[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 1.11 - (view) (download) (as text)

1 : overbeek 1.8 # -*- perl -*-
2 : gdpusch 1.11 ########################################################################
3 : olson 1.10 # 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 : gdpusch 1.11 ########################################################################
18 : overbeek 1.1
19 :     use FIG;
20 :     my $fig = new FIG;
21 : gdpusch 1.11 use FIGV;
22 : overbeek 1.1
23 : gdpusch 1.11 $0 =~ m/([^\/]+)$/; $self = $1;
24 :     warn "$0 " . join(" ", @ARGV) . "\n";
25 :     $usage = "build_initial_objects_for_start_predictions [-orgdir=OrgDir] [tbl] < pegs_to_call > initial_objects";
26 : overbeek 1.8
27 :     use constant FID => 0;
28 :     use constant LOCUS => 1;
29 :     use constant CONTIG => 2;
30 :     use constant START => 3;
31 :     use constant STOP => 4;
32 :     use constant LEFT => 5;
33 :     use constant RIGHT => 6;
34 :     use constant LEN => 7;
35 :     use constant STRAND => 8;
36 :    
37 :     $tbl_file = "";
38 :     $trouble = 0;
39 :     while (@ARGV)
40 :     {
41 : gdpusch 1.11 if ($ARGV[0] =~ m/-h(elp)?/) {
42 : overbeek 1.8 die "\n\tusage: $usage\n\n";
43 :     }
44 : gdpusch 1.11 elsif ($ARGV[0] =~ /-orgdir=(\S+)/) {
45 :     warn "Using $ARGV[0]\n";
46 :     $fig = new FIGV($1);
47 :     }
48 :     elsif (-s $ARGV[0]) {
49 : overbeek 1.8 $tbl_file = $ARGV[0];
50 :     }
51 : gdpusch 1.11 else {
52 : overbeek 1.8 warn "Invalid argument $ARGV[0]\n";
53 :     }
54 :     shift @ARGV;
55 :     }
56 :     die "\nusage: $usage\n\n" if $trouble;
57 : overbeek 1.1
58 :     @pegs = <STDIN>;
59 :     chomp @pegs;
60 :     # print "NPEGS=", scalar(@pegs), "\n";
61 : overbeek 1.5
62 : overbeek 1.8 if ($tbl_file)
63 :     {
64 :     open(TBL, "<$tbl_file") || die "Could not read-open $tbl_file";
65 :     while (defined($entry = <TBL>))
66 :     {
67 :     if ($entry =~ m/^(\S+)\t(\S+)/)
68 :     {
69 :     ($fid, $loc) = ($1, $2);
70 :     ($contig, $beg, $end, $left, $right, $len, $strand) = &from_locus($loc);
71 :     $tbl->{$contig}->{$strand.$end}
72 :     = [ $fid, $loc, $contig, $beg, $end, $left, $right, $len, $strand ];
73 :     }
74 :     else
75 :     {
76 :     print STDERR "Skipping invalid tbl entry: $entry";
77 :     }
78 :     }
79 :     }
80 :    
81 :     #+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
82 :     #...If there are "new" PEGs, overwrite any existing tbl entries...
