代谢物对于植物生长发育是必不可少的,也为人类社会提供必须资源。然而小麦在解析代谢组学的遗传结构方面尚未得到充分的研究。在本研究中,通过广泛靶向代谢组技术（LC-MS/MS）对小麦RIL（重组自交系）群体成熟籽粒进行代谢物检测,并进行代谢组连锁分析（m QTL）。总共检测到1260个代谢物,基于标准品,特征碎片离子以及多个代谢数据库的检索,鉴定出其中467种代谢物。为了解析其遗传基础,利用高密度遗传图谱,定位到1005个代谢数量性状位点（m QTL）,这些位点在全基因组上分布不均匀。根据定位结果、同源基因比对和基因组注释等手段,筛选出24个调控不同代谢物水平的候选基因,并对其中两个参与黄酮类化合物的糖基化修饰的基因进行体外酶活验证,构建黄酮和黄酮醇代谢网络。同时,通过结合代谢物-农艺性状相关性以及m QTL与表型QTL（p QTL）共定位分析,研究代谢物与农艺性状的遗传联系,并从中筛选出一个可能通过调节生长素积累量从而影响每穗粒数（NGPS）的候选基因,表明通过代谢组学解析复杂农艺性状的可行性。此外,还利用代谢组学数据,基于两种模型对17个小麦农艺性状进行了有效的预测,筛选出具有显著效应的代谢物（糖类、有机酸和植物激素等）,后续可以作为生物标志物辅助改良育种。该研究有助于理解小麦代谢的遗传机制,加快培育优质新品种。为更好地研究小麦籽粒代谢组的遗传调控,利用包含412份小麦材料的自然群体,通过高光谱和代谢组技术,进一步解析小麦籽粒代谢组丰富自然变异的遗传基础。在这项研究中,基于华中农业大学表型平台和代谢组学技术,共获得1593个高光谱指数和945种代谢物,其代谢物变异系数（67%）显著高于双亲群体（47%）,表明自然群体丰富的遗传多样性。相关性分析表明脂类、氨基酸、酚类以及维生素类代谢物与高光谱指数紧密相关（|r|＞0.5）,且利用高光谱数据基于偏最小二乘法模型（PLSR）可以对代谢物进行有效的预测（R~2＞0.5,140个）,特别是脂类代谢物。表明利用简便无损的高光谱技术代替质谱技术实现部分代谢物的定量的可行性。结合小麦重测序数据对相关性大于0.5以上的高光谱指数（230个）和代谢物（140个）进行全基因组关联分析（GWAS）,通过对数千个位点结合单倍型分析,筛选出50个影响多种代谢途径的候选基因并构建脂类和多酚类代谢网络。此外,还定位一些高光谱特异位点,体现出高光谱技术的优势。该项研究为研究小麦代谢组学提供了大量代谢相关位点,也提出了一种探索代谢物遗传基础的新思路和新方法,从而可以更好的解析小麦代谢物的自然变异。