全基因组关联分析(GWAS)已广泛用于解析人类,植物和动物复杂性状遗传结构。GWAS提供了一种强大的工具,可以将个体的表型差异归因于潜在的遗传差异。随着新一代测序技术发展,已经为不同的生物开展了重测序,生成了高密度单核苷酸多态性(SNP)阵列。众所周知,在数量遗传学中复杂性状由多基因,上位性及基因与环境互作效应控制。大多数GWAS分析忽略了显性、上位性和基因与环境互作效应对复杂性状产生的影响。忽视这些影响是GWAS遗传率缺失的重要原因之一。本研究中,通过使用QTXNetwork中混合线性模型方法,估计了显性、上位性和环境特异性遗传力对玉米NAM种群穗部性状的影响。对于NAM群体,全模型包括加性、显性、上位性和环境特异性遗传效应。对于MESA群体,混合线性模型包括加性、显性、上位性和种族特异性遗传效应。本研究中,解析了MESA群体的体表面积(BSA)和玉米穗性状的遗传结构,提供了新的见解。对于玉米穗部性状,显性和显性相关的上位效应对估计的遗传力有显著贡献。环境特异性遗传效应也是玉米穗的遗传变异的重要组成部分。只有少数控制玉米穗性状的多效位点被鉴定出来。通过利用关联分析结果预测了优良品系和优良杂交品种。全模型有助于理解穗部性状的遗传结构,并提供特定环境下分子标记辅助选择的技术路线,为选育高产量作物提供一定的帮助。Monte-Carlo模拟研究揭示了基因与环境相互作用对分析复合体性状的重要性。忽略基因与环境互作可能导致较低的检测功效和较高的错误发现率(FDR)。此外,它可能会误导遗传效应遗传力的估计。BSA的遗传分析鉴定了与肥胖相关的几种疾病相关的基因。BSA受多个基因座和种族特异性遗传效应控制。基础和条件模型总遗传力的估计大部分相似,其中杂合基因型在表型变异中起着重要作用。不同的生活方式影响着基因座的表达以控制表型变异。生物信息学分析表明,候选基因与钙化合物或BSA相关疾病有关。本研究探讨了不同种族群体中BSA的复杂遗传机制,并评估了不同的生活方式对基因遗传水平的影响,这可能有助于个性化医疗的设计。