83 :     #-----------------------------------------------------------------------
84 :     foreach $peg (@pegs)
85 :     {
86 :     if ($peg =~ /^(new\|(\d+\.\d+)\.peg\.\d+)\t(\S+)/)
87 :     {
88 :     $fid = $1;
89 :     $genome = $2;
90 :     $loc = $3;
91 :    
92 :     ($contig, $beg, $end, $left, $right, $len, $strand) = &from_locus($loc);
93 :     $tbl->{$contig}->{$strand.$end}
94 :     = [ $fid, $loc, $contig, $beg, $end, $left, $right, $len, $strand ];
95 :     }
96 :     }
97 :    
98 :     foreach $contig (keys %$tbl)
99 :     {
100 :     @$x = sort { $a->[LEFT] <=> $b->[LEFT] } values % { $tbl->{$contig} };
101 :    
102 :     for ($i=0; $i < @$x; ++$i)
103 :     {
104 : overbeek 1.9 unless (defined($overlap_boundary{$x->[$i]->[FID]}))
105 :     {
106 :     $overlap_boundary{$x->[$i]->[FID]} = $x->[$i]->[START];
107 :     }
108 : overbeek 1.8
109 :     for ($j=$i+1; (($j < @$x) && ($overlap = &entries_overlap($x, $i, $j))); ++$j)
110 :     {
111 :     next unless (&same_strand_overlap($x, $i, $j) || &divergent($x, $i, $j));
112 :    
113 :     if ($x->[$j]->[STRAND] eq '+')
114 :     {
115 : overbeek 1.9 $overlap_boundary{$x->[$j]->[FID]}
116 :     = &FIG::max( $overlap, $overlap_boundary{$x->[$j]->[FID]} );
117 : overbeek 1.8 }
118 :    
119 :     if ($x->[$i]->[STRAND] eq '-')
120 :     {
121 : overbeek 1.9 $overlap_boundary{$x->[$i]->[FID]} = &FIG::max( $overlap, $overlap_boundary{$x->[$i]->[FID]} );
122 : overbeek 1.8 }
123 :     }
124 :     }
125 :     }
126 :    
127 :    
128 :    
129 : overbeek 1.5 foreach $peg (@pegs)
130 : overbeek 1.1 {
131 : gdpusch 1.11 my $tmp = $peg;
132 : overbeek 1.7 if ($peg =~ /^fig\|\d+\.\d+\.peg\.\d+$/)
133 : overbeek 1.1 {
134 : overbeek 1.5 $genome = $fig->genome_of($peg);
135 :     $loc = $fig->feature_location($peg);
136 :     # print "$len{$peg}\t$peg\t$loc\n";
137 :     if ($loc =~ /,/)
138 :     {
139 :     print STDERR "skipping $peg - do not handle complex locs\n";
140 :     next;
141 :     }
142 : overbeek 1.1 }
143 : overbeek 1.5 elsif ($peg =~ /^(new\|(\d+\.\d+)\.peg\.\d+)\t(\S+)/)
144 :     {
145 :     $peg = $1;
146 :     $genome = $2;
147 :     $loc = $3;
148 : gdpusch 1.11 ($peg && $genome && $loc) || confess "could not parse \'$tmp\'";
149 : overbeek 1.1 }
150 : gdpusch 1.11 else {
151 :     confess "Could not parse \'$peg\'";
152 :     }
153 :    
154 : overbeek 1.4 my $lnC = $fig->contig_ln($genome,$contig);
155 : overbeek 1.1 ($contig,$begin,$end) = $fig->boundaries_of($loc);
156 :     if ($begin < $end)
157 :     {
158 :     $l = sprintf("%s_%d_%d",$contig,1,$begin-1);
159 : overbeek 1.4 if ($end < ($lnC-3))
160 :     {
161 :     $end += 3;
162 :     }
163 : overbeek 1.1 }
164 :     else
165 :     {
166 : overbeek 1.6 $l = sprintf("%s_%d_%d",$contig,$fig->contig_ln($genome,$contig),$begin+1);
167 : overbeek 1.4 if ($end > 3)
168 :     {
169 :     $end -= 3;
170 :     }
171 : overbeek 1.1 }
172 :    
173 :     $loc = join("_",($contig,$begin,$end));
174 :     $seq = uc $fig->dna_seq($genome,$loc);
175 : overbeek 1.5
176 : overbeek 1.3 if (! $seq)
177 :     {
