Linkage genome scans for genetically complex diseases have low power with the sample sizes that were often used in the past, and hence meta-analysis of several scans for the same disease might be a promising approach. Appropriate data are now becoming accessible as many groups worldwide investigate common diseases. The aim of this thesis is to extend and evaluate statistical methodology for meta-analysis. In addition, two meta-analyses of linkage genome scans for the complex phenotypes asthma and adult stature are performed and discussed. In the first part of this thesis, an overview of available statistical methods and current applications is given. A new meta-analysis method is introduced which is based on a weighted combination of non-parametric linkage scores. Its relationship to traditional fixed effects meta-analysis of combining parameter estimates from different studies weighted by the inverse of their respective variances is described. Recombination and low informativity of markers lead to a reduction of the effective sample size in multipoint linkage analysis. A locus specific weighting of individual studies with this effective sample size is therefore proposed. In a simulation study, the power of different methods to combine multipoint linkage scores, namely Fisher’s p-value combination (Fisher 1932), the truncated product method (Zaykin et al. 2002, a variant of Fisher's method), the Genome Search Meta-Analysis (GSMA, Wise et al. 1999) method and the proposed weighting methods were compared. In particular, the effects of different genetic marker sets and sample sizes between genome scans were investigated. The weighting methods explicitly take those differences into account and have higher power in the simulated scenarios than the other methods. The proposed meta-analysis method was applied to four linkage genome scans for the phenotype asthma and five studies of a candidate genetic region. Multipoint nonparametric linkage analysis is performed and different weighting schemes are used to combine the score statistics of individual studies to an overall statistic. For comparison, the GSMA method is also applied to the same data sets. For meta-analysis of linkage studies, a common map of genetic markers is necessary to align results obtained in different studies with different markers. In this meta-analysis, the effects of map uncertainties were evaluated. The latest versions of available combined physical and linkage maps are very precise and the small potential map errors that are left do not have relevant impact. This meta-analysis of nine asthma linkage studies does not identify significant regions of genetic linkage to asthma. A still rather small size of the combined samples may be the reason for low power to identify susceptibility genes for the complex trait asthma. The statistical methods that can be applied for a meta-analysis of linkage studies depend crucially on the available data, especially any additional information besides the usually reported linkage statistics. For the meta-analysis of linkage genome scans for the highly heritable trait adult height, only LOD scores from variance components linkage analysis, which are measures of significance and not effect estimates, could be obtained. Thus, Fisher’s method and a weighted and unweighted variant of the inverse normal method were applied. Initially, a linkage genome scan for this quantitative trait was performed in the extended pedigrees of the Framingham Heart Study. A variance components linkage analysis in this sample unselected for height gave evidence for linkage in several regions. All markers showing a LOD score greater than 1 in this analysis correspond to previously reported linkage regions, including chromosome 6q with a maximum LOD score of 2.45 and chromosomes 9, 12, 14, 18 and 22. Following this observation, a meta-analysis of all previously published genome scans for adult stature was planned. Genome scan results of 17 separate samples reported in seven publications and comprising more than 14000 phenotyped and genotyped individuals could be obtained in sufficient detail to be included in the meta-analysis. The comparison of meta-analysis results with individual studies shows that only a formal meta-analysis can exactly quantify the combined evidence for linkage and is superior to an informal classification of results as replication or non-replication. Significant linkage of stature is observed on chromosomes 6, 7, 9 and 12 (LOD scores >4) and suggestive linkage with LOD scores >2 is obtained in six additional genetic regions. This is well compatible with the concept of height as a mostly polygenic trait for which also some major genes exist. Candidate genes in the linkage regions are discussed. Kopplungsgenomscans für genetisch komplexe