如何使用phyloseq将拆分的分组变量数据合并为单一变量？

这个问题在多人协作录入数据时特别常见，别担心，用phyloseq配合简单的分组映射就能轻松搞定，我给你一步步拆解：

1. 先定义子组到大分组的映射关系 #

首先你需要明确所有子组对应的大分组，把这个对应关系做成一个命名向量——名字是你的子组名称，值是对应的大分组：

# 定义子组 -> 大分组的映射
group_mapping <- c(
  red = "Red Wine",
  Red = "Red Wine",
  RedWine = "Red Wine",
  water = "Water",
  Water = "Water",
  white = "White Wine",
  White = "White Wine"
)

如果后续还有更多大小写变体（比如RED），可以先统一子组名称的大小写再做映射，避免遗漏：

# 先统一子组名称为小写（假设子组名是样本名或样本数据里的字段）
normalized_subgroups <- tolower(your_subgroup_vector)
# 调整映射为小写键
group_mapping <- c(
  red = "Red Wine",
  redwine = "Red Wine",
  water = "Water",
  white = "White Wine"
)

2. 将映射添加到phyloseq的样本数据中 #

假设你的phyloseq对象名为ps，先提取样本数据，然后添加新的大分组列：

# 提取样本数据
sam_data <- sample_data(ps)

# 情况1：子组是样本名（即phyloseq的样本名是red/Red这类）
sam_data$Total_Group <- group_mapping[rownames(sam_data)]

# 情况2：子组在样本数据的某一列（比如列名为Original_Group）
# 可以用dplyr的recode函数，或者base R的match
library(dplyr)
sam_data$Total_Group <- recode(sam_data$Original_Group, !!!group_mapping)

# 别忘了更新phyloseq对象的样本数据
sample_data(ps) <- sam_data

3. 检查映射是否完整 #

一定要确认所有子组都匹配到了大分组，避免遗漏：

# 找出未匹配到分组的样本
missing_samples <- rownames(sam_data)[is.na(sam_data$Total_Group)]
if (length(missing_samples) > 0) {
  warning("注意：以下样本未匹配到大分组，请检查映射：", paste(missing_samples, collapse = ", "))
}

4. 合并大分组的丰度数据 #

如果需要把同一大分组的样本丰度求和合并，用phyloseq自带的merge_samples函数：

# 按新的Total_Group分组合并样本，求和丰度
ps_merged <- merge_samples(ps, group = "Total_Group", fun = sum)

# 合并后样本名会变成大分组名称，你可以调整样本数据的标识
sample_data(ps_merged)$Sample_Group <- sample_names(ps_merged)

这样处理后，你的phyloseq对象就有了统一的大分组，后续分析（比如α多样性、β多样性或者差异分析）就能基于这些大分组来做啦。

内容的提问来源于stack exchange，提问作者Rasmus