
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

Eine praxisorientierte Einführung in die R-Programmierung, zugeschnitten auf Biologen und Bioinformatiker. Analyse, Visualisierung und Interpretation biologischer Daten mit R anhand von praxisnahen Beispielen aus Genomik, Ökologie und experimenteller Biologie.

Erlernen Sie die Grundlagen der R-Programmierung mit Schwerpunkt auf biologischen Daten, einschließlich Variablen, Datentypen und grundlegender Datenmanipulation.

Vertiefung in statistische Methoden zur Analyse biologischer Daten, einschließlich zusammenfassender Statistiken, Hypothesentests und Interpretation von Ergebnissen.

Beherrschen Sie die Kunst der Visualisierung biologischer Daten mit R, von einfachen Diagrammen bis hin zu fortgeschrittenen Visualisierungen, die für Experimente relevant sind.

Erlernen Sie den Umgang mit genomischen Daten und die Entwicklung reproduzierbarer Workflows für wissenschaftliche Forschung in R.

Challenge: Reproduzierbare Analyse

Lösung