本文的动机是比较从高吞吐量Omics技术产生的高维数据集推断出的遗传网络。目的是测试两个推断的高斯图形模型之间观察到的差异是来自实际差异还是来自估计不确定性。采用邻域方法，我们考虑了一个随机设计的两样本线性回归模型，并提出了一个程序来测试这两个回归是否相同。依靠多种测试和变量选择策略，我们开发了一种适用于高维设置的测试程序，其中协变量$p$的数量大于两个样本的观测值$n_{1}$和$n_{2}$的数量。第一类和第二类误差都从非渐近的角度得到了显式控制，证明了该检验对稀疏性具有极大极小自适应性。根据模拟数据评估了试验性能。此外，我们还说明了如何使用该程序来比较Hess上的遗传网络等。乳腺癌微阵列数据集。