大多数人类和动植物的复杂性状都是数量性状,检测控制这些数量性状的基因位点（Quantitative trait locus,QTL）对剖析复杂性状的遗传基础至关重要。事实上,数量性状通常受数量多、效应微小、易受环境影响的QTL所控制,如果仅采用生物学方法检测基因,将耗费大量的人力和时间,因此常结合统计学方法来提高检测效率。全基因组关联分析（Genome-wide association analysis,GWAS）可以将生物个体的表现型与基因型相联系,通过检测单核苷酸多态性（Single nucleotide polymorphism,SNP）标记与性状的关联程度,来判断有无与标记连锁的性状基因或QTN（Quantitative traitnucleotides）。随着测序技术的进步产生了数以百万的SNP,传统的统计方法已难以分析与之对应的高维海量数据。机器学习方法计算速度快,适用于分析P>>N问题,近年来已成功应用于高维遗传数据分析,然而其中大多数方法存在泛化能力弱、过拟合、分类效果不理想以及检测精度低等现象。为了克服以上缺点,本研究提出了一种将变量选择与机器学习算法相结合的两阶段全基因组关联分析方法,称之为基于最小角回归和随机森林的两阶段算法（TSLRF）。该方法充分考虑了群体结构和多基因效应的控制,通过最小角回归方法选择与目标性状潜在相关的SNP,随后用SNP子集建立随机森林模型,进一步筛选出与目标性状显著关联的QTN。本研究首先通过来自拟南芥自然群体的模拟数据（1,000次重复）集和真实数据集（5个开花期数据集）验证了新方法的可靠性,随后又进一步将该方法拓展,应用于表型预测,探究植物性状预测的准确性和可靠性。主要研究结果如下:1、新方法首先利用 FASTmrEMMA（Fast multi-locus random-SNP-effect EMMA）对数据集进行群体结构和多基因效应的校正,再通过最小角回归选择与目标性状潜在相关的SNP,并利用随机森林对筛选出的SNP按重要性得分降序排列,进而检测与目标性状显著关联的QTN。模拟和实际数据研究的结果表明:与其他方法相比,新方法检测到的QTN与非关联SNP具有更加显著的区别;模型准确度和模型拟合度较高;基因检测能力更强,共检测到60个被证实与目标性状显著关联的基因,同时检测到多个基因簇与目标性状相关;此外计算速度也较快。2、将新方法进行拓展,通过群体结构和多基因效应的校正考虑群体的复杂遗传结构,并对相同基因数据进行表型预测。模拟和实际数据的预测结果表明:与其他方法相比,在缺失率为5%、10%、15%和20%的情况下,新方法的表型预测准确度和预测模型的拟合度均较高。此外,随着缺失率的升高,表型预测的准确度和模型拟合度不断地降低,并呈现出越来越显著的差异。利用新方法对结合了表型预测值的基因数据进行分析,计算效率高、速度快,基因检测能力也比其他方法更强。在海量数据分析、优异亲本组合预测和全基因组标记辅助育种中,新方法提供了理论依据。