如何有效的考虑多个性状之间的相关关系，去除其它性状对分析性状的影响，更加准确的估计QTL的遗传效应和位置信息一直都是一个研究热点问题。本文综述了QTL定位的背景和发展历程，并对存在的多性状定位方法做出了简要的介绍，最后提出一种基于LASSO的多性状QTL定位方法。根据每个性状与其他性状之间的关系定义了分析性状的条件性状，这个条件性状考虑了分析性状与其他性状的关系，剔除掉其它性状对分析性状的影响。带有坐标下降的LASSO方法能够用于同时估计稀疏QTL的非零遗传效应。因此，高维的基因型表型数据关联分析被转换成基因型数据与单独的条件性状之间的关联分析。为了比较了条件分析方法，联合分析方法，和单独分析方法的参数估计和统计效率。本研究在回交群体中模拟了2个群体，每个群体2个性状，在性状之间设定不同的相关。3种方法的共性规律为：（1）随着遗传力的增加QTL检测效率和参数估计的准确度也逐渐增加；（2）在相同的定位条件和方法下，遗传效应较高的QTL有较高的统计效率；（3）大的样本含量有利于检测QTL。3种方法在以下方面存在差异:（1）当两个性状之间存在相关时，条件定位方法与联合分析法有着一致的结果，定位结果优于单独分析方法；（2）参数估计及统计效率的差异随着两个性状之间的相关的增加而增加。采用单独分析和条件分析方法，分析了112个酵母个体的6216个基因表达与2956个SNP标记之间的关系。条件分析方法与单独分析方法结果较为相似但总体优于单独分析方法。条件分析方法能更好的解释基因表达之间的相互关系，有利于定位一因多效基因。本文的多性状基因定位方法考虑了性状之间的相关，提高了QTL定位的准确性，为以后动植物育种和人类复杂疾病的研究奠定理论基础。