前言： 仍然是三代测序数据的分析，宏基因组的文章中经常出现聚类热图和物种丰度图，用来直观地识别与某些疾病或者表型相关的菌群构成。
1.读取数据
一共有11个样本，每一个样本的测序reads都经过Nanopore官方的Epi2Me程序鉴定了物种，下表中第一列是被鉴定的菌种，第二列是该样本中每个物种产生的reads数目。
首先导入到R语言中，合并所有样本到一个数据框：
2.绘制热图
经过上一步，我们得到了列名为样本，行名为菌种的reads数据框，然后就可以绘制热图，进行聚类分析了：
绘制结果：
3.绘制物种丰度图
丰度图，其实就是堆积图，把每个样本的reads数目转换为百分数，然后作图就可以了：
绘制结果：
作业
读取文件用得比较多的参数有：
“header”，“sep”，“quote”，“na.strings”，“fill”，“strip.white ”，“blank.lines.skip”，“comment.char ”，“”等等。
read.csv里的参数不多，如运行以下命令时，读取文件用得比较多的参数有，“header”，“ sep ”，“ quote”，“dec”，“fill ”，“comment.char ”。
在RStudio中从文件夹“file”的子目录“New file”里打开R markdown：
了解markdown一些选项和图标的功能：
如图中的解释：
R语言中的pheatmap包是制作热图的一个工具，在基因表达中，根据得来的实验数据，在使用pheatmap制作的基因表达或其它测试结果的热图中，如可以用不同颜色展示基因的表达量的差异。
注：引用网上的数据( https://blog.csdn.net/sinat_38163598/article/details/72770404 )练习，刚接触，需要花一些时间去了解
补充：
1.今天涉及到一些快捷键的使用
输入简单的向量，paste和paste0输入方式是一样的，如：
输入多个向量，paste需要在每个向量间用sep = " "，分开。
热图（Heatmap）：用颜色变化直观的表达数据之间差异的图，是对实验数据进行质制和差异数据的展现，是数据挖掘类文章的标配。
例如上图，每个小方格表示每个基因，其颜色表示该基因表达量大小，表达量越大颜色越深（红色为上调，蓝色为下调）。每行表示每个基因在不同样本中的表达量情况，每列表示每个样品中所有基因的表达量情况。上方树形图表示对来自不同实验分组的不同样品的聚类分析结果
