GWAS分析，全稱全基因組關聯分析，是一種研究表型（關注的性狀）與基因型（遺傳變異，如單核苷酸多態性SNP）之間關係的方法，目的是找到影響表型差異的遺傳因素。
GWAS分析的過程包括數據過濾、統計模型套用和結果解讀。數據過濾是為了提高分析的準確性和可靠性，例如通過過濾掉缺失率高的SNP、不符合哈迪-溫伯格平衡的位點、次等位基因頻率過低的位點等。在統計模型方面，分類性狀（如抗病性、顏色）和連續性狀（如株高、體重）分別採用不同的模型進行分析，如logistic回歸模型和GLM（一般線性模型）、MLM（混合線性模型）等。GWAS分析不僅適用於人類疾病的研究，也可用於動植物品種的遺傳改良。
此外，GWAS的局限性包括難以區分因果變異和非因果變異、對樣本量和統計力量的需求高等，因此常與其他技術如TWAS（全轉錄組關聯分析）結合使用，以深入研究基因調控機制和疾病易感基因。