[Bio] / FigKernelScripts / build_initial_objects_for_start_predictions.pl Repository:
ViewVC logotype

Annotation of /FigKernelScripts/build_initial_objects_for_start_predictions.pl

Parent Directory Parent Directory | Revision Log Revision Log


Revision 1.10 - (view) (download) (as text)

1 : overbeek 1.8 # -*- perl -*-
2 : olson 1.10 #
3 :     # Copyright (c) 2003-2006 University of Chicago and Fellowship
4 :     # for Interpretations of Genomes. All Rights Reserved.
5 :     #
6 :     # This file is part of the SEED Toolkit.
7 :     #
8 :     # The SEED Toolkit is free software. You can redistribute
9 :     # it and/or modify it under the terms of the SEED Toolkit
10 :     # Public License.
11 :     #
12 :     # You should have received a copy of the SEED Toolkit Public License
13 :     # along with this program; if not write to the University of Chicago
14 :     # at info@ci.uchicago.edu or the Fellowship for Interpretation of
15 :     # Genomes at veronika@thefig.info or download a copy from
16 :     # http://www.theseed.org/LICENSE.TXT.
17 :     #
18 :    
19 : overbeek 1.1
20 :     use FIG;
21 :     my $fig = new FIG;
22 :    
23 : overbeek 1.8 $usage = "usage: build_initial_objects_for_start_predictions [tbl] < pegs_to_call > initial_objects";
24 :    
25 :     use constant FID => 0;
26 :     use constant LOCUS => 1;
27 :     use constant CONTIG => 2;
28 :     use constant START => 3;
29 :     use constant STOP => 4;
30 :     use constant LEFT => 5;
31 :     use constant RIGHT => 6;
32 :     use constant LEN => 7;
33 :     use constant STRAND => 8;
34 :    
35 :    
36 :     $tbl_file = "";
37 :     $trouble = 0;
38 :     while (@ARGV)
39 :     {
40 :     if ($ARGV[0] =~ m/-h(elp)?/)
41 :     {
42 :     die "\n\tusage: $usage\n\n";
43 :     }
44 :     elsif (-s $ARGV[0])
45 :     {
46 :     $tbl_file = $ARGV[0];
47 :     }
48 :     else
49 :     {
50 :     warn "Invalid argument $ARGV[0]\n";
51 :     }
52 :     shift @ARGV;
53 :     }
54 :     die "\nusage: $usage\n\n" if $trouble;
55 : overbeek 1.1
56 :     @pegs = <STDIN>;
57 :     chomp @pegs;
58 :     # print "NPEGS=", scalar(@pegs), "\n";
59 : overbeek 1.5
60 : overbeek 1.8 if ($tbl_file)
61 :     {
62 :     open(TBL, "<$tbl_file") || die "Could not read-open $tbl_file";
63 :     while (defined($entry = <TBL>))
64 :     {
65 :     if ($entry =~ m/^(\S+)\t(\S+)/)
66 :     {
67 :     ($fid, $loc) = ($1, $2);
68 :     ($contig, $beg, $end, $left, $right, $len, $strand) = &from_locus($loc);
69 :     $tbl->{$contig}->{$strand.$end}
70 :     = [ $fid, $loc, $contig, $beg, $end, $left, $right, $len, $strand ];
71 :     }
72 :     else
73 :     {
74 :     print STDERR "Skipping invalid tbl entry: $entry";
75 :     }
76 :     }
77 :     }
78 :    
79 :     #+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
80 :     #...If there are "new" PEGs, overwrite any existing tbl entries...
