1. BSA（bulk segregant analysis）
針對表型差異明顯，質量性狀或主效基因控制性狀。
檢測到的兩混池間DNA差異片段即為候選區域，可進一步定位到目標性狀相關的基因或標記。
但是最好不要選擇簡化基因組進行BSA，因為簡化基因組測序捕獲到的基因組區域有限，若變異區域未被捕獲，則與目標性狀相關的基因將不能獲取，因此全基因組重測序在BSA性狀定位方面具有明顯的優勢。
針對質量性狀定位的方法:
- MutMap
- SHOREmap
- MMAPPR
2. 遺傳圖譜構建和QTL定位
遺傳圖譜結合QTL定位是目前方案最成熟，效果最好的復雜數量性狀定位方法之一。
利用高通量測序，可以獲得海量的分子標記，利用分子標記進行高精度的遺傳圖譜構建，窮盡物種所有的重組事件，精確定位目標性狀。利用基因組信息，可以直接篩選與性狀相關聯的分子標記和基因，從而省去復雜的圖位克隆過程。
但是准確性肯定還是不如圖位克隆，作為初定位還差不多（但是初定位圖位克隆也不是很難啊，前提是開發好了足夠的標記），而且成本很高。
除了基因（QTL）定位，遺傳圖譜還可以用於輔助基因組組裝。
WGS和簡化基因組測序都可進行遺傳圖譜構建和QTL定位，簡化基因組測序甚至可以不依賴參考基因組：
其他QTL定位方法：QTG-Seq
數量性狀基因定位。也是利用2個極端混池測序
3. GWAS和群體進化
利用自然群體的全基因組關聯研究(GWAS)可以克服QTL分析的局限性，縮小候選區域，但GWAS假陽性比QTL分析高，因此兩者聯合可以在一定程度上彌補彼此的不足。
不過GWAS主要還是集中在群體進化研究：基於群體變異信息，全方位的解析群體的遺傳多樣性、遺傳結構、基因交流情況、物種形成機制以及群體進化動態等生物學問題，從分子層面深入研究該物種的進化歷程。
全基因組關聯分析首先進行群體分層，分析了解材料的分層信息；然后進行連鎖不平衡分析，連鎖不平衡的水平可決定關聯分析的精度、所選標記的數目；最后結合群體基因型和表型數據，使用基於混合線性模型進行全基因組關聯分析，對分析所得的與目標性狀強關聯的位點進行基因功能注釋。
利用WGS或者簡化基因組都可進行GWAS分析，但簡化基因組的精度肯定會差些：
4.基因定位聯合研究思路
- 遺傳圖譜+GWAS
- 遺傳圖譜+轉錄組
- 遺傳圖+BSA
- BSA+GWAS
- BSA+轉錄組
5.BGI產品
華大把以上內容歸到一個產品里，即動植物全基因組重測序，作為一個標准分析流程，該分析的內容都含有，其他的就要結合研究目的采用不同的取樣、建庫和測序策略了。
主要分析內容：
變異檢測：
群體結構分析：
選擇分析：
前提：群體有明顯的亞群分化
GWAS：
ref: http://www.biomarker.com.cn/archives/15722
http://www.majorbio.com/product/20/14/72
http://www.bgitechsolutions.com/sequencing/38