BSA作为基因组学中基因挖掘的三板斧之一，最大优点是高效、经济、简便。通过选择双亲群体分离后代中具有极端表型的个体进行混样，然后比较不同极端混样池之间的多态性并结合表型进行目标基因定位，主要用于受环境影响较小的质量性状基因或主效基因的初步定位。
下面几张图表较为全面地总结了BSA的方方面面，值得详细查看和研究。
BSA的发展
BSA分析框架
BSA流程及影响因素
BSA的群体
图中简写：
H&D, chromosome haploidization and doubling; BC, backcross; BIL, backcross inbred line; DH, double haploid; IM, intermating; MAGIC, multiparent advance generation intercross; CP, common parent; NAM, nested association mapping; NIL, near-isogenic line; RIL, recombinant inbred line; TC, testcross; TTC, triple testcross; sTTC, simplified triple testcross; NCD, North Carolina Design.
BSA的算法
BSA的软件
BSA遗传群体、算法和软件的对应关系
此外，华中农大李林组2022年开发了基于深度学习算法的DeepBSA软件，其中还内置了ED4、delta SNP_index、G'、Ridit和SmoothLOD等五种广泛使用的算法。有Window和Linux两个系统版本。
具体参考：
https://github.com/lizhao007/DeepBSA
小编有测试该软件，但尚未在实际项目中与其他软件结果做比较。后续若有合适的数据，可以发布结果共享给大家。
参考资料：
Zou C, Wang P, Xu Y. Bulked sample analysis in genetics, genomics and crop improvement. Plant Biotechnol J. 2016;14(10):1941-1955. doi:10.1111/pbi.12559
Li Z, Xu Y. Bulk segregation analysis in the NGS era: a review of its teenage years. Plant J. 2022;109(6):1355-1374. doi:10.1111/tpj.15646
https://zhuanlan.zhihu.com/p/451010240