参考： https://grunwaldlab.github.io/analysis_of_microbiome_community_data_in_r/index.html

R是一门关注统计学、数据科学、可视化的编程语言。它可以再所有的公共操作系统安装，R语言可以从如下地址下载： https://cran.r-project.org/

RStudio是一个交互式的开发环境（ “Integrated Development Environment” ，IDE），即“带有额外编程相关工具的文本编辑器”。RStudio使得R用起来更简单，但是不依赖于R。大多数R语言用户都会使用RStudio, 因此我们推荐使用这个作为工作界面。 RStudio的主要版本是免费开源的，可以通过如下地址下载： https://www.rstudio.com/products/rstudio/download/#download

除了R语言安装过程中包含的包，安装R包是很普遍的。 R语言包是以标准化方式打包到一起的工具的集合，很容易安装。实际上，R语言中的大多数功能是来自于R包，而非基础的R。下面的包将用在这个基础教程中。点击它们的名字就可以跳转到这个包的文档页面：

我们写和活跃地维护了metacoder(Foster, Sharpton, and Grünwald 2017) 和taxa(Foster, Chamberlain, and Grünwald 2018)， 因此他们非常依赖于这个基本教程。 更多用于微生物组数据分析的R资源可以通过如下链接获取： https://microsud.github.io/Tools-Microbiome-Analysis/ 你可以在R语言编译器中输入下面的代码来安装这些包：

如果安装不成功，可以尝试安装内次安装一个包（如：install.packages("taxa")），然后查找错误信息。通常问题是需要安装一个非R依赖项，如何安装它取决于你的操作系统。将错误信息复制到Google通常可以帮你找出错误原因。如果一个包已经被正确安装，你应该能够用library来加载它（如：library(phyloseq)）。 如果你想检测通过开源的Rstudio检查软件是否安装成功，运行下面的代码。如果你使用R或RStudio需要帮助，查看附件：

如果你看到了上面的图片，那么祝贺你。你现在应该已经获得这个工作所需的使用R的所有集合。如果你不能够看到这个图，那么请将下面代码运行的结果发邮件给我们，帮助我们排除这个问题的故障。

在这个workshop中，我们会使来自Wagner et al. (2016)的数据，一个探索植物年龄、基因型、环境对严格布氏小蠊（Boechera stricta，芥菜科多年生草本植物）的细菌群落的影响的研究。Wagner et al. (2016)发布了这篇文章的原始数据，它可以再在 dryad的此处获取。这是一个分享你的原始数据的好例子。 这个数据的副本已经包含在这个网站，能够通过下面的链接下载。

sample data是一个表格，每一行是一个样品，样品的信息在每一列，如：植物的基因型和产地。它是一个170kb的以tab分割的文本文件。 SMD.txt

这个表有每个样品的每个OTU的reads数目。它是一个6Mb压缩的以tab分割的文本文件。 otuTable97.txt.bz2

这个文件有每个OTU的taxonomic classifications，它是一个6Mb的tab键分割的文本文件。 taxAssignments97.txt

大多数处理高通量amplicon数据的pipeline，例如mothur, QIIME和dada2， 都会产生一个read数目的矩阵。矩阵的一个维度（行或者列）由 Operational Taxonomic Units (OTUs), phylotypes, or exact sequence variants (ESVs)（所有都是二进制的相似读段序列） 组成。另一维由samples组成。不同的工具将期望或者输出不同方向的矩阵，但是在我们的案例中，列是samples，行是OTUs。有时候OTU数据矩阵丰度是两个分开的表格。通常有另外一个行是样本信息的表格。这使得增加很多额外的可作为子集数据的样本数据列更加简单。每一个样本和OTU都有独一无二的ID。

如果数据已经格式化得很好了，导入数据到R是很简单的，否则可能是一个令人沮丧的过程。 .csv (comma-separated value)或.tsv (tab-separated value)是格式化好的数据，每一个都是一个单独的表格，没有额外的评论或者形式（如：合并的单元格）。这些格式化的文件都可能有.txt后缀（后缀不是真正重要的，它是针对人的，不是针对计算机的）。正确的数据格式化的更多信息，可以看我们的重现研究指南的数据格式化小节。只要可能，您应该始终导入原始输出数据，并避免任何“手动”操作（如：non-scripted）去修改数据，特别是Excel程序，可能会不时地篡改数据 (Zeeberg et al. (2004))。 在这个workshop中，我们将使用来自Wagner et al. (2016)的数据，一个探索植物年龄、基因型、环境对严格布氏小蠊（Boechera stricta，芥菜科多年生草本植物）的细菌群落的影响的研究。这里是由Mary Ellen Harte拍摄的Boechera stricta的照片：

Wagner et al. (2016)发布了这篇文章的原始数据，它可以再在 dryad的此处获取。这是一个分享你的原始数据的好例子。 有很多functions可以用来读取扁平化数据，包括base R的方法，如read.table和read.csv,但是我们将使用readr package中的函数，其返回tibbles而不是data.frame(R语言中的“table”)。

Tibbles是一种具有更优美输出和更一致表现的data.frame。点击此处下载OTU表。让我们先读取原始的OTU表：