Les études multi-omiques intégratives facilitent la détection de variants génétiques communs à plusieurs traits (colocalisation), contribuant ainsi à élucider les mécanismes reliant les traits moléculaires à la maladie. L’analyse de colocalisation est complexe car les traits mesurés chez les mêmes individus suivent souvent des distributions différentes et présentent une dépendance intra-sujet, ce qui limite l’utilisation des méthodes existantes. Nous présentons une approche de régression fonctionnelle multivariée pour l’analyse conjointe des traits moléculaires et des traits liés aux maladies. Des sous-modèles spécifiques à chaque trait prennent en compte des distributions mixtes, et des fonctions d’effet génétique lissées sont estimées le long des loci afin de capturer des effets non linéaires. La colocalisation est évaluée à partir de statistiques basées sur le produit des fonctions d’effet spécifiques aux variants sous une hypothèse nulle composite autorisant au plus un effet non nul par variant. Des études de simulations montrent un contrôle adéquat de l’erreur de type I ainsi qu’une bonne puissance statistique. L’application à l’étude Osteoarthritis Initiative met en évidence des signaux de colocalisation cis-microARN associés à la progression de l’arthrose.