连锁分析是数量性状位点(QTL)定位的重要而有效的方法之一,由于充分利用了覆盖全基因组的遗传标记,因此可以实现全基因组范围的QTL检测。目前研究者提出了很多统计方法来实现QTL的检测,优良的统计分析方法不仅可以提高QTL的检测效力和降低QTL检测的假阳性率,而且还可以有效解析性状的遗传结构。本研究主要是发展了两种新的统计方法和利用现有先进的统计学方法,在提高QTL检测效力的同时又兼顾降低QTL的假阳性率;同时也对互作效应QTL定位进行研究,探索了大麦八个重要性状的遗传结构。主要研究内容包括以下三个部分。提出了两种新的、有效的QTL检验方法Fit Mix和Sim Mix。两种新的方法基本思想是根据QTL效应后验分布的双峰性质分别采用数理拟合方法(Fit Mix)和直观法(Sim Mix)将双峰拟合成两个独立的t分布,其中一个分布均值为0,而另一个均值偏离于0,然后用偏离于0分布的比例作为QTL包括在模型中的后验概率。新方法的性能也通过了重复的计算机模拟试验加以验证,结果表明两种方法的结果十分相似,相关系数达到0.81,与Sim Mix相比,Fit Mix具有较低的QTL检测的解析度和检测效力,尤其是当QTL后验概率较低的时候。此外,还通过计算机模拟试验验证了其它四种贝叶斯方法的性能,结果发现,BIDE和BIST较DE和ST能更有效地将“不显著”的QTL效应压缩至零;此外,在假阳性率与真阳性率的比较中发现不同方法的排序是BIDE≈BIST>ST>DE。提出了多种方法整合思想实现QTL的联合检验。以北美大麦八个重要性状Alpha淀粉酶、糖化力、麦芽提取物、蛋白质含量、产量、株高、抗倒伏和花期为研究对象,提出了两种新的用于QTL检测的后验概率推断方法,并结合单标记分析方法和四种贝叶斯QTL定位方法:贝叶斯LASSO(DE),Student’t先验的贝叶斯方法(ST),改进的贝叶斯LASSO(BIDE),改进的Student’t先验的贝叶斯方法(BIST)共同分析了这八个性状。通过这七种方法的整合,共检测到26个QTL,其中4个QTL影响Alpha淀粉酶性状、7个QTL影响糖化力性状、2个QTL影响麦芽提取物性状、4个QTL影响蛋白质含量性状、1个QTL影响产量性状、4个QTL影响株高性状、3个QTL影响抗倒伏性状,1个QTL影响花期性状。与单QTL扫描相比共多发现7个QTL。结果显示单QTL模型的缺点是很难分辨两个处于紧密连锁的QTL,在这种情况下,两个QTL或者整合成一个信号,或者信号互相抵消,而多QTL模型却在这一方面表现出很好的检测效果。除了对北美大麦八个性状QTL定位外,本研究又对八个性状的遗传结构进行探索,提出了有效的流程——采用Bayes B方法结合经验贝叶斯方法对主效及互作效应QTL进行了精细解析。共检测到16个主效QTL和8个具有互作效应QTL。其中,3个主效QTL和1个互作效应QTL控制Alpha淀粉酶;3个主效QTL控制糖化力;2个主效QTL和1个互作效应QTL控制麦芽提取物;1个主效QTL控制蛋白质含量;2个主效QTL和3个互作效应QTL控制产量;2个主效QTL控制株高;1个主效QTL和3个互作效应QTL控制抗倒伏;2个主效QTL控制花期。总体看来,互作效应的个数占总QTL个数的33%,在遗传结构上占有较大的比重,体现了数量性状的复杂遗传机制。