
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

Käytännönläheinen johdatus R-ohjelmointiin, joka on suunnattu biologeille ja bioinformaatikoille. Opettele analysoimaan, visualisoimaan ja tulkitsemaan biologista dataa R:n avulla, käyttäen esimerkkejä genomiikasta, ekologiasta ja kokeellisesta biologiasta.

Opi R-ohjelmoinnin perusteet keskittyen biologiseen dataan, mukaan lukien muuttujat, tietotyypit ja perusdatan käsittely.

Syvenny tilastollisiin menetelmiin biologisten aineistojen analysoinnissa, mukaan lukien yhteenvetotilastot, hypoteesien testaus ja tulosten tulkinta.

Hallitse biologisten tietojen visualisoinnin taito R:llä, peruskaavioista edistyneempiin kokeisiin liittyviin visualisointeihin.

Opettele käsittelemään genomityyppistä dataa ja kehittämään toistettavia työnkulkuja tieteelliseen tutkimukseen R:ssä.

Challenge: Genomidatan Käsittely

Ratkaisu