已有研究表明,多个性状的联合分析不仅可以提高QTL检测的统计功效以及QTL位置和效应估计的精确度,而且能够测验复杂性状的遗传结构,如紧密连锁与一因多效,QTL与环境的相互作用等.大多数的QTL作图试验中可同时测得多个连续性性状和间断性性状.然而目前对于多个性状的联合作图仅局限于多个连续性性状,无法对涉及到连续性和间断性性状的混合类型性状进行QTL联合作图分析.为此,本文发展了基于多QTL模型的多个混合类型性状QTL联合作图的贝叶斯方法,该方法通过马尔可夫链蒙特卡罗(MCMC)算法来实现.假设在基因组的任一标记区间内均存在一个假定的QTL;若存在间断性性状,则设每一间断性性状均有一潜在的连续性变量与之对应,并通过一系列阈值将间断性性状与这种潜在连续性交量联系起来.在这些假定下,模型中的QTL效应数目允许比观测值的数目还大.QTL的位置和效应可以通过条件后验分布获得.通过对多个性状的每一QTL的加性和显性效应向量的协方差阵进行控制,可以从许多假定的QTL中推断出真实的QTL.利用这一方法,可以实现对多个混合类型的性状进行QTL分析.利用F2群体进行了两项模拟研究:(1)以3个性状的QTL联合作图为例,3个性状分别按均为连续性性状,既有连续性又有间断性的混合类型性状以及均为间断性性状3种类型进行模拟.其中,混合类型性状的模拟研究,包括一个三歧性状和两个连续性性状;而3个间断性性状均为二歧性状.(2)检验在样本容量小于需要估计参数的数目情况下该方法是否仍可行?设样本容量为500,而某一假定的长染色体(1500cM)上分布着151个等间距的分子标记,进一步假定有10个QTL控制着2个性状,这样我们要估计602个回归系数和剩余协方差阵,显然需要估计的参数数目超过了样本容量.模拟结果表明:该方法无论是对多个连续性性状,还是多个混合类型性状或多个间断性性状,均能精确地估计出QTL的位置和相应的遗传参数.在样本容量小于需要估计参数数目的情况下,该方法仍能够从众多假定的QTL中推断出真实的QTL,并估计出相应的位置和效应.在模拟研究的基础上,进一步以水稻品种Lemont和特青杂交衍生的重组近交系对稻瘟病的不同生理小种的抗性数据为例演示了分析程序,结果发现在水稻的第2、3、11和12染色体上共有8个抗性位点,同一抗性QTL对不同的生理小种往往具有不同的抗性.