大量QTL实验旨在定位重要农艺性状的基因，是标记辅助选择(markerassisted selection，简称MAS)改良动植物的出发点。本文着重于借助MAS在育种中利用QTL。根据Bayesian统计学原理，本研究提出了基于复杂上位性及其与环境互作效应QTLs的标记辅助选择方法和策略，适用于异花授粉作物的群体改良和自花授粉作物的分离世代选择。用Monte Carlo模拟对该方法的有效性和可靠性进行了系统的比较研究。本研究可望为育种上系统利用QTL复杂上位性及其与环境互作效应开辟了新途径，有助于进一步了解数量性状改良的遗传基础。主要的研究内容和结论如下： 1．提出了用于选择的加性效应、显性效应、加加、加显、显加、显显上位性效应及其与环境互作效应的遗传模型，推导了其各效应方差分量和各世代个体QTL基因型条件概率(依表现型和标记基因型为条件)的估算公式。在随机交配系统中，构建了包括加×加上位性的育种值，作为MAS中个体选择指标；而在自交系统中，构建了能衡量个体携带优良基因型概率的选择指标，即潜力指数。 2．对新提出的MAS方法进行了Monte Carlo模拟研究，结果表明，大多情况下，MAS均能比常规表现型选择获得较好的选择效果。验证了个体育种值和潜力指数是各自交配系统中较合适的个体选择指标。 3．揭示了上位性的利用在育种上十分重要，尤其是对优化长期选择效率。存在上位性，MAS与其仅基于加性效应或加显效应相比，通常能产生较持续的选择响应；忽略上位性则导致较大的选择响应损失，后期世代更明显。除了性状遗传率和群体大小以外，遗传方差组成在MAS的短期和长期选择响应中也起着非常重要的作用。 4．揭示了育种上利用QTL应当同时考虑其环境互作效应。基于单个环境QTLs的MAS，QTL×环境互作效应通常降低了一般选择响应，一般选择响应累积量的降低程度与改良性状的QTLx环境互作效应大小相关。基于多个环境QTLs的MAS，不但产生较高的一般选择响应，而且获得的一般选择响应不受其QTL×环境互作效应大小的影响。但在某一特定环境下获得的总体选择响应仅与改良性状的总遗传率大小有关，普通遗传率和基因型与环境互作遗传率的相对变化对其影响很小。回此，植物育种者应谨慎将某一环境的 QTL信息用于实施另一环境的育种研究。 5．揭示了自花授粉作物分离世代的MAS有助于提高筛选到优良基因型的概率。与常规表现型选择比较，早代MAS不仅产生较高的响应，但更为重要的是显著增加优良基因型的频率：当延至到后期世代选择，＊＊8的相对优越性则有较大程度地下降。自花作物早代实施MAS更加经济有效，由此推荐采用综合早代MAS和高代表现型选择的改良方法。 6．在大多情形下，QTL 定位的误差导致了选择响应的损失。验证推断的QTL（包括其效应大小和图谱位置），对于挖掘MAS的潜力是十分必要的。另外，在自交系统下个体 QTL基因型条件概率的近似估计也导致了选择响应的下降。 7．优化的MAS实施策略可概括为以下四个方面：（l）用较大育种群体定位Q＊L，确定其精确图谱位置，及Q＊L效应与Q＊L间的上位性互作效应：Q）用尽可能小群体进行选择，增加优良等位基因频率和多座位基因型频率：（）以选育适应性广的品种为目标，QTL定位需在多个环境下实施，随后的选择基于 QTL遗传主效应，在任选一环境中进行：（4）尤其是自花授粉作物的选育，＊＊S适于早期分离世代实施。 8．用C／C一语言编写的软件可初步分析实际育种资料，估计随机交配系统中的个体育种值和自交系统中的个体潜力指数及其推断各世代的个体QTL基因型。