
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

En praktisk introduktion till R-programmering anpassad för biologer och bioinformatiker. Lär dig att analysera, visualisera och tolka biologiska data med R, med verkliga exempel från genomik, ekologi och experimentell biologi.

Lär dig grunderna i R-programmering med fokus på biologiska data, inklusive variabler, datatyper och grundläggande datamanipulation.

Fördjupa dig i statistiska metoder för att analysera biologiska data, inklusive sammanfattande statistik, hypotesprövning och tolkning av resultat.

Bemästra konsten att visualisera biologiska data med hjälp av R, från grundläggande diagram till mer avancerade visualiseringar relevanta för experiment.

Lär dig att arbeta med genomikliknande data och utveckla reproducerbara arbetsflöden för vetenskaplig forskning i R.

Challenge: Reproducerbar Analys

Lösning