
library(testthat)

source("user_code.R")
test_that("function returns a list with correct names", {
  expect_true(exists("result"), info = "Result object should exist.")
  expect_true(is.list(result), info = "Result should be a list.")
  expect_true(all(c("subset_matrix", "avg_expression") %in% names(result)), info = "List should contain 'subset_matrix' and 'avg_expression'.")
})

test_that("subset_matrix contains correct genes and samples", {
  expected_genes <- c("GeneA", "GeneC")
  expected_samples <- c("Sample1", "Sample3")
  sm <- result$subset_matrix
  expect_true(is.matrix(sm), info = "subset_matrix should be a matrix.")
  expect_equal(rownames(sm), expected_genes, info = "Rows should match selected genes.")
  expect_equal(colnames(sm), expected_samples, info = "Columns should match selected samples.")
})

test_that("avg_expression is named numeric vector with correct values", {
  expected_genes <- c("GeneA", "GeneC")
  sm <- result$subset_matrix
  expected_avg <- rowMeans(sm)
  avg <- result$avg_expression
  expect_true(is.numeric(avg), info = "avg_expression should be numeric.")
  expect_equal(names(avg), expected_genes, info = "avg_expression should be named by gene.")
  expect_equal(as.numeric(avg), as.numeric(expected_avg), tolerance = 1e-8, info = "Averages should be correct.")
})

test_that("works with single gene selection", {
  single_gene <- c("GeneB")
  sg_result <- subset_gene_expression(expr_matrix, single_gene, sample_names)
  expect_equal(rownames(sg_result$subset_matrix), single_gene, info = "Single gene row name should match.")
  expect_equal(length(sg_result$avg_expression), 1, info = "Should return one average value for single gene.")
})

test_that("works with single sample selection", {
  single_sample <- c("Sample2")
  ss_result <- subset_gene_expression(expr_matrix, gene_names, single_sample)
  expect_equal(colnames(ss_result$subset_matrix), single_sample, info = "Single sample col name should match.")
  expect_equal(length(ss_result$avg_expression), 2, info = "Should return average for each gene (2 genes).")
  expect_equal(as.numeric(ss_result$avg_expression), as.numeric(ss_result$subset_matrix[,1]), tolerance = 1e-8, info = "Average should equal value for single sample.")
})

test_main.R

Una introducción práctica a la programación en R diseñada para biólogos y bioinformáticos. Aprenda a analizar, visualizar e interpretar datos biológicos utilizando R, con ejemplos reales de genómica, ecología y biología experimental.

Aprende los conceptos esenciales de la programación en R con un enfoque en datos biológicos, incluyendo variables, tipos de datos y manipulación básica de datos.

Profundización en métodos estadísticos para analizar datos biológicos, incluyendo estadísticas descriptivas, pruebas de hipótesis e interpretación de resultados.

Domina el arte de visualizar datos biológicos utilizando R, desde gráficos básicos hasta visualizaciones más avanzadas relevantes para experimentos.

Aprende a trabajar con datos de estilo genómico y a desarrollar flujos de trabajo reproducibles para la investigación científica en R.

Challenge: Manipulación de Datos Genómicos

Solución