全基因组关联分析是在不作任何生物功能的前提假设下，对全基因组水平上的几百万个遗传变异进行无偏倚的全面筛查，寻找出与复杂疾病的某些性状相关的多个基因组合，并阐明它们之间的交互作用。这是研究复杂疾病的遗传机制的关键方法。然而存在的方法基本只是孤立地研究预先指定的单个基因或单体型与性状的关系，并不能有效地分析包括遗传因素间多种形式的交互作用在内的复杂疾病遗传机制。本项目在具有范式 "large p, small n" 的高维数据中，提出了一种新的变量选择方法以及对应的算法，并通过研究变量选择方法的"oracle"性质与对应算法的收敛性以及收敛速度，提供在理论上的可行的依据，从而有望解决全基因组关联分析面临的部分挑战，为寻找与疾病相关多靶点、识别对疾病有鉴别力的分子特征组合提供了一种新的途径。这使我们能够从分子水平探索疾病的发病机理，为疾病预测和发现有效的诊断、治疗途径提供了一个全局化新视角。