生长性状是肉兔生产中的重要经济性状之一,全基因组关联分析（Genome-wide association studies,GWAS）已成功鉴定了显著影响肉兔单一日龄体重的遗传标记和候选基因。然而,生长性状是典型的时间面板数据,了解肉兔生长遗传结构不能仅局限于某一特定年龄体重,而应全面地通过拟合生长曲线来了解整个生长过程。本试验收集401只康大兔与加利福利亚兔杂交后代35、42、49、56、63、70和84日龄7个时间点的体重,利用87704个全基因组单核苷酸多态性（Single nucleotide polymorphism,SNP）标记,基于单步非线性混合模型（single-step nonlinear mixed model,NMM）,同时实现个体生长曲线的拟合和SNP效应的估计,从而筛选出显著影响个体生长曲线参数A（成熟体重）和参数K（生长速度）的SNP标记和候选基因。在此基础上,利用基因组最佳线性无偏预测（Genomic best linear unbiased prediction,GBLUP）和加权基因组最佳线性无偏预测（Weighted genomic best linear unbiased prediction,w GBLUP）方法比较了84日龄体重基因组育种值（genomic estimated breeding values,GEBV）估计的准确性。主要研究结果如下:1、首先选择了Logistic、Gompertz、Brody、Von Bertalanffy和Richards 5种常见的非线性生长曲线模型,对401只（公兔215只,母兔186只）杂交肉兔7个时间点体重进行拟合,基于ACI和BIC值筛选最优拟合模型。结果发现,除Richards模型不收敛外,Logistic在四个成功拟合模型中的AIC（35667.62）和BIC（35697.32）最小,因此选择Logistic为最佳拟合模型用于后续分析。在整个群体中,Logistic模型参数A的估计值为2615.45,参数K的估计值为0.054,A和K的遗传相关为-0.737。2、随后利用单步NMM方法,基于Logistic模型对401个个体和87704个SNPs,同时拟合个体的生长曲线和估计每个SNP的遗传效应。结果发现45个同时显著影响参数A和参数K的SNPs,共分布于2、4、9、11和19号5条染色体上。其中,40个SNPs位于基因间区域,4个位于内含子中,1个位于3’-UTR;共注释到19个蛋白编码基因和12个lnc RNA中。基于GO terms和KEGG的功能富集分析,共富集到19个与生物学过程相关GO条目,其中13个GO条目达到显著水平,没有富集到KEGG通路。进一步结合文献信息,我们推测LDB2、KCNIP4、PPARGC1A、GBA3、SHISA3、GNA13和FGF10 7个基因最可能是影响肉兔成熟体重和生长速度的候选基因。然而,没有发现显著且独立影响参数A或参数K的SNP标记。3、利用87704个SNPs构建基因组关系矩阵（G矩阵）,对363个个体的84日龄体重进行GBLUP分析,并基于GWAS中获得的标记效应绝对值对G矩阵加权从而进行w GBLUP分析。结果显示,GBLUP中遗传方差估计值为0.34,残差方差估计值为0.25,遗传力为0.57;w GBLUP中遗传方差估计值为0.44,残差方差估计值为0.16,遗传力为0.73。w GBLUP估计育种值的准确性高于GBLUP,其中GBLUP的准确性为0.01～0.23,平均值为0.12±0.07;w GBLUP的准确性为0.19～0.28,平均值为0.24±0.03。综上所述,本试验检测到LDB2、KCNIP4、PPARGC1A、GBA3、SHISA3、GNA13和FGF10 7个基因最可能是影响肉兔成熟体重和生长速度的候选基因,w GBLUP能够提供更高的基因组估计育种值准确性。研究结果为后续在大规模群体中开展基因组选择提供理论指导和技术参考。