在数量遗传学理论形成之初，大量的研究证实，数量性状的遗传基础，仍然是遵循孟德尔遗传规律的基因。由于影响数量性状的基因数目较多，在当时的条件下无法辨认其各自的效应，于是便有了著名的微效多基因学说(Nilsson-Ehle 1909)。尽管这一学说对数量性状的遗传基础作了相当简单化的假定，但在当时的理论和技术条件下仍不失为一个很好的基础，数量遗传学的主要技术体系就是在这一基础上建立的。但是，由于这一学说不了解数量性状的遗传背景，不知道控制数量性状的基因在染色体上的位置及其传递行为，因而就无法对其效应值作出准确估计，更不能分离和定位控制数量性状的基因，从分子水平上进行数量性状的遗传操纵。因此长期以来，数量性状的基因一直是一个难以捉摸的抽象单位。对数量性状的研究，只能采用数量遗传学上的归纳与分析法。
1923年，K.Sax通过控制数量性状的基因座位与孟德尔标记座位之间的连锁关系，对菜豆(phaseolus vulgaris)的几个数量性状进行了定位〔1〕。但直到1960年左右，他的方法只局限在果蝇(Drosophila)上，原因是在其它植物和动物上难以找到足够的或者典型的象菜豆那样的形态或色泽标记。随着生化遗传实验尤其是分子生物学技术的进步，以及分子遗传学(如DNA标记)，分子生物学(如核移植)，统计学(如评定方法)和计算机科学等学科与数量遗传学的结合，遗传学家有可能回过头来探讨数量性状的分子遗传基础，即数量性状座位(quantitative traitloci,QTL)。
QTL为一特定染色体片断，是对某一数量性状有一定决定作用的单个基因或微效多基因簇(cluster)。从理论上讲，任何一个可观察表型性状的基因座位都可在连锁图谱中找到一个与之连锁的DNA标记。因此，分析畜禽重要经济性状的QTL在基因组中的位置及其对表型的贡献，主要依赖于遗传连锁图谱。家畜多态分子标记遗传连锁图谱构建的快速进展，使得系统寻找影响经济重要性状的QTL成为可能。做法是：在一定的试验设计的基础上，(1) 记录数量性状的表型值；(2) 测定已知位置的多态遗传标记基因型；(3) 进行表型与标记等位基因间的统计关联分析；(4) 如果发现了连锁关系，则通过统计手段，推测与标记临近的QTL位置、效应值大小及QTL等位基因的频率。一旦在标记区间内发现存在QTL，下一步就是分离和鉴定QTL本身，即通过比较图谱研究法和组织特异性cDNA文库，来筛选候选基因。
1 家畜QTL定位的现状
目前各家畜数量性状基因定位的重点，奶牛为产奶量、乳蛋白与乳脂量、乳腺炎抗性及分娩难易等；肉牛为生长率；猪为产仔数、生长率、背膘厚和抗病性等。已发现的基因或区间有奶牛产奶量〔2〕，乳脂率和乳蛋白率，体细胞数和生产利用年限〔3〕；猪背膘厚及腹脂率〔4，5〕，猪胴体组成、肉质、蓄脂力、应激反应、头重、早期生长速度、活重和饲料转化率等〔6〕，猪的脊椎数、乳头数和4周龄体重等〔7〕。Arranzl等(1998)证实在奶牛的第20号染色体上有一影响产奶量的QTL〔8〕。1995年，美国得克萨斯州A M大学的Taylor等人，利用安格斯(Angus)、婆罗门(Brahman)及二者的杂种牛群体，研究胴体性状，定位了几个具有较大效应的QTL。这些性状有：肉质等级，大理石纹，Warner-Bratzler切割力，屠宰重，热胴体重，屠宰率，背最长肌胆固醇、饱和及不饱和脂肪酸含量等〔9〕。
2 家畜QTL定位的统计学方法
在寻找QTL时，有两种思路，一种是候选基因法，另一种是采用标记来定位QTL的统计学方法(QTL Mapping)。候选基因法费用低，操作简单，便于在MAS中应用。但候选基因法也有其严重缺陷，它的起始费用较高，容易受非候选基因的干扰，难于确定候选基因就是QTL。而QTL作图的统计学方法，可以采用覆盖整个基因组的标记所提供的信息，因此总可以找到QTL的存在，成功率较高。
对于QTL定位的统计学方法，可从不同角度予以分类。根据对QTL参数估计的类型，分为估计QTL替代效应(substitution effect)的方法和估计QTL方差组分(variance component)的方法。2.1 通过估计QTL替代效应定位QTL 这一类型的方法，包括方差分析(ANOVA)法或简单线性回归法(simple linear regression)；多元线性回归法(multiple linear regression)；最大似然区间作图法(maximum likelihood interval mapping)和复合区间作图法(composite interval mapping)。但这类方法存在一定的缺陷：1) 由于把QTL效应当作固定效应，使得对效应值的估计结果高于真值；2) 这些方法主要是为近交系间杂交(inbreed line crossing)而设计的，因此不适合具有复杂系谱结构，亲本连锁相未知，标记及QTL上的杂合度低(尤其对效应值较大的QTL，由于选择使得其在群体中得到固定)，标记\\|QTL连锁相在家系间差异较大的家畜群体。
