导读
记录要点：
1 LEfSe分析结果的header
2 comment.char="" 注释设为空，忽略行首的井号
3 quote="" 引用设为空，忽略description的引号
4 read.table(,stringsAsFactors=F)消除因子
5 data.frame(,stringsAsFactors=F)消除因子
6 kraken tax -> lefse tax转化
7 df[c(), ] 行名、行号挑选行
8 df[, c()] 列名、列号挑选列
9 df[, which(var1%in%var2)] 变量选列
10 df[which(var1%in%var2), ] 变量选行
读表选择适当的read.table参数：
header=T, sep="\t", row.names=1, na.string="", stringsAsFactors=F, quote="", comment.char="", check.names=F
一、读取KO LEfSe分析结果
1 读取原表
ko_sign = read.table("KO_Category1_lefse_LDA2.LDA.xls", sep="\t")
观察行数，read.table参数没问题
class发现默认读取的全是因子，因此后面要as.character转成字符窜
另一种方法是使用参数：stringsAsFactors=F
例如
test = read.table("KO_Category1_lefse_LDA2.LDA.xls", sep="\t", stringsAsFactors=F)
这样就好太多了
2 挑选组不为空(满足即可)，LDA>2，p<0.05，重命名
ko_sign = ko_sign[ko_sign$V3 != "", c(1,3,4,5)]
colnames(ko_sign)=c("mark", "group", "LDA", "p.value")
二、读取、提取KO丰度
1 读取原表
ko=read.table("All.KO.abundance_unstratified.xls", row.names=1, sep="\t", header=T, comment.char="", quote="")
两个必须参数：
comment.char="" 注释设为空，忽略行首的井号
quote="" 引用设为空，忽略description的引号
观察行数没问题
2 删除注释列，旋转，挑选显著KO丰度
ko=ko[, -ncol(ko)]
ko=data.frame(t(ko))
ko_abun=ko[, ko_abun=ko[, as.character(ko_sign[,1])]]
三、读取物种 LEfSe分析结果
lefse taxonomy格式
tax_sign = read.table("Category1_Species_lefse_LDA2.LDA.xls", header=F, sep="\t", stringsAsFactors=F)
tax_sign = tax_sign[tax_sign$V3 != "", c(1,3,4,5)]
colnames(tax_sign)=c("mark", "group", "LDA", "p.value")
四、读取、提取KO丰度
1 处理、读取丰度表
linux中初步处理原表
处理前：
system("cat otu_table.Species.relative.xls | sed 's/;$//' | sed 's/\./_/g' | sed 's/;/./g' | sed 's/-/_/g' > otu_table.Species.relative2.xls")
1 去掉行尾分号
2 .换成下划线
3 分号换成点
4 -号换成_
处理后：
windows中将数字里的.替换号，[ ]换成；
这样处理游戏额数字会转成科学计数，如： 6.6410216446913e.05
因为linux命令把-转成了.
但是R语言可识别的科学计数是，如：7.60201119327925E-06
可用原表的丰度代替即可，保存txt文件otu_table.species.relative2.txt
tax_abun = read.table("otu_table.species.relative2.txt", header=T, sep="\t", check.names=F, row.names=1, stringsAsFactors=F)
2 提取显著species丰度
tax_abun = read.table("otu_table.species.relative2.txt", header=T, sep="\t", check.names=F, row.names=1, stringsAsFactors=F)
tax_abun = tax_abun[which(tax_abun$Tax_detail%in%tax_sign[,1]), ]
tax_abun = tax_abun[, -ncol(tax_abun)]
tax_abun = data.frame(t(tax_abun), stringsAsFactors = F)
data.frame(df, stringsAsFactors = F)数据框因子转字符
