已知15组共84个样本的cpm值，每组样本5至6个生物学重复，cpm值与分组信息被储存在2个txt文件中，用R语言计算

可以使用R语言中的edgeR包进行差异分析。

首先，读入数据。假设分组信息储存在group.txt文件中，cpm值储存在cpm.txt文件中，并且两个文件中的行数和顺序一致。

library(edgeR)

group <- read.table("group.txt", header=TRUE, sep="\t", row.names=1)
cpm <- read.table("cpm.txt", header=TRUE, row.names=1)

接着，构建一个DGEList对象。

y <- DGEList(counts=cpm, group=group$Group)

注意，这里需要将group信息从data frame中提取出来，并且要与cpm的行名对应。

然后，进行基础的数据处理。

y <- calcNormFactors(y)
keep <- rowSums(cpm(y) >= 1) >= 3
y <- y[keep, , keep.lib.sizes=FALSE]

这里使用calcNormFactors函数进行正规化，过滤掉低表达基因，并且不考虑样本库大小的影响。

最后，进行差异分析。

design <- model.matrix(~Group, data=group)
y <- estimateDisp(y, design)
fit <- glmQLFit(y, design)
qlf <- glmQLFTest(fit, coef=2)
topTags(qlf)

这里使用Group作为差异分析的因子，使用glmQLFit和glmQLFTest函数进行差异检验，并使用topTags函数输出显著差异基因。根据具体情况，可以调整差异分析的参数和输出结果的格式。