Krankheiten haben mit den bislang üblichen Fallzahlen oft nur eine geringe statistische Power, daher sind Meta-Analysen von mehreren Genomscans für die gleiche Krankheit ein erfolgversprechender Ansatz. Passende Datensätze werden zunehmend verfügbar, da weltweit viele Gruppen genetische Studien zu den häufigsten Krankheiten durchführen. Ziel dieser Arbeit ist es, statistische Methoden der Meta-Analyse weiter zu entwickeln und zu evaluieren. Weiterhin werden zwei Meta-Analysen von Genomscans für komplexe Phänotypen, Asthma und Körpergröße, durchgeführt. Im ersten Teil dieser Dissertation wird ein Überblick über aktuelle Anwendungen und bisherige statistische Methoden gegeben. Eine neue Methode für Meta-Analysen von genetischen Kopplungsgenomscans, die auf einer gewichteten Kombination von nicht-parametrischen Kopplungsstatistiken basiert, wird vorgestellt. Ihr Zusammenhang mit herkömmlicher „fixed-effects“ Meta-Analyse für Parameterschätzer wird erläutert. In einer Simulationsstudie wurde die statistische Power verschiedener Meta-Analyse Methoden für multipoint Kopplungsergebnisse verglichen. Dabei wurden die Methode nach Fisher zur Kombination von p-Werten (Fisher 1932), die „truncated product method“ (Zaykin et al. 2002, eine Variante von Fishers Methode), die Genome Search Meta-Analysis Methode (GSMA, Wise et al. 1999) und die vorgeschlagenen Gewichtungsmethoden angewandt. Insbesondere wurden die Einflüsse unterschiedlicher genetischer Marker und Fallzahlen zwischen Genomscans untersucht. Die Gewichtungsmethoden berücksichtigen diese Unterschiede explizit und haben eine höhere statistische Power in den untersuchten Szenarien als die anderen Methoden. Die vorgeschlagene Meta-Analyse Methode wurde auf vier Kopplungsscans und fünf Studien einer Kandidatengenregion für den Phänotyp Asthma angewandt. Zunächst wurden nicht-parametrische multipoint Kopplungsanalysen der Einzelstudien durchgeführt und die Einzel-Teststatistiken dann mit verschiedenen Gewichtungsmethoden zu einer Gesamtstatistik zusammengefasst. Für eine Meta-Analyse von Kopplungsstudien benötigt man die relative genetische Position aller in den verschiedenen Studien verwendeten Marker zueinander. Die Bedeutung von Ungenauigkeiten der genetischen Karte wurde daher in dieser Studie untersucht. Die neuesten Versionen der zur Verfügung stehenden kombinierten physikalischen und genetischen Karten sind sehr präzise und die möglicherweise noch enthaltenen geringen Fehler haben keinen relevanten Einfluss auf eine Meta-Analyse. Die Meta-Analyse der neun Asthma-Studien ergab keine signifikanten Hinweise auf Kopplung. Die relativ geringe Gesamtstichprobengröße ist ein möglicher Grund für geringe statistische Power zur Identifikation von Suszeptibilitätsgenen für die genetisch komplexe Krankheit Asthma. Welche statistischen Methoden für eine Meta-Analyse verwendet werden können, hängt stark von den zur Verfügung stehenden Daten ab, insbesondere welche weiteren Informationen neben den üblicherweise berichteten Teststatistiken vorhanden sind. Für die Meta-Analyse von Kopplungsgenomscans des Phänotyps Körpergröße standen nur LOD scores aus Varianzkomponentenanalysen zur Verfügung, welche Signifikanzmaße, nicht aber Effektstärkenschätzer sind. Daher wurden die Methode nach Fisher und eine gewichtete sowie ungewichtete Variante der Inversen-Normalverteilungsmethode angewandt. Zunächst wurde ein Kopplungsgenomscan dieses quantitativen Merkmals in den erweiterten Stammbäumen der Framingham Heart Study durchgeführt. Eine Kopplungsanalyse mit Varianzkomponentenverfahren ergab in dieser für Körpergröße nicht speziell ausgewählten Stichprobe Kopplung zu mehreren genetischen Regionen. Alle Marker, die in dieser Auswertung einen LOD score (Kopplungsteststatistik) größer als 1 zeigen entsprechen schon früher berichteten Kopplungsregionen, darunter Chromosom 6q mit einem maximalen LOD score von 2,45 und Regionen auf den Chromsomen 9, 12, 14, 18 und 22. Auf Grund dieser Beobachtung wurde eine Meta-Analyse aller publizierten Genomscans für Körpergröße geplant. Die Ergebnisse von 17 Stichproben (aus sieben Veröffentlichungen) mit insgesamt mehr als 14000 phänotypisierten und genotypisierten Personen konnten in die Meta-Analyse einbezogen werden. Der Vergleich der Ergebnisse der Meta-Analyse mit denen der Einzelstudien zeigt, dass nur eine formale Meta-Analyse die Hinweise auf Kopplung genau quantifizieren kann und einer ungenauen Einteilung der Ergebnisse im Sinne einer Replikation oder Nicht-Replikation vorzuziehen ist. Signifikante Kopplung von Körpergröße ergibt sich zu den Chromosomen 6, 7, 9 und 12 (mit Gesamt-LOD scores >4) und Hinweise auf Kopplung mit LOD scores >2 finden sich in sechs weiteren genetischen Regionen. Schließlich werden Kandidatengene in den Kopplungsregionen diskutiert.