全基因组关联分析(GWAS)，即从全基因组范围内筛选与性状关联的遗传标记，已成为检测肉牛复杂性状遗传机制的重要工具。当前，多个基于单标记和多标记的GWAS分析模型已被陆续开发。但是，在应用过程中尤其是随着标记密度爆炸式增长，发现现有GWAS模型存在下列问题:一是当前主流的混合线性模型GWAS分析中因假定标记效应是固定效应，很难对无效的标记效应位点进行有效的压缩，常导致背景噪音太大而干扰真阳性信号，从而增大假阳性率。二是当标记密度过高时，常规的bonferronir校正太严格而使统计效率降低，针对这些问题，本研究将经验贝叶斯模型全基因组关联引入肉牛相关性状分析中，上述情况能在一定程度上予以解决，经验贝叶斯分析，即先验分布的超参数来自数据本身估计的一种贝叶斯统计分析方法。该方法不需要马尔科夫蒙特卡洛(MCMC)迭代，大大节省了运算时间。Xu等已将经验贝叶斯分析应用于连锁分析(QTL mapping)分析中(Xu2007)，发现其能降低背景噪音并显著提高QTL mapping的精度。本研究使用经验贝叶斯和压缩混合线性模型两种算法对本课题组内蒙古乌拉盖管理区的1217头西门塔尔牛的骨重、体重性状做了全基因组关联分析。结果表明，与流行的混合模型全基因组关联分析算法比较，经验贝叶斯全基因组关联分析算法显著提高运算速度，并且在提高运算速度的基础上，检测效率得到进一步强化。本项研究通过基于经验贝叶斯方法和压缩混合线性模型两种算法的全基因组关联分析，找到相同的基因LCORL、SLIT2、LAP3与西门塔尔肉牛的骨重显著相关，找到相同的基因LARGE、ARID1A、PLEKHF2、PIAS1与西门塔尔肉牛的体重显著相关，本项研究是把经验贝叶斯算法应用到肉牛关联分析中，为肉牛生长和胴体性状提供了候选基因，当然，具体的应用还需进一步进行分子实验验证。