本发明提供一种基于k‑tree优化贝叶斯网络的上位性位点挖掘方法。均匀抽样蒲公英代码，得到每个节点的邻居节点集合，构建对应的特征树结构；利用与k‑clique中节点进行合并组成新节点的方法，构建得到包括大规模SNP位点和表型性状节点的Rényi k‑tree，得到相应的k‑tree；利用基于度选择的树分解算法将k‑tree对应的图分解为不同的k‑clique；利用优化马尔科夫毯的Fast‑IAMB算法获取不同节点的马尔可夫毯，学习得到不同k‑clique对应的子贝叶斯网络结构；合并子网络得到整体网络结构。重复以上步骤，得到包括SNP位点和表型性状节点的网络结构，进而得到影响表型性状的上位性位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，为不同物种复杂数量性状的遗传基础解析提供借鉴。