178 : gdpusch 1.11 confess "could not get sequence for fid=$peg, loc=$loc;\n seq=\'$seq\'";
179 : overbeek 1.3 }
180 :    
181 : overbeek 1.1 # The following hack handles uncertainty about whether SEED gives back the STOP or not
182 :     if (substr($seq,-6,3) =~ /TAA|TAG|TGA/i)
183 :     {
184 : overbeek 1.2 $end = ($begin < $end) ? $end-3 : $end+3;
185 : overbeek 1.1 $seq = substr($seq,0,length($seq) - 3);
186 :     }
187 :     elsif (substr($seq,-3,3) !~ /TAA|TAG|TGA/i)
188 :     {
189 : overbeek 1.4 warn "BAD STOP: $peg $genome $loc $seq\n";
190 : overbeek 1.1 }
191 :    
192 : overbeek 1.2 $loc = join("_",($contig,$begin,$end));
193 : overbeek 1.1
194 :    
195 :     # BACK INTO THE STOP FROM START OF PEG
196 :     $pre_peg = uc $fig->dna_seq($genome,$l);
197 :     $found = 0;
198 :     $len_pre_peg = length($pre_peg);
199 :    
200 :     for ($i=$len_pre_peg-3; $i > 0 && ! $found; $i-=3)
201 :     {
202 :     $stop = substr($pre_peg,$i,3);
203 :     if ($stop eq "TAG" || $stop eq "TAA" || $stop eq "TGA")
204 :     {
205 :     # print "FOUND $stop for $l\n";
206 :     $orf = substr($pre_peg,$i+3) . $seq;
207 :     if (($i-27) > 0)
208 :     {
209 :     $pre_orf = substr($pre_peg,$i-27,30);
210 : overbeek 1.5 my $gs = $fig->genus_species($genome);
211 :     my @aliases = ();
212 :     if ($peg =~ /^fig/)
213 :     {
214 :     @aliases = grep { $_ =~ /^([NXYZA]P_[0-9\.]+)|(uni\|)|(sp\|)/ } $fig->feature_aliases($peg);
215 :     }
216 :    
217 : overbeek 1.1 print "ID=$peg\n";
218 :     print "GENOME=$gs\n";
219 :     if (@aliases > 0)
220 :     {
221 :     print "ALIASES=",join(",",@aliases),"\n";
222 :     }
223 :     print "CONTIG=$contig\n";
224 : overbeek 1.5
225 : overbeek 1.1 if ($begin < $end)
226 :     {
227 :     print "BEGIN=", $begin-($len_pre_peg-$i-3), "\n";
228 :     }
229 :     else
230 :     {
231 :     print "BEGIN=", $begin+($len_pre_peg-$i-3), "\n";
232 :     }
233 :     print "END=$end\n";
234 :     print "SEQ=$orf\n";
235 :     print "PREFIX=$pre_orf\n";
236 :     print "OLD_START_POS=", $len_pre_peg-$i-2, "\n";
237 : overbeek 1.9 print "OVERLAP=$overlap_boundary{$peg}\n";
238 : overbeek 1.1 print "///\n";
239 :     $found = 1;
240 :     }
241 :     else
242 :     {
243 :     print STDERR "skipping $peg - not enough prefix before orf\n";
244 :     }
245 :     last;
246 :     }
247 :     }
248 :     if ( ! $found)
249 :     {
250 :     print STDERR "DID NOT FIND STOP BEFORE $peg $contig $begin $end $l\n";
251 :     }
252 :     }
253 : overbeek 1.8
254 :    
255 :    
256 :     sub from_locus
257 :     {
258 :     my ($locus) = @_;
259 :     my ($contig, $beg, $end) = $fig->boundaries_of($locus);
260 :     my ($left, $right, $len, $strand);
261 :    
262 :     if ($contig && $beg && $end)
263 :     {
264 :     $left = &FIG::min($beg, $end);
265 :     $right = &FIG::max($beg, $end);
266 :     $len = (1+abs($end-$beg));
267 :     $strand = ($beg < $end) ? '+' : '-';
268 :    
269 :     return ($contig, $beg, $end, $left, $right, $len, $strand);
270 :     }
271 :     else
272 :     {
273 :     die "Invalid locus $locus";
274 :     }