81 :     #-----------------------------------------------------------------------
82 :     foreach $peg (@pegs)
83 :     {
84 :     if ($peg =~ /^(new\|(\d+\.\d+)\.peg\.\d+)\t(\S+)/)
85 :     {
86 :     $fid = $1;
87 :     $genome = $2;
88 :     $loc = $3;
89 :    
90 :     ($contig, $beg, $end, $left, $right, $len, $strand) = &from_locus($loc);
91 :     $tbl->{$contig}->{$strand.$end}
92 :     = [ $fid, $loc, $contig, $beg, $end, $left, $right, $len, $strand ];
93 :     }
94 :     }
95 :    
96 :     foreach $contig (keys %$tbl)
97 :     {
98 :     @$x = sort { $a->[LEFT] <=> $b->[LEFT] } values % { $tbl->{$contig} };
99 :    
100 :     for ($i=0; $i < @$x; ++$i)
101 :     {
102 : overbeek 1.9 unless (defined($overlap_boundary{$x->[$i]->[FID]}))
103 :     {
104 :     $overlap_boundary{$x->[$i]->[FID]} = $x->[$i]->[START];
105 :     }
106 : overbeek 1.8
107 :     for ($j=$i+1; (($j < @$x) && ($overlap = &entries_overlap($x, $i, $j))); ++$j)
108 :     {
109 :     next unless (&same_strand_overlap($x, $i, $j) || &divergent($x, $i, $j));
110 :    
111 :     if ($x->[$j]->[STRAND] eq '+')
112 :     {
113 : overbeek 1.9 $overlap_boundary{$x->[$j]->[FID]}
114 :     = &FIG::max( $overlap, $overlap_boundary{$x->[$j]->[FID]} );
115 : overbeek 1.8 }
116 :    
117 :     if ($x->[$i]->[STRAND] eq '-')
118 :     {
119 : overbeek 1.9 $overlap_boundary{$x->[$i]->[FID]} = &FIG::max( $overlap, $overlap_boundary{$x->[$i]->[FID]} );
120 : overbeek 1.8 }
121 :     }
122 :     }
123 :     }
124 :    
125 :    
126 :    
127 : overbeek 1.5 foreach $peg (@pegs)
128 : overbeek 1.1 {
129 : overbeek 1.7 if ($peg =~ /^fig\|\d+\.\d+\.peg\.\d+$/)
130 : overbeek 1.1 {
131 : overbeek 1.5 $genome = $fig->genome_of($peg);
132 :     $loc = $fig->feature_location($peg);
133 :     # print "$len{$peg}\t$peg\t$loc\n";
134 :     if ($loc =~ /,/)
135 :     {
136 :     print STDERR "skipping $peg - do not handle complex locs\n";
137 :     next;
138 :     }
139 : overbeek 1.1 }
140 : overbeek 1.5 elsif ($peg =~ /^(new\|(\d+\.\d+)\.peg\.\d+)\t(\S+)/)
141 :     {
142 :     $peg = $1;
143 :     $genome = $2;
144 :     $loc = $3;
145 : overbeek 1.1 }
146 :    
147 : overbeek 1.5 ($genome && $loc) || confess $peg;
148 :    
149 : overbeek 1.4 my $lnC = $fig->contig_ln($genome,$contig);
150 : overbeek 1.1 ($contig,$begin,$end) = $fig->boundaries_of($loc);
151 :     if ($begin < $end)
152 :     {
153 :     $l = sprintf("%s_%d_%d",$contig,1,$begin-1);
154 : overbeek 1.4 if ($end < ($lnC-3))
155 :     {
156 :     $end += 3;
157 :     }
158 : overbeek 1.1 }
159 :     else
160 :     {
161 : overbeek 1.6 $l = sprintf("%s_%d_%d",$contig,$fig->contig_ln($genome,$contig),$begin+1);
162 : overbeek 1.4 if ($end > 3)
163 :     {
164 :     $end -= 3;
165 :     }
166 : overbeek 1.1 }
167 :    
168 :     $loc = join("_",($contig,$begin,$end));
169 :     $seq = uc $fig->dna_seq($genome,$loc);
170 : overbeek 1.5
171 : overbeek 1.3 if (! $seq)
172 :     {
173 :     print STDERR &Dumper($peg,$loc,$seq); die "could not get sequence for $peg";
174 :     }
175 :    
176 : overbeek 1.1 # The following hack handles uncertainty about whether SEED gives back the STOP or not
