数量性状基因座(QTL)定位是现代数量遗传学研究的主要手段。传统的QTL定位主要是基于常规的分子标记遗传图谱。常规遗传图谱的分子标记密度不高,相邻标记间通常都存在空白区,因而必须根据两侧标记,通过连锁分析对空白区进行QTL检测。传统的QTL区间作图或复合区间作图方法都是基于这一原理。近10多年来,由于高通量测序技术的发展,利用高通量测序已经在不少物种中构建出高密度或超高密度的遗传图谱。高密度遗传图谱已经基本没有空白区,这意味着没有必要使用双侧标记进行QTL定位,而是可以通过直接检验各个标记来定位QTL。因此,针对常规遗传图谱的QTL定位方法不能有效地利用高密度图谱提供的信息,有必要专门开发适用于高密度图谱的QTL定位方法。高通量测序技术对QTL定位研究带来的另一个重要发展就是基于自然群体的全基因组关联分析(GWAS),目前已成为QTL定位的一种常用方法。然而,GWAS的灵敏度和精确度有赖于大样本。目前,虽然高通量测序成本已大幅度降低,但进行大样本重测序对普通研究者来说仍然是一笔巨大的费用。因此,如何在不增加重测序费用的条件下有效提高GWAS的灵敏度和精确度是一个亟待解决的问题。针对上述问题,本研究发展了一个适用于高密度遗传图谱QTL定位的统计分析方法,称为复合标记检验方法(CMT);同时,提出了一种GWAS试验设计,称为群体随机交配放大(PARC)设计。主要结果如下:一、复合标记检验方法(CMT)1、建立了针对DH和永久F2群体的CMT方法。其基本原理是:根据加性-显性遗传模型,通过最小二乘法回归分析和似然比检验,对基因组中每一个标记进行检测。模型中同时包含多个标记作为余因子,控制遗传背景变异。通过全基因组扫描,根据LOD值高峰确定QTL的位置。2、建立了通过逐步回归,根据回归方程F统计量选择CMT余因子的方法。如何合理地选择余因子,一直是QTL定位中没有很好解决的问题。本研究发现回归方程F统计量存在一个最大值,并且F达到最大值时的回归模型通常最合适,因此将F值最大时模型所包含的自变量选为余因子。模拟研究表明,该方法选择出的余因子个数最佳,既保证回归方程有足够大的自由度,又能很好地控制背景噪音,从而提高了QTL定位的效率和精度。3、建立了通过少量排列测验,外推估计CMT方法所需的LOD阈值的方法。排列测验法是目前认为确定QTL显著阈值最合理的方法,但计算量大,通常至少需要进行1000次。高密度遗传图谱由于标记数量多,用排列测验估计LOD阈值非常消耗计算资源,实践中难以实施。为解决这个问题,本研究发明了一种方法,只需进行少量(10-20次)排列测验,然后通过基因组分块和随机组装,得到不同基因组长度的5%显著阈值,进一步通过曲线回归找到阈值与基因组长度的函数关系,再根据函数外推,近似估计出所分析基因组的LOD阈值。4、通过模拟例子和实际例子,对CMT的可行性和有效性进行了研究,并与两种传统的QTL定位方法(复合区间作图法和完备复合区间作图法)进行了比较。结果显示,CMT是一种有效的QTL定位方法,对于高密度遗传图谱的QTL分析效果要优于传统的QTL定位方法,可以有效提高定位的准确性和功效。二、群体随机交配放大(PARC)设计PARC设计是针对纯系组成的自然群体的GWAS而提出的。其基本思想是,在一个由纯系组成的用于GWAS的基础群体中,将纯系进行随机交配,产生一个由许多杂种系组成的群体。每个杂种系的基因型可以根据其纯系双亲基因型推知,因此无需进行重测序。对杂种系群体,只需进行目标性状的表型鉴定,就可以进行GWAS分析了。对于一个含n个纯系的基础群体,其杂种系数量最多可以达到n(n-1)/2个,是基础群体的(n-1)/2倍。因此,PARC设计可以用很少的重测序花费获得很大的群体进行GWAS分析。我们利用来自水稻的SNP基因型数据进行模拟研究,结果证明了PARC设计的可行性和有效性,可以大幅度提高GWAS的QTL定位功效和精度,是一种非常实用的试验设计。