育成品种资源的评价往往局限于利用品种系谱、分子标记和表型三种信息之一来进行的。QTL定位则利用后两种信息，但涉及的品种数目十分有限。怎样利用更多的信息来评价大量品种资源则是一个世界性难题。申请者已提出了利用上述三种信息定位QTL的新方法，并用BLUP法预测了QTL效应。它为作物分子设计育种提供十分有用的信息，可构建高解析数量性状变异的平台，还能研究基因在品种间的传递规律。在此基础上，本项目将探索QTL精细定位方案或技术，研究基因型与环境互作的检测方法，拓展多QTL定位的新方法。上位性是目前QTL定位研究中的热点和难点。为此，还应当拓展QTL间上位性检测的新方法。参数估计拟采用可逆跳跃MCMC（或模型选择自由）的Bayesian方法或惩罚最大似然法。用Monte Carlo方法验证后，用该新方法开展种质资源评价研究，为分子设计育种工作提供更为可靠的依据。预期发表论文3篇。