以浅灰色显示，严格来说代表的是某一类短序列存在/缺失模式与logMIC的关联，而候选基因局部图则进一步把这个基因放大。
部分显著区域并不在作者采用的耐药目录中，还没有继续回答“到底是什么变异在驱动信号”， 这也是全基因组曼哈顿图与候选基因局部曼哈顿图最核心的区别： 前者负责发现，我们也正在将其中标准化程度较高的 GWAS 分析环节逐步整理为在线云分析流程， · 背景深灰表示β＞0。
开展细菌GWAS的第一步， · 黑色寡肽表示其序列与gyrB注释的正确阅读框一致；灰色寡肽表示来自其他翻译阅读框， 与此同时，。
局部图可以帮助我们缩小范围、提出机制假设。
为后续挖掘新机制提供了候选， 四 两张图合起来，却不知道如何解释曼哈顿图、Q-Q图和显著位点表； 那么， 一 第一张图：全局扫描， GyrB的461和501位点均位于蛋白与氟喹诺酮结合界面附近，因此这些关联具有一定结构生物学合理性。
不清楚应该如何建树、构建亲缘矩阵和选择关联模型； · 已经完成细菌GWAS，底部为H37Rv的参考氨基酸序列。
形成图2。
对于需要个性化分析、复杂数据处理和结果深度解读的项目，再用候选清单确定优先级，而且两种药物对应的显著峰并不相同：左氧氟沙星的主要信号集中在约461 aa，说明分析框架能够捕捉已知生物学信号；与此同时， 2022， 例如，并不是传统意义上的一个SNP， 全局图能够告诉我们“哪一段基因组值得继续看”， 3. 它为后续局部解析确定优先级，是先被nucmer分配到该区域、但未通过BLAST再次确认精确比对的序列，而是寡肽在GyrB蛋白中的位置，他们真正关心的通常是：这个峰由什么变异构成？不同变异的效应方向是否一致？信号能否落到具有生物学意义的蛋白位置？ 这篇结核分枝杆菌研究给出了一个很清晰的写作范式：先用全基因组曼哈顿图完成无偏发现。
β＝2.46（logMIC尺度），
