基于限制位点相关DNA （Restriction-site Associated DNA，RAD）的测序技术，即RAD-seq，是一种对酶切产生的基因组标签序列（Tags）进行高通量测序的新技术，该技术能够大幅降低基因组的复杂 度，可快速在全基因组范围内鉴定出高密度的SNP位点。
      对没有参考基因组的物种而言，RAD-seq技术不受已知基因组序列的限制，即可大规模筛查SNP位点；基因组的复杂度被大幅降低，从而降低了测序成本， 因而特别适合在群体水平进行研究； 以往的技术在获得SNP位点信息之后，需要通过设计相应引物，再利用基因分型技术对每个样本进行分型，然后RAD-seq技术获得SNP位点信息的同时， 也就获得了每个样本的基因型。对有参考基因组的物种而言，数据分析更加简便，并且能够有效开发新的SNP位点。另外，我们可以在测序前，通过对限制性内切 酶进行选择，灵活调整Tags的复杂度，适应不同的研究需要。
      获得的大量SNP分型信息，主要可用于遗传连锁图谱的构建，QTL定位和群体遗传分析。此外，还可以在全基因组测序项目中辅助序列的组装。

文库构建技术流程：

http://www.ebioservice.com/webeditor/uploadfile/201303/20130321222701604.jpg

图1. RAD-seq文库构建流程（Baird等，PLoS ONE，2008）

A.对基因组进行酶切后，连接P1接头（含有barcode）；
B. 随机打断；
C. 连接P2接头；
D. 通过PCR筛选同时带有P1和P2接头的序列；片段大小选择；测序。

数据分析流程：

http://www.ebioservice.com/webeditor/uploadfile/201303/20130321222901633.jpg

图2. RAD-seq数据分析流程

数据分析内容：
1. 遗传连锁分析
测序策略
(1) PE100测序；
(2) 亲本：分别10X以上；
(3) 子代：F1、F2 等临时性群体，推荐每个个体平均测序深度为0.8-1X；RIL、DH等永久性群体，推荐每个个体平均测序深度为0.6X。

基础信息分析
(1) 对于无参考基因组的物种，进行个体 RAD tag 聚类与群体 RAD tag 聚类；对于有参考基因组的物种，与参考基因组进行比对；
(2) SNP 检测

高级信息分析
(1) 遗传图谱构建
(2) QTL 定位（需提供表型数据）

2. 群体遗传学分析

测序策略
(1) PE100测序；
(2) 推荐每个个体平均测序深度为基因组大小1.5 X。

基础信息分析
(1) 对于无参考基因组的物种，进行个体 RAD tag 聚类与群体 RAD tag 聚类；对于有参考基因组的物种，与参考基因组进行比对；
(2) SNP 检测

高级信息分析
(1) 进化树分析（Phylogeny tree）
(2) 群体结构分析（Structure）
(3) 群体主要成分分析（PCA）