1. BSA（bulk segregant analysis）
针对表型差异明显，质量性状或主效基因控制性状。
检测到的两混池间DNA差异片段即为候选区域，可进一步定位到目标性状相关的基因或标记。
但是最好不要选择简化基因组进行BSA，因为简化基因组测序捕获到的基因组区域有限，若变异区域未被捕获，则与目标性状相关的基因将不能获取，因此全基因组重测序在BSA性状定位方面具有明显的优势。
针对质量性状定位的方法:
- MutMap
- SHOREmap
- MMAPPR
2. 遗传图谱构建和QTL定位
遗传图谱结合QTL定位是目前方案最成熟，效果最好的复杂数量性状定位方法之一。
利用高通量测序，可以获得海量的分子标记，利用分子标记进行高精度的遗传图谱构建，穷尽物种所有的重组事件，精确定位目标性状。利用基因组信息，可以直接筛选与性状相关联的分子标记和基因，从而省去复杂的图位克隆过程。
但是准确性肯定还是不如图位克隆，作为初定位还差不多（但是初定位图位克隆也不是很难啊，前提是开发好了足够的标记），而且成本很高。
除了基因（QTL）定位，遗传图谱还可以用于辅助基因组组装。
WGS和简化基因组测序都可进行遗传图谱构建和QTL定位，简化基因组测序甚至可以不依赖参考基因组：
其他QTL定位方法：QTG-Seq
数量性状基因定位。也是利用2个极端混池测序
3. GWAS和群体进化
利用自然群体的全基因组关联研究(GWAS)可以克服QTL分析的局限性，缩小候选区域，但GWAS假阳性比QTL分析高，因此两者联合可以在一定程度上弥补彼此的不足。
不过GWAS主要还是集中在群体进化研究：基于群体变异信息，全方位的解析群体的遗传多样性、遗传结构、基因交流情况、物种形成机制以及群体进化动态等生物学问题，从分子层面深入研究该物种的进化历程。
全基因组关联分析首先进行群体分层，分析了解材料的分层信息；然后进行连锁不平衡分析，连锁不平衡的水平可决定关联分析的精度、所选标记的数目；最后结合群体基因型和表型数据，使用基于混合线性模型进行全基因组关联分析，对分析所得的与目标性状强关联的位点进行基因功能注释。
利用WGS或者简化基因组都可进行GWAS分析，但简化基因组的精度肯定会差些：
4.基因定位联合研究思路
- 遗传图谱+GWAS
- 遗传图谱+转录组
- 遗传图+BSA
- BSA+GWAS
- BSA+转录组
5.BGI产品
华大把以上内容归到一个产品里，即动植物全基因组重测序，作为一个标准分析流程，该分析的内容都含有，其他的就要结合研究目的采用不同的取样、建库和测序策略了。
主要分析内容：
变异检测：
群体结构分析：
选择分析：
前提：群体有明显的亚群分化
GWAS：
ref: http://www.biomarker.com.cn/archives/15722
http://www.majorbio.com/product/20/14/72
http://www.bgitechsolutions.com/sequencing/38