
library(testthat)

source("user_code.R")
test_that("mean_control is correct", {
  expect_true(exists("mean_control"), info = "mean_control should exist.")
  expect_type(mean_control, "double")
  expect_equal(mean_control, mean(c(5.2, 4.8, 5.0)), tolerance = 1e-8)
})

test_that("mean_treated is correct", {
  expect_true(exists("mean_treated"), info = "mean_treated should exist.")
  expect_type(mean_treated, "double")
  expect_equal(mean_treated, mean(c(7.1, 7.3, 6.9)), tolerance = 1e-8)
})

test_that("test_result is a t.test object and result is correct", {
  expect_true(exists("test_result"), info = "test_result should exist.")
  expect_s3_class(test_result, "htest")
  expect_equal(test_result$p.value, t.test(c(5.2, 4.8, 5.0), c(7.1, 7.3, 6.9))$p.value, tolerance = 1e-8)
})

test_that("interpretation is a string and matches p-value significance", {
  expect_true(exists("interpretation"), info = "interpretation should exist.")
  expect_type(interpretation, "character")
  pval <- test_result$p.value
  if (pval < 0.05) {
    expect_equal(interpretation, "There is a statistically significant difference in gene expression between control and treated samples.")
  } else {
    expect_equal(interpretation, "There is no statistically significant difference in gene expression between control and treated samples.")
  }
})

test_main.R

En praktisk introduktion til R-programmering tilpasset biologer og bioinformatikere. Lær at analysere, visualisere og fortolke biologiske data ved hjælp af R med virkelighedsnære eksempler fra genomik, økologi og eksperimentel biologi.

Lær det grundlæggende i R-programmering med fokus på biologiske data, herunder variabler, datatyper og grundlæggende datamanipulation.

Dyk ned i statistiske metoder til analyse af biologiske data, herunder beskrivende statistik, hypoteseprøvning og fortolkning af resultater.

Behersk kunsten at visualisere biologiske data ved hjælp af R, fra grundlæggende diagrammer til mere avancerede visualiseringer relevante for eksperimenter.

Lær at arbejde med genomiske data og udvikle reproducerbare arbejdsgange til videnskabelig forskning i R.

Challenge: Reproducerbar Analyse

Løsning