将QTL作为固定效应对其定位，在家畜上的实例是Andersson等(1994)进行的。利用的材料是欧洲野猪与大白猪的杂交F2代，采用了分布于15条常染色体上的105个遗传标记。方法是Haley Knott等(1994)建立的QTL定位的最小二乘(least squares)法〔10〕。结果在第4号染色体上检出了对生长、小肠长度和脂肪沉积影响较大的QTL；在第13号染色上检出了影响早期生长的QTL。主要结果见表1。表1 猪生长和脂肪沉积性状的显效QTL位置及效应
性 状 F值 位置(cM) 加性效应 显性效应 占F2方差(%)
第4号染色体
初生～70kg日增重(g/d) 11.8 58 -23.5±4.9 0.7±7.3 11.9
小肠长度(m) 11.1 27 -0.87±0.18 0.03±0.27 11.3
平均背膘厚(mm) 18.0 3 2.30±0.42 1.47±0.65 17.6
腹脂率(%) 19.4 7 0.38±0.06 0.15±0.10 18.7
第13号染色体
初生～30kg日增重(g/d) 7.6 53 -13.5±3.6 6.0±5.2 7.5
引自资料〔4〕。2.2 通过估计QTL的方差组分定位QTL 在家畜群体中，由于：1) 双亲的QTL基因型未知；2) 不知道群体中QTL上等位基因的确切数目；3) 家系间基于标记基因型的QTL基因型的频率不同。鉴于这些复杂情况，将QTL的效应当作随机效应(random effect)比较现实。采用随机模型时，并不一定要求知道QTL的真实遗传方式。将QTL的效应当作随机效应，不仅可以估计出QTL的效应和位置，而且还能估计出QTL的方差贡献。这类方法有BLUP法，Bayes连锁分析法及基于混合线性模型的ML法和REML法。
Grignola(1996)将QTL作为随机效应，采用基于混合线性模型的REML法，利用多个连锁标记的信息和区间作图法，进行了模拟孙女设计(granddaughter designh，GDD)群体QTL的定位研究〔11〕。对于3种QTL模型，即QTL上有2个、多个(10个)等位基因和QTL效应在群体中为正态分布的情况，都得到了性状的遗传力(h2)，QTL等位基因方差对总加性遗传方差的贡献率(σ2v/σ2a)，QTL的位置(dQ)和残差方差(σ2e)的精确估计。3 QTL定位的随机效应模型 用于QTL参数估计和QTL定位，结合性状和标记信息的BLUP，谓之TM-BLUP。TM-BLUP法所采用的随机模型有两种形式，一是由Fernando Grossman(1989)提出的随机配子效应模型〔12〕，另一种为Goldgar〔13〕所采用的随机QTL效应模型。Goddard〔14〕 Van Arendonk等〔15〕对Fernando Grossman的随机配子效应模型作了修改，以使其能够处理多个标记连锁QTL。Goddard的模型适用于多个连锁标记，每个标记区间有1个QTL的情况；Van Arendonk的模型考虑的是多个不连锁标记，每个标记连锁一个QTL的情况。在Fernando Grossman提出的模型中，群体中每个个体的标记基因型已知，后来发展的一些方法允许在模型中可以包含没有标记信息的个体；还有人通过采用约化动物模型，或几个非连锁标记QTL的效应之和，减少了方程的数目，简化了运算。
基于标记信息的QTL的基因同源相等(IBD，identical by descnt)的概率，为TM-BLUP中混合线性模型方程组(MME)求解所必需。IBD值可通过单标记(sigle marker)或侧翼标记(flanking marker)所提供的信息来推算。4 QTL定位展望 QTL定位的统计学方法有着巨大的应用潜力。尤其是丰富的DNA多态性的存在，为这种方法的应用提供了可靠的保证。在QTL分析时，可以先采用相对比较简单的方法，如用最小二乘(Least Squares)法进行预分析，对QTL所处的区间作一初步确定，然后再采用基于混合线性模型的最大似然法或约束最大似然法，对QTL的参数和位置作出较为精确的估计。
随着饱和遗传连锁图谱的构建，以及高效统计分析方法的出现，畜禽标记辅助选择可望在本世纪末付诸应用。数量性状的遗传操纵也将最终得以实现。
