
library(testthat)

source("user_code.R")
test_that("creates a histogram of expression", {
  expect_silent(hist(sample_data$expression, main = "Histogram of Gene Expression", xlab = "Expression Level"))
})

test_that("creates a boxplot of expression by treatment", {
  expect_silent(boxplot(expression ~ treatment, data = sample_data, main = "Expression by Treatment", xlab = "Treatment", ylab = "Expression Level"))
})

test_that("creates a scatterplot of expression vs time", {
  expect_silent(plot(sample_data$time, sample_data$expression, main = "Expression Over Time", xlab = "Time (hours)", ylab = "Expression Level", pch = 19, col = "blue"))
})

test_that("histogram_conclusion is a non-empty string", {
  env <- new.env()
  sys.source("user_code.R", envir = env)
  expect_true(exists("histogram_conclusion", envir = env), info = "histogram_conclusion variable does not exist")
  val <- get("histogram_conclusion", envir = env)
  expect_type(val, "character")
  expect_true(nzchar(val), info = "histogram_conclusion is an empty string")
})

test_that("boxplot_conclusion is a non-empty string", {
  env <- new.env()
  sys.source("user_code.R", envir = env)
  expect_true(exists("boxplot_conclusion", envir = env), info = "boxplot_conclusion variable does not exist")
  val <- get("boxplot_conclusion", envir = env)
  expect_type(val, "character")
  expect_true(nzchar(val), info = "boxplot_conclusion is an empty string")
})

test_that("scatterplot_conclusion is a non-empty string", {
  env <- new.env()
  sys.source("user_code.R", envir = env)
  expect_true(exists("scatterplot_conclusion", envir = env), info = "scatterplot_conclusion variable does not exist")
  val <- get("scatterplot_conclusion", envir = env)
  expect_type(val, "character")
  expect_true(nzchar(val), info = "scatterplot_conclusion is an empty string")
})

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: Het Visualiseren van Experimentele Gegevens

Oplossing