已知log2(cpm+1)，共15组样本，每组样本5至6个生物学重复，表达矩阵和样本分组信息分别保存在2个txt文件中，计算15组样本的欧氏距离，并将其可视化

好的，根据您的要求，我们可以按照以下步骤计算15组样本的欧氏距离，并将其可视化：

1. 首先读取表达矩阵和样本分组信息的txt文件，并将表达矩阵转换为一个15行n列的矩阵，其中n为基因数目，并计算每组样本的均值。代码如下：

# 读取表达矩阵和样本分组信息的txt文件
exp_matrix <- read.table("expression_matrix.txt", header = TRUE, row.names = 1)
group_info <- read.table("group_info.txt", header = TRUE)

# 计算每组样本的均值
mean_exp <- aggregate(exp_matrix, by = list(group_info$Group), FUN = mean)
rownames(mean_exp) <- mean_exp$Group
mean_exp <- mean_exp[, -1]

其中，expression_matrix.txt文件包含表达矩阵，第一列为基因名，其余列为样本名；group_info.txt文件包含样本的分组信息，第一列为样本名，第二列为所属组别。

2. 对每组样本的log2(cpm+1)数据进行Z-score标准化，使得距离计算时不受样本大小的影响。代码如下：

# 对表达矩阵进行Z-score标准化
cpm_matrix <- log2(exp_matrix + 1)
cpm_zscore <- t(scale(t(cpm_matrix)))

其中，使用scale函数进行Z-score标准化。

3. 接下来，计算15组样本的欧氏距离矩阵，代码如下：

# 计算欧氏距离矩阵
distance_matrix <- dist(cpm_zscore, method = "euclidean")

4. 将距离矩阵转换为数据框，并对样本进行分组，方便后续可视化处理，代码如下：

# 将距离矩阵转换为数据框
dist_df <- as.data.frame(as.matrix(distance_matrix))
colnames(dist_df) <- rownames(dist_df) <- rownames(mean_exp)
dist_df$sample1 <- rep(group_info$Group, each = ncol(exp_matrix))
dist_df$sample2 <- rep(group_info$Group, each = ncol(exp_matrix))
dist_df$distance <- as.vector(distance_matrix)

# 绘制热图
library(ggplot2)
ggplot(data = dist_df, aes(x = sample1, y = sample2, fill = distance)) +
  geom_tile() +
  scale_fill_gradient(low = "white", high = "red") +
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))

其中，将距离矩阵转换为数据框的目的是为了方便ggplot2包绘制热图。在绘制热图时，我们使用geom_tile函数来绘制矩形，其中填充颜色由distance列的值决定。scale_fill_gradient函数用于设置填充颜色的渐变，theme函数则用于设置x轴标签的旋转角度等样式。

5. 最后，运行上述代码即可得到样本距离的热图可视化结果。

需要注意的是，由于每组样本只有5至6个生物学重复，因此在进行距离计算和可视化时，需要考虑到生物学重复的影响。一般可以使用每组样本的均值作为样本的表达量，并进行Z-score标准化，以消除生物学重复带来的噪音。