动植物绝大多数重要性状是数量性状,全基因组关联分析（genome-wide association studies,GWAS）是解析数量性状遗传基础的主要途径。但关联群体的群体结构会导致标记与数量性状的虚假关联。目前,常用的群体结构是每个个体属于不同亚群的概率和主成分得分。最近,新提出的进化群体结构是基于进化类型划分的,个体分类明确。聚类分析作为广泛应用的分类方法,尚未用于度量关联群体的群体结构。因此,有必要探索聚类分析在全基因组关联分析群体结构控制中的应用。为探索聚类分析在关联分析群体结构控制的可能性。本研究利用关联群体分子标记信息,选用层次聚类Hclust、K均值聚类Kmeans和稀疏子空间聚类En SC与SSC＿OMP方法计算关联群体的群体结构。通过上述4种聚类分析方法,将个体分成若干类,以用于关联分析的群体结构控制,这称为聚类群体结构。与常用的群体结构方法进行比较。通过真实数据分析和模拟研究,获得了聚类群体结构可用于多位点全基因组关联分析群体结构控制的结论。其主要结果如下:1)首先,确定最优聚类簇数。在不同聚类簇数下,用FASTmr MLM和FASTmr EMMA两种多位点GWAS方法检测413个水稻品种36901个SNP标记与粒宽的关联。通过比较不同聚类簇数下4类聚类群体结构检测的QTNs数和QTNs附近与性状关联的已知基因数,得到最优聚类簇数。为了验证聚类群体结构的有效性,用FASTmr MLM方法检测水稻粒宽的QTNs。在无群体结构NULL、主成分群体结构PC、Q矩阵群体结构Admixture和上述En SC、SSC＿OMP、Hclust和Kmeans的4种聚类群体结构情况下分别检测到26、12、12、17、22、18和22个QTNs,分别挖掘到9、6、7、11、11、11和10个QTNs附近的已知基因。在FASTmr EMMA中,在上述7种情况下分别检测到10、7、4、8、11、10和10个QTNs,分别挖掘到2、2、2、6、7、7和7个QTNs附近的已知基因。这表明聚类群体结构比常用的群体结构检测到更多的QTNs和已知基因。虽然比无群体结构找到更少的QTNs,但是发现了更多的已知基因。因此,聚类群体结构关联分析结果最好。2)通过Monte Carlo模拟研究验证聚类群体结构的可行性。在199个个体10000个标记的拟南芥自然群体中,模拟了6个贡献率为5.00%～15.00%的QTNs。用FASTmr MLM和FASTmr EMMA方法分析这些模拟数据集。从QTN检测功效、QTN效应估计精度和假阳性率三个方面,比较不同群体结构对关联分析结果的影响。结果表明:在FASTmr MLM方法中,Hclust聚类群体结构的检测功效比PC群体结构高7.8%,其QTN效应估计值的MSE和假阳性率比PC的低;SSC＿OMP聚类群体结构的检测功效比Admixture高1.0%,其MSE和假阳性率比Admixture低。在FASTmr EMMA方法中,也有相似的结论。因此,模拟研究证实在多位点全基因组关联分析中使用聚类群体结构效果更好。这验证了真实数据分析中得到的结论。本研究为全基因组关联分析提供了计算群体结构的新算法,可以提高QTN检测功效和精度,更好地控制假阳性率。