全基因组关联分析(GWAS)现在已成为剖析动植物复杂性状遗传变异的重要方法。当前，线性混合模型(LMM)凭借其能较好的校正群体分层和个体关联等优点，成为GWAS研究的主要方法。然而随着样本量和标记密度的不断增长，基于LMM的GWAS方法面临两大问题一是标记效应作固定效应处理，难以对无效的标记效应位点进行压缩，常导致假阳性率增高，二是常规的LMM方法需要不断地估计方差组分和标记效应，导致计算时间过长。针对这些问题，本研究首先将复合区间作图（CIM）策略引入GWAS中，将待检标记作随机效应处理以实现标记效应的压缩，同时在待检标记两侧加入侧翼标记以降低背景噪音。通过该模型(CIM polygene model)和另两个常用的LMM方法对中国西门塔尔牛的胴体重和骨重性状进行分析，然后比较不同模型的结果并探讨模型的优劣。接着，将得分检验应用于GWAS，利用得分检验的统计学特点，旨在提高运算效率。运用此方法(LMM-Score)和常规LMM方法对模拟数据进行分析比较，检验该方法的分析效果，同时用该万法对中国西门塔尔牛的净肉重、前腱子重、黄瓜条重进行关联分析。本研究在对算法研究的同时，也对影响目标性状的显著SNPs和候选基因进行了鉴定。结果表明，CIM polygene model较之于其他两个模型具有更高的统计效力，并且鉴定到与胴体重、体重关联的GCNT4，ALDH1A2，LCORL和WDFY3等基因。而基于得分检验的LMM-Score方法在保持常规LMM统计效力的情况下，显著提高了运算效率，同时该方法鉴定到与净肉重、前腱子重、黄瓜条重关联的SOX17，RP1，LYN,RPS20，snoU54，U1，MOS,PLAG1，CHCHD7和SDR16C5等候选基因。本研究对基于LMM的GWAS方法研究开拓了思路，也为中国西门塔尔牛屠宰性状的遗传机理做了探索。