传统植物育种依据各种目标性状的表型在大量的重组和分离后代中选择优良个体。对于遗传力较低、受多基因控制的性状,其选择效率较低,预测准确性不高。分子生物学和生物技术的进步,以及分子标记在复杂数量性状遗传研究中的广泛应用,为育种过程中开展基因型水平的选择提供了可能。一些基于分子标记的选择方法,如标记辅助轮回选择和全基因组选择已经被用来加速育种进程、提高选择效率。全基因组选择（GS）利用已知表型和基因型数据（称为训练群体）构建基因型到表型的模型,以预测新产生育种群体的表型。GS方法的选择效果受众多因素的影响,对这些因素进行田间评估是一项艰巨的任务,需要花费更多的时间、物力和劳力。计算机模拟一定程度上克服了这些限制,为在广泛的遗传模型（如加性、显性和上位性）下评价不同选择方法提供了便利。本研究的主要目的是利用一个冬小麦训练群体和模拟数据,评估不同遗传结构下各种选择方法的表现。1.中国冬小麦籽粒产量及产量相关性状的全基因组预测利用一个包括166个品种的小麦自然群体,评估不同SNP质量控制（QC）方案（即缺失率和低频等位基因频率）、缺失基因型填补和全基因组关联分析（GWAS）衍生标记对7个GS模型的预测精度。结果表明,中等缺失率水平（20%~40%）和中等低频等位基因频率（MAF）（5%）阈值的预测精度更准确。6个性状的预测精度与他们的遗传力、遗传结构以及所采用的GS预测模型有关。Moore–Penrose广义逆矩阵（GenInv）、岭回归（RidgeReg）和随机森林（RForest）的预测精度高于其它GS模型。缺失基因型填充对预测精度的影响有限,而GWAS衍生标记在大多数情况下能够提高预测的准确性。缺失率和MAF的SNP质量控制对GS模型的预测准确性有积极影响。不存在一种QC方案对所有性状和GS模型都是最优的。2.小麦面粉颜色相关性状的基因组选择小麦面粉颜色是决定小麦商业品质的重要因素,直接估计面粉颜色相关性状的费用昂贵且耗时长。利用一个包括166个品种的自然群体研究了小麦面粉颜色相关性状的预测精度,包括GWAS衍生标记和GS模型中共有的QTL。结果表明,将GWAS衍生标记引入GS模型中得到的预测精度大于0.80;利用单基因座位和多基因座位的GWAS模型对5个面粉颜色相关性状预测精度相似;与GWAS衍生标记预测单性状相比,利用面粉颜色有关性状的共有QTL的预测准确度没有明显提高。3.利用QuMARS模拟工具比较表型轮回选择、标记辅助轮回选择和基因组选择方法QuMARS是一个基于QU-GENE模拟软件的应用模块,可以对各种轮回选择方法进行模拟、评估和优化。本研究建立了一个加性、两个QTL连锁项和两个上位性遗传模型,利用QuMARS比较15个选择周期中不同选择方法的选择响应（即群体平均数）,包括表型轮回选择、标记辅助轮回选择和全基因组选择,分别缩写为PS、MARS和GS。结果表明,全基因组最优线性无偏预测（GBLUP）模型和MARS（向前逐步回归选择）的选择响应始终大于加性模型下的PS方法,特别是前几个轮回周期。相反,在上位性模型中,PS方法始终优于MARS和GS。某些情况下,两种上位性模型的总方差和加性方差在选择后会有所增加。GS和PS是改良由加性和上位性数量性状基因（QTL）共同影响目标性状的有效方法。QuMARS可以协助育种家比较、优化新技术,并将其整合到传统育种计划中。4.全基因组选择和遗传结构关系的模拟研究使用QuLine模拟了不同的遗传结构,包括三个QTL数目（即每条染色体上分布1、5和10个QTL）和三个遗传力水平（0.3、0.6和0.9）。结果表明,增加QTL数目可以提高预测精度,特别是在育种后期;在不同QTL数目和遗传力水平上,不同GS模型的预测精度相似。在大多数情况下,5cM标记间隔模型的准确度高于10cM标记间隔模型,平均间隔为5cM的标记比10cM的标记具有更好的预测效果。