单核苷酸多态性(SNP)是人类基因组中普遍存在的一种分子标记，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。做为一种新的遗传标记，SNP对于疾病的预测、诊断以及治疗能够提供更加可靠的科学依据，因此对其研究具有重要意义。　　 本文的主要工作是研究SNP特征及其致病概率对样本的分类性能。首先，从SNP角度研究了数据集中各SNP特征对样本的分类性能；其次，将SNP致病模型映射为致病概率(致病概率反映了model对样本的致病能力)，从模型角度研究致病概率对样本的分类能力。介绍了MLP、SVM和Bayes三种分类器，将它们用于SNP 特征及致病概率对样本的分类实验中。实验结果表明：致病模型中的SNP特征对样本具有最优的分类性能，由模型映射得到致病概率对样本的分类结果取决于致病概率的计算及分类器的训练。从中我们更可以得出：针对SNP数据的疾病建模，我们应该去寻找真正致病的SNP特征。