
library(testthat)

source("user_code.R")
test_that("creates a histogram of expression", {
  expect_silent(hist(sample_data$expression, main = "Histogram of Gene Expression", xlab = "Expression Level"))
})

test_that("creates a boxplot of expression by treatment", {
  expect_silent(boxplot(expression ~ treatment, data = sample_data, main = "Expression by Treatment", xlab = "Treatment", ylab = "Expression Level"))
})

test_that("creates a scatterplot of expression vs time", {
  expect_silent(plot(sample_data$time, sample_data$expression, main = "Expression Over Time", xlab = "Time (hours)", ylab = "Expression Level", pch = 19, col = "blue"))
})

test_that("histogram_conclusion is a non-empty string", {
  env <- new.env()
  sys.source("user_code.R", envir = env)
  expect_true(exists("histogram_conclusion", envir = env), info = "histogram_conclusion variable does not exist")
  val <- get("histogram_conclusion", envir = env)
  expect_type(val, "character")
  expect_true(nzchar(val), info = "histogram_conclusion is an empty string")
})

test_that("boxplot_conclusion is a non-empty string", {
  env <- new.env()
  sys.source("user_code.R", envir = env)
  expect_true(exists("boxplot_conclusion", envir = env), info = "boxplot_conclusion variable does not exist")
  val <- get("boxplot_conclusion", envir = env)
  expect_type(val, "character")
  expect_true(nzchar(val), info = "boxplot_conclusion is an empty string")
})

test_that("scatterplot_conclusion is a non-empty string", {
  env <- new.env()
  sys.source("user_code.R", envir = env)
  expect_true(exists("scatterplot_conclusion", envir = env), info = "scatterplot_conclusion variable does not exist")
  val <- get("scatterplot_conclusion", envir = env)
  expect_type(val, "character")
  expect_true(nzchar(val), info = "scatterplot_conclusion is an empty string")
})

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: Visualisering af Eksperimentelle Data

Løsning