多数动植物重要经济性状是遗传率较低的数量性状，其遗传分析精度较低。为提高其精度，植物遗传工作者一直在探索。在玉米、棉花和黄瓜等株型较大植物的QTL定位研究中，常常采用F2：3设计，即将F2单株衍生的F2：3家系平均数作为F2单株的遗传型值进行遗传分析，以减少试验误差，提高试验精度。早期的F2：3设计忽略了异质家系的混合分布，只是将F2：3家系平均数作为F2个体的遗传型值，套用F2模型进行分析。Zhang& Xu(2004)研究表明，这一忽视会显著降低QTL检测功效。这一结果还被Hu(2006)等从胚乳性状角度和Zhu(2007)等从抗性性状角度加以证实。因此，利用QTL异质F2：3家系内的混合分布是十分必要的。就F2：3设计的进展来说，目前的F2：3设计的QTL定位基本上局限于单QTL分析，虽然Zhang等(2004)提出了F2：3设计的多QTL的Bayesian压缩估计分析方法，但未作细致的模拟研究，也无实际资料的应用研究；至于上位性检测，还未见报道。 为了更好的指导遗传分析实践，有必要发展F2：3设计的多QTL定位方法。本研究基于F2：3设计目前存在的问题，应用Bayesian压缩估计方法，提出解决方案，并将其拓展到上位性检测。其研究内容和结果如下： 1) F2：3设计全基因组标记的Bayesian分析。考虑异质F2：3家系的混合分布能提高QTL检测功效和作图精度；同时，用多QTL模型检测QTL会提高QTL检测的功效。因而，在利用QTL异质F2：3家系内混合分布基础上，提出了F2：3设计全基因组标记联合分析的Bayesian压缩估计方法。Monte Carlo模拟研究表明：该新方法优于传统的F2设计和区间作图(IM)法；随着F2：3家系数或家系内植株数的增加，QTL检测功效将显著提高，QTL位置、效应的估计值越来越精确，误差方差估计值标准差越来越小。此外，还比较了QTL效应抽样的两种策略。在新策略中，新抽样得到的QTL效应不是立即被接受，而是经过比较确定是否接受。结果表明：新策略能显著提高QTL检测的功效。 2) F2：3设计全基因组多QTL的Bayesian分析。与F2：3设计全基因组标记的Bayesian分析相比，QTL位置估计的引入将进一步完善了多标记联合分析，克服当QTL远离标记而造成定位精度不高的弊端。由此，有必要提出多QTL的Bayesian分析方法。Monte Carlo模拟研究表明：随着F2：3家系数或家系内植株数的增加，利用多QTL的Bayesian分析方法可显著提高QTL定位精度。在抽样策略的模拟研究中，在F2：3家系数和每家系内植株数乘积固定情况下，可通过适当提高F2：3家系数，减少家系内植株数，来提高定位精度，即家系数比家系内植株数提供更多的信息。 若F2单株数量性状观测值及衍生的F2：3家系平均数均已获得，F2+F2：3联合分析优于单一的F2分析或F2：3分析。 3) F2：3设计全基因组标记间上位性检测的Bayesian分析。若模型中QTL之间存在两两互作，Bayesian压缩估计方法能检测QTL间的互作。Monte Carlo模拟研究证明，随着F2：3家系数的增加，QTL检测功效越来越高，QTL位置及效应估计值越来越接近真值，误差方差也越来越准确；随着家系内植株数的增加，表现出同样的变化趋势。在抽样方案的研究中，在F2：3家系数和家系内植株数乘积固定情况下，发现家系数对QTL定位结果的影响要高于家系内植株数。