
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

Une introduction pratique à la programmation R conçue pour les biologistes et les bioinformaticiens. Apprenez à analyser, visualiser et interpréter des données biologiques avec R, à l'aide d'exemples concrets issus de la génomique, de l'écologie et de la biologie expérimentale.

Apprenez les bases de la programmation R avec un accent sur les données biologiques, y compris les variables, les types de données et la manipulation de données de base.

Plongez dans les méthodes statistiques pour analyser des données biologiques, y compris les statistiques descriptives, les tests d'hypothèses et l'interprétation des résultats.

Maîtriser l'art de la visualisation des données biologiques avec R, des graphiques de base aux visualisations avancées pertinentes pour les expériences.

Apprenez à travailler avec des données de type génomique et à développer des flux de travail reproductibles pour la recherche scientifique avec R.

Challenge: Manipulation des Données Génomiques

Solution