动植物的许多重要经济性状以及人类复杂疾病均属于复杂性状范畴。基于混合线性模型的关联分析方法可以精确预测复杂性状的遗传结构,有效剖析其中的遗传机理。本课题组提出的混合线性模型方法适用于全基因组关联分析,并且研制了基于GPU计算的QTXNetwork软件,包括三个功能模块:QTL分析（QTLNetwork）,全基因关联分析（QTS）和多组学关联分析（QTT）。然而生物学软件的发展远远落后于算法,现有的生物计算软件普遍采取传统的架构模式,都不具备扩展性和高可用性,只可单用户单线程运行,配置复杂,用户操作难度大,影响了方法的推广和使用;同时,随着生物技术的发展,生物数据量的指数级增长使得现有软件的计算复杂度增大,单机性能无法快速扩展算力、数据离线拷贝等问题,使得软件使用更加复杂,计算成为生物研究的主要瓶颈。针对该问题,本课题设计一种容器化上云方案,开发混合线性模型复杂性状关联分析相关工具云平台,方便用户远程使用云平台的弹性可扩展运算能力,降低了GPU等计算资源分析工具的使用门槛,提高了计算分析效率和计算速度。本课题构建云平台包含Iaa S资源层,Paa S平台层和Saa S服务层,Iaa S主要通过Starling X实现,详细介绍了Paa S层Kubernetes构建过程,以及Saa S层微服务和容器等技术。将QTLNetwork,QTS＿Raw,GMDR,QTS＿GPU,QTT＿GPU五种单机分析工具云原生化,构建Saa S层web服务应用QTXCloud（http://ibi.zju.edu.cn/QTXCloud/）。通过测试表明,基于容器的混合线性模型复杂性状分析云平台具有较好的高可用性,极大减少了用户使用的复杂性,提高了物理资源的利用率。另一方面,云平台具有便捷的扩缩容能力,可弹性提供计算资源,同时利用微服务,平台功能均可以插件形式进行增加或剪裁。