177 :     if (substr($seq,-6,3) =~ /TAA|TAG|TGA/i)
178 :     {
179 : overbeek 1.2 $end = ($begin < $end) ? $end-3 : $end+3;
180 : overbeek 1.1 $seq = substr($seq,0,length($seq) - 3);
181 :     }
182 :     elsif (substr($seq,-3,3) !~ /TAA|TAG|TGA/i)
183 :     {
184 : overbeek 1.4 warn "BAD STOP: $peg $genome $loc $seq\n";
185 : overbeek 1.1 }
186 :    
187 : overbeek 1.2 $loc = join("_",($contig,$begin,$end));
188 : overbeek 1.1
189 :    
190 :     # BACK INTO THE STOP FROM START OF PEG
191 :     $pre_peg = uc $fig->dna_seq($genome,$l);
192 :     $found = 0;
193 :     $len_pre_peg = length($pre_peg);
194 :    
195 :     for ($i=$len_pre_peg-3; $i > 0 && ! $found; $i-=3)
196 :     {
197 :     $stop = substr($pre_peg,$i,3);
198 :     if ($stop eq "TAG" || $stop eq "TAA" || $stop eq "TGA")
199 :     {
200 :     # print "FOUND $stop for $l\n";
201 :     $orf = substr($pre_peg,$i+3) . $seq;
202 :     if (($i-27) > 0)
203 :     {
204 :     $pre_orf = substr($pre_peg,$i-27,30);
205 : overbeek 1.5 my $gs = $fig->genus_species($genome);
206 :     my @aliases = ();
207 :     if ($peg =~ /^fig/)
208 :     {
209 :     @aliases = grep { $_ =~ /^([NXYZA]P_[0-9\.]+)|(uni\|)|(sp\|)/ } $fig->feature_aliases($peg);
210 :     }
211 :    
212 : overbeek 1.1 print "ID=$peg\n";
213 :     print "GENOME=$gs\n";
214 :     if (@aliases > 0)
215 :     {
216 :     print "ALIASES=",join(",",@aliases),"\n";
217 :     }
218 :     print "CONTIG=$contig\n";
219 : overbeek 1.5
220 : overbeek 1.1 if ($begin < $end)
221 :     {
222 :     print "BEGIN=", $begin-($len_pre_peg-$i-3), "\n";
223 :     }
224 :     else
225 :     {
226 :     print "BEGIN=", $begin+($len_pre_peg-$i-3), "\n";
227 :     }
228 :     print "END=$end\n";
229 :     print "SEQ=$orf\n";
230 :     print "PREFIX=$pre_orf\n";
231 :     print "OLD_START_POS=", $len_pre_peg-$i-2, "\n";
232 : overbeek 1.9 print "OVERLAP=$overlap_boundary{$peg}\n";
233 : overbeek 1.1 print "///\n";
234 :     $found = 1;
235 :     }
236 :     else
237 :     {
238 :     print STDERR "skipping $peg - not enough prefix before orf\n";
239 :     }
240 :     last;
241 :     }
242 :     }
243 :     if ( ! $found)
244 :     {
245 :     print STDERR "DID NOT FIND STOP BEFORE $peg $contig $begin $end $l\n";
246 :     }
247 :     }
248 : overbeek 1.8
249 :    
250 :    
251 :     sub from_locus
252 :     {
253 :     my ($locus) = @_;
254 :     my ($contig, $beg, $end) = $fig->boundaries_of($locus);
255 :     my ($left, $right, $len, $strand);
256 :    
257 :     if ($contig && $beg && $end)
258 :     {
259 :     $left = &FIG::min($beg, $end);
260 :     $right = &FIG::max($beg, $end);
261 :     $len = (1+abs($end-$beg));
262 :     $strand = ($beg < $end) ? '+' : '-';
263 :    
264 :     return ($contig, $beg, $end, $left, $right, $len, $strand);
265 :     }
266 :     else
267 :     {
268 :     die "Invalid locus $locus";
269 :     }
270 :    
271 :     return ();
272 :     }
273 :    
274 :     sub divergent
275 :     {
276 :     my ($x, $i, $j) = @_;
277 :    
278 :     my $beg_i = $x->[$i]->[START];
279 :     my $end_i = $x->[$i]->[STOP];
280 :    
281 :     my $beg_j = $x->[$j]->[START];
282 :     my $end_j = $x->[$j]->[STOP];
