2.0.1核心观察数据

核心“观察”数据在BIOM格式文件中存储在稀疏或密集矩阵中，并且稀疏矩阵支撑件通过R侧通过矩阵包。变量X1和X2从BIOM文件中分配的上面具有类似（但不是相同）的数据。它们足够小，可以在R会话中直接观察到标准输出中的表：

BioM_data（x1）

## 5 x 6类“DGEMATRIX”矩阵## Sample1 Sample2 Sample3 Sample4 Sample5 Sample6 ## GG_OTU_1 0 0 1 0 0 0 0 0 ## 1 ## GG_OTU_3 0 0 1 4 2 0＃GG_OTU_4 21 1 0 0 1 ## GG_OTU_5 0 1 1 0 0 0

Biom_data（x2）

## 5 x 6类“DGCMATRIX”稀疏矩阵## Sample1 Sample2 Sample3 Sample4 Sample5 Sample6 ## GG_OTU_1。。1。。。## GG_OTU_2 5 1。2 3 1 ## GG_OTU_3。。1 4。2 ## GG_OTU_4 2 1 1。 . 1 ## GG_OTU_5 . 1 1 . . .

正如你可以看到的那样，X1和X2通过略微不同的矩阵类以r表示，基于数据自动分配。但是，R中的大多数操作将自动理解，您不应该担心精确的矩阵类。但是，如果您尝试使用的R函数遇到了这些鸽友类的问题，您可以将数据轻松介绍到简单的标准“矩阵”使用课程使用作为功能：

AS（BIOM_DATA（X2），“矩阵”）

## Sample1 Sample2 Sample3 Sample4 Sample5 Sample6 Sample6 ## GG_OTU_1 0 0 1 0 0 0 0 ## 1 ## GG_OTU_3 0 0 1 4 0 2＃GG_OTU_4 2 1 1 0 0 1 ## GG_OTU_5 0 1 10 0 0.

2.0.2观察元数据

观察元数据是与在样本中计数/记录的各个单元相关联的元数据，而不是对样本本身的性质的测量。例如，对于微生物组人口普查数据，观察元数据通常是分类学分类以及可能对特定OTU /物种中所知的任何其他内容。对于其他类型的数据，它可能是关于特定基因组，基因家族，途径等所知的元数据在这种情况下，观察结果是OTU的数量，并且元数据是分类分类，如果存在。当我们看到最小的情况时，也支持缺乏观察元数据X1和X2，我们看到的地方。

观察_metadata（x1）

＃＃ 空值

观察_metadata（x2）

＃＃ 空值

观察_metadata（x3）

## taxonomy1 taxonomy2 taxonomy3 ## GG_OTU_1 k__Bacteria p__Proteobacteria c__Gammaproteobacteria ## GG_OTU_2 k__Bacteria p__Cyanobacteria c__Nostocophycideae ## GG_OTU_3 k__Archaea p__Euryarchaeota c__Methanomicrobia ## GG_OTU_4 k__Bacteria p__Firmicutes c__Clostridia ## GG_OTU_5 k__Bacteria p__Proteobacteria c__Gammaproteobacteria ## taxonomy4 taxonomy5 taxonomy6 ## GG_OTU_1 o__Enterobacteriales f__Enterobacteriaceae g__Escherichia ## GG_OTU_2 o__Nostocalesf__Nostocaceae g__Dolichospermum ## GG_OTU_3 o__Methanosarcinales f__Methanosarcinaceae g__Methanosarcina ## GG_OTU_4 o__Halanaerobiales f__Halanaerobiaceae g__Halanaerobium ## GG_OTU_5 o__Enterobacteriales f__Enterobacteriaceae g__Escherichia ## taxonomy7 ## GG_OTU_1 S__ ## GG_OTU_2 S__ ## GG_OTU_3 S__ ## GG_OTU_4 s__Halanaerobiumsaccharolyticum ## GG_OTU_5 S__

观察_metadata（x4）[1：2，1：3]

## caxonomy1分类y2分类术3 ## gg_otu_1 k_bacteria p__proteobacteria c__gammaproteobacteria ## gg_otu_2 k__bacteria p__cyanobacteria c_nostocophycideae

类（观察_metadata（x4））

## [1]“data.frame”

2.0.3样本元数据

同样，我们可以访问元数据 - 如果可用 - 则描述样本的属性。我们使用该样本元数据访问此示例元数据sample_metadata.功能。

sample_metadata（x1）

＃＃ 空值

sample_metadata（x2）

＃＃ 空值

sample_metadata（x3）

## BarcodeSequence LinkerPrimerSequence BODY_SITE说明##样本1 CGCTTATCGAGA CATGCTGCCTCCCGTAGGAGT肠道人体肠道内##样本2 CATACCAGTAGC CATGCTGCCTCCCGTAGGAGT内脏人体内脏样品3 ## CTCTCTACCTGT CATGCTGCCTCCCGTAGGAGT肠道人体肠道内## Sample4 CTCTCGGCCTGT CATGCTGCCTCCCGTAGGAGT皮肤人的皮肤##实例5 CTCTCTACCAAT CATGCTGCCTCCCGTAGGAGT皮肤人的皮肤## Sample6 CTAACTACCAATCatgctgccctcccgtaggagt皮肤人体皮肤

sample_metadata（x4）[1：2，1：3]

## BarcodeSequence LinkerPrimersequence Body_site ## Sample1 CGCTTATCGAGA CatGCTGCCTCCCGTAGGAGT GUT ## Sample2 Catackagtagc CatGCTGCCTCCCGTAGGAGT GUT

类（Sample_metadata（x4））

## [1]“data.frame”

2.0.4绘图

其他R函数可以访问数据。

绘图（BioM_data（x4））

Boxplot（as（bioM_data（x4），“向量”））

Heatmap（如（BioM_data（x4），“矩阵”）））