得了广泛的进展,已经成为人类复杂疾病研究中的主要策略之一。荟萃分析是全基因组关联分析中重要的分析方法之一,它是通过收集多个研究的GWAS结果,将这些数据综合进行二次分析,从而实现更大的有效样本量,提高发现新关联的概率,可以解决单个研究样本量太小的问题。荟萃回归(Meta-regression,MR)方法是针对检验基因-环境交互作用的荟萃分析方法,是第一次将荟萃回归技术用于GWAS的基因-环境交互作用分析中。该方法通常分为两步。第一步:根据环境变量的统计分布将每个研究对象分成几组,在每组中估计单核苷酸多态性(Single nucleotide polymorphism,SNP)对复杂疾病或性状的主效应的点估计和对应的方差。第二步:把来自各研究以及各组的结果进行荟萃回归分析,计算出SNP以及SNP-环境交互作用的回归系数和协方差矩阵,从而进一步进行SNP-环境交互的统计检验。研究表明,该方法在存在交互作用时比仅对SNP的主效应进行荟萃分析具有更高的统计力,在存在线性交互作用时它与联合荟萃分析(joint meta-analysis,JMA)方法的统计力相当,在有混淆因素存在的情况下比JMA方法的稳健性更好。目前基于JMA算法的软件已被开发出来,并且应用在SNP-环境交互作用的分析中。但是MR方法尚没有软件实现,这阻碍了该方法在遗传研究中的推广普及以及应用。本课题在Linux操作系统下基于C++语言完成了对MR方法的软件实现。软件具备的基础功能如下:1.根据用户需求读取每个研究的分析结果文件以及每个研究的SNP量指标文件,2.根据缺失率,Hardy Weinberg平衡,最小等位基因频率,最小等位基因个数等质量控制指标对每个结果文件的SNP进行筛选,3.对SNP进行荟萃回归分析,包括交互作用检测,交互作用和主效应联合检测以及主效应检测,最终生成包含SNP基本信息、分析结果数据、样本量信息的分析结果文件。在实现基本功能的同时,该软件的内存损耗极低且具有较高的运行效率。本课题还对所实现的荟萃回归软件进行了广泛的功能测试和性能测试。功能测试主要通过使用测试数据和错误数据、使用不同选项和参数对软件的基本功能模块的中间结果和最终结果进行比对和验证,测试该软件的可靠性,鲁棒性以及可扩展性。性能测试采用了三个研究中的12组共有三千万个左右SNP的GWAS结果数据,对软件的所有功能进行了全面的测试。分析结果进一步与在通用统计计算软件SAS上的计算结果进行了对比验证,测试结果表明了我们的实现是一款高效精准的高性能软件。