283 :    
284 :     if ( &FIG::between($beg_i, $beg_j, $end_i)
285 :     && &FIG::between($beg_j, $beg_i, $end_j)
286 :     && !&FIG::between($beg_j, $end_i, $end_j)
287 :     && !&FIG::between($beg_i, $end_j, $end_i)
288 :     )
289 :     {
290 :     return &overlaps($beg_i, $end_i, $beg_j, $end_j);
291 :     }
292 :    
293 :     return 0;
294 :     }
295 :    
296 :     sub same_strand_overlap
297 :     {
298 :     my ($x, $i, $j) = @_;
299 :    
300 :     my $beg_i = $x->[$i]->[START];
301 :     my $end_i = $x->[$i]->[STOP];
302 :    
303 :     my $beg_j = $x->[$j]->[START];
304 :     my $end_j = $x->[$j]->[STOP];
305 :    
306 :     if ( ($x->[$i]->[STRAND] eq '+') && ($x->[$j]->[STRAND] eq '+')
307 :     && ($beg_i < $beg_j) && ($beg_j <= $end_i) && ($end_i < $end_j)
308 :     )
309 :     {
310 :     return &overlaps($beg_i, $end_i, $beg_j, $end_j);
311 :     }
312 :     elsif ( ($x->[$i]->[STRAND] eq '-') && ($x->[$j]->[STRAND] eq '-')
313 :     && ($end_i < $end_j) && ($end_j <= $beg_i) && ($beg_i < $beg_j)
314 :     )
315 :     {
316 :     return &overlaps($beg_i, $end_i, $beg_j, $end_j);
317 :     }
318 :     else
319 :     {
320 :     &impossible_overlap_warning($x, $i, $j, "Opposite strands in a normal_overlap");
321 :     return 0;
322 :     }
323 :     }
324 :    
325 :     sub entries_overlap
326 :     {
327 :     my ($x, $i, $j) = @_;
328 :    
329 :     return 0 if ($x->[$i]->[CONTIG] ne $x->[$j]->[CONTIG]);
330 :    
331 :     $ov = &overlaps( $x->[$i]->[START], $x->[$i]->[STOP]
332 :     , $x->[$j]->[START], $x->[$j]->[STOP]);
333 :    
334 :     return $ov;
335 :     }
336 :    
337 :     sub overlaps
338 :     {
339 :     my ($beg1, $end1, $beg2, $end2) = @_;
340 :    
341 :     my ($left1, $right1, $left2, $right2);
342 :    
343 :     $left1 = &FIG::min($beg1, $end1);
344 :     $left2 = &FIG::min($beg2, $end2);
345 :    
346 :     $right1 = &FIG::max($beg1, $end1);
347 :     $right2 = &FIG::max($beg2, $end2);
348 :    
349 :     if ($left1 > $left2)
350 :     {
351 :     ($left1, $left2) = ($left2, $left1);
352 :     ($right1, $right2) = ($right2, $right1);
353 :     }
354 :    
355 :     $ov = 0;
356 :     if ($right1 >= $left2) { $ov = &FIG::min($right1,$right2) - $left2 + 1; }
357 :    
358 :     return $ov;
359 :     }
360 :    
361 :     sub impossible_overlap_warning
362 :     {
363 :     my ($x, $i, $j, $msg) = @_;
364 :    
365 :     return 0 if $deleted{"$x->[$i]->[FILE]\t$x->[$i]->[LOCUS]"};
366 :     return 0 if $deleted{"$x->[$j]->[FILE]\t$x->[$j]->[LOCUS]"};
367 :    
368 :     if (defined($msg))
369 :     {
370 :     print STDERR ("Impossible overlap in $msg:\n"
371 :     , join("\t", @ { $x->[$i] }), "\n"
372 :     , join("\t", @ { $x->[$j] }), "\n\n")
373 :     if $ENV{VERBOSE};
374 :     # confess "$msg";
375 :     }
376 :     else
377 :     {
378 :     print STDERR ("Impossible overlap:\n$i: "
379 :     , join("\t", @ { $x->[$i] }), "\n$j: "
380 :     , join("\t", @ { $x->[$j] }), "\n\n")
381 :     if $ENV{VERBOSE};
382 :     # confess "aborted";
383 :     }
384 :    
385 :     return 0;
386 :     }

MCS Webmaster
ViewVC Help
Powered by ViewVC 1.0.3