《精神疾病诊断与统计手册》(DSM)和《国际疾病分类》(ICD)中的精神疾病分类的修订,再次引发了关于诊断界限有效性的争论。随着全基因组关联分析(GWAS)研究的深入,多元关联分析可以为在分子水平上研究多个精神类疾病的公共致病基因提供新思路。目前尚未有精神类疾病的基于基因的公共致病因子的研究。将多元关联分析检测结果与单疾病GWAS研究报告对比,可以为确定精神类疾病诊断界限提供重要证据。多元关联分析中疾病间遗传相关性的选择是一大难点。本文基于躁郁症、重度抑郁症、精神分裂症的3种疾病GWAS数据,将多元关联分析模型MGAS分别应用于混合线性模型和LD hub模型提供的遗传相关性数据,检测得到两组与3种疾病相关的基因。结果显示,对于混合线性模型和LD hub模型提供的遗传相关性数据,两者的多元关联分析结果有较强的一致性。因此作为一种替代策略,在由原始数据计算表型相关性困难的情况下,LD hub模型得到的遗传相关性可以应用于更多类的疾病的多元关联分析。此外,本文提出一种新的多元关联分析的数据处理方法,以填充位点统计关联测试P值的方式增加输入位点数,并以此方法对躁郁症、重度抑郁症、精神分裂症、注意缺陷多动障碍、自闭症谱系障碍这5种精神疾病进行多元关联分析。结果检测到444个基因超过全基因组显著性阈值,26个基因处于P<10-7的顶部区域。与先前GWAS分析报告以及这5种精神疾病的多元关联分析研究报告对比,本文检测出更多的公共致病基因而且结果具有可靠性。