
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

Een praktische introductie tot R-programmeren, afgestemd op biologen en bioinformatici. Leer biologische data analyseren, visualiseren en interpreteren met R, aan de hand van praktijkvoorbeelden uit genomica, ecologie en experimentele biologie.

Leer de basisprincipes van R-programmeren met de nadruk op biologische data, inclusief variabelen, datatypes en basisgegevensmanipulatie.

Verdiep u in statistische methoden voor het analyseren van biologische gegevens, inclusief samenvattende statistieken, hypothesetoetsing en het interpreteren van resultaten.

Beheers de kunst van het visualiseren van biologische data met R, van eenvoudige grafieken tot meer geavanceerde visualisaties die relevant zijn voor experimenten.

Leer werken met genomische data en het ontwikkelen van reproduceerbare workflows voor wetenschappelijk onderzoek in R.

Challenge: Reproduceerbare Analyse

Oplossing