全基因组关联分析（Genome-wide association study, GWAS）已经发现了大量疾病和数量性状相关的基因和SNP。但是，相对于大量的GWAS数据，被验证的阳性结果仅占很小的一部分，只解释了部分遗传力。

GWAS丢失遗传力的原因主要有3个方面：

首先，GWAS本身是利用大规模SNP信息进行的队列研究，是基于多重假设的统计模型进行的分析。模型本身要求在进行大量位点的关联分析时，P值要非常小（通常为P<10E-08），才能获得可靠的阳性结果，但P值设置阈值过低会带来较多的假阴性结果（相关阳性位点的遗漏）。

其次，GWAS本身是一种关联分析，关联的阳性位点不一定是真正的致病位点，可能只是一个标签SNP，是由于附近存在真正的致病位点或稀有变异的累加效应导致TagSNP在GWAS分析中可检测到阳性信号，真正起作用的casual基因或变异可能距离阳性信号位点很远，并具有更低的等位基因频率。

第三，复杂性状受到基因-基因，基因-环境的相互作用的影响， GWAS分析很难将上述重要的影响因素考虑进去。

二代测序成本的降低，为GWAS结果的大规模重测序验证提供了契机。后GWAS时代的主要任务是在大规模人群样本中对候选基因进行深度测序，获取目标区间/基因的全部序列变异，然后对变异进行注释，找到真正的致病位点。这有别于其他TagSNP的case-control关联分析、模式动物的研究方法，是变异-疾病相关的直接证据，找回GWAS丢失遗传力的方法之一。

目前针对目标区间重测序的技术主要有Sanger测序（一代测序）、探针杂交捕获建库+第二代测序技术(Next Generation Sequencing, NGS)和多重PCR捕获+NGS等3种方法。多重PCR捕获+NGS技术对5kb-200kb区间高深度测序，进行序列分析具有无与伦比的优势。主要表现在3点：第一，多重PCR扩增建库可高效的捕获目标区段，一次PCR过程中捕获所有目标片段，实验流程方便、快捷，大大降低了捕获成本；第二，可以添加不同的barcode区分不同的样本，一次上机可以对海量的样本目标区间进行序列分析，降低了测序成本。数万元的经费，就可以完成上千样本数个候选基因的重测序。第三， SNP\Indel信息提取的生信分析软件已经趋于成熟稳定，可适用于各种二代测序平台的序列变异分析。这些优点都提高了二代测序应用于大队列样本序列分析的可行性。