大多数复杂疾病都与基因相互关联,寻找与疾病相关的易感基因是分析和了解相关疾病可能发病的机理、设计相关疾病的易感基因诊断方法的重要理论基础。全基因组关联研究（Genome-Wide Association Study,GWAS）是一种系统性地搜寻与人类相关疾病易感遗传基因的生命科学研究方法。该方法通过对于人体的全部的基因组的关联分析,可以全面地揭示与疾病的发生、发展与其治疗密切相关的易感基因。传统的全基因组关联遗传学的研究已经成功发现了一些与复杂疾病相关的致病遗传基因和遗传变异,它们只能揭示复杂疾病相关遗传因素的一部分。大部分致病基因的影响力隐藏于基因之间的相互作用,需要更有效的多基因网络分析方法去探索。论文首先从基因数据库Oncomine数据库中下载了肉瘤、淋巴瘤、细胞瘤三种疾病的基因数据;其次提出对不同亚型的基因数据进行数据融合的方法并构建基因相互作用网络;之后根据我们的阶段性显著基因网络算法（Staged Significant Gene Network Algorithm,SSGNA）计算出各基因节点的显著性得分,选取显著性得分排名高的基因作为疾病关键基因集合;然后将设计组合的两阶段基因过滤策略应用到关键基因集合的筛选中,从生物功能富集、蛋白质网络结构核心和基因差异表达分析三个方面过滤出关键核心基因集合;最后以基因生存分析和文献挖掘进一步验证结果的准确性。综上,本文借鉴复杂网络的结构特征属性,建立阶段性显著基因网络算法模型,设计两阶段基因过滤策略,逐步得出疾病关键核心基因集合,由此完成了全基因组关联数据研究。