
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

Un'introduzione pratica alla programmazione in R pensata per biologi e bioinformatici. Analisi, visualizzazione e interpretazione di dati biologici utilizzando R, con esempi reali tratti da genomica, ecologia e biologia sperimentale.

Impara le nozioni fondamentali della programmazione in R con un focus sui dati biologici, inclusi variabili, tipi di dati e manipolazione di dati di base.

Approfondimento dei metodi statistici per l'analisi dei dati biologici, inclusi statistiche descrittive, test d'ipotesi e interpretazione dei risultati.

Padroneggiare l'arte della visualizzazione dei dati biologici utilizzando R, dai grafici di base alle visualizzazioni più avanzate rilevanti per gli esperimenti.

Imparare a lavorare con dati in stile genomico e sviluppare workflow riproducibili per la ricerca scientifica in R.

Challenge: Analisi Riproducibile

Soluzione