275 :    
276 :     return ();
277 :     }
278 :    
279 :     sub divergent
280 :     {
281 :     my ($x, $i, $j) = @_;
282 :    
283 :     my $beg_i = $x->[$i]->[START];
284 :     my $end_i = $x->[$i]->[STOP];
285 :    
286 :     my $beg_j = $x->[$j]->[START];
287 :     my $end_j = $x->[$j]->[STOP];
288 :    
289 :     if ( &FIG::between($beg_i, $beg_j, $end_i)
290 :     && &FIG::between($beg_j, $beg_i, $end_j)
291 :     && !&FIG::between($beg_j, $end_i, $end_j)
292 :     && !&FIG::between($beg_i, $end_j, $end_i)
293 :     )
294 :     {
295 :     return &overlaps($beg_i, $end_i, $beg_j, $end_j);
296 :     }
297 :    
298 :     return 0;
299 :     }
300 :    
301 :     sub same_strand_overlap
302 :     {
303 :     my ($x, $i, $j) = @_;
304 :    
305 :     my $beg_i = $x->[$i]->[START];
306 :     my $end_i = $x->[$i]->[STOP];
307 :    
308 :     my $beg_j = $x->[$j]->[START];
309 :     my $end_j = $x->[$j]->[STOP];
310 :    
311 :     if ( ($x->[$i]->[STRAND] eq '+') && ($x->[$j]->[STRAND] eq '+')
312 :     && ($beg_i < $beg_j) && ($beg_j <= $end_i) && ($end_i < $end_j)
313 :     )
314 :     {
315 :     return &overlaps($beg_i, $end_i, $beg_j, $end_j);
316 :     }
317 :     elsif ( ($x->[$i]->[STRAND] eq '-') && ($x->[$j]->[STRAND] eq '-')
318 :     && ($end_i < $end_j) && ($end_j <= $beg_i) && ($beg_i < $beg_j)
319 :     )
320 :     {
321 :     return &overlaps($beg_i, $end_i, $beg_j, $end_j);
322 :     }
323 :     else
324 :     {
325 :     &impossible_overlap_warning($x, $i, $j, "Opposite strands in a normal_overlap");
326 :     return 0;
327 :     }
328 :     }
329 :    
330 :     sub entries_overlap
331 :     {
332 :     my ($x, $i, $j) = @_;
333 :    
334 :     return 0 if ($x->[$i]->[CONTIG] ne $x->[$j]->[CONTIG]);
335 :    
336 :     $ov = &overlaps( $x->[$i]->[START], $x->[$i]->[STOP]
337 :     , $x->[$j]->[START], $x->[$j]->[STOP]);
338 :    
339 :     return $ov;
340 :     }
341 :    
342 :     sub overlaps
343 :     {
344 :     my ($beg1, $end1, $beg2, $end2) = @_;
345 :    
346 :     my ($left1, $right1, $left2, $right2);
347 :    
348 :     $left1 = &FIG::min($beg1, $end1);
349 :     $left2 = &FIG::min($beg2, $end2);
350 :    
351 :     $right1 = &FIG::max($beg1, $end1);
352 :     $right2 = &FIG::max($beg2, $end2);
353 :    
354 :     if ($left1 > $left2)
355 :     {
356 :     ($left1, $left2) = ($left2, $left1);
357 :     ($right1, $right2) = ($right2, $right1);
358 :     }
359 :    
360 :     $ov = 0;
361 :     if ($right1 >= $left2) { $ov = &FIG::min($right1,$right2) - $left2 + 1; }
362 :    
363 :     return $ov;
364 :     }
365 :    
366 :     sub impossible_overlap_warning
367 :     {
368 :     my ($x, $i, $j, $msg) = @_;
369 :    
370 :     return 0 if $deleted{"$x->[$i]->[FILE]\t$x->[$i]->[LOCUS]"};
371 :     return 0 if $deleted{"$x->[$j]->[FILE]\t$x->[$j]->[LOCUS]"};
372 :    
373 :     if (defined($msg))
374 :     {
375 :     print STDERR ("Impossible overlap in $msg:\n"
376 :     , join("\t", @ { $x->[$i] }), "\n"
377 :     , join("\t", @ { $x->[$j] }), "\n\n")
378 :     if $ENV{VERBOSE};
379 :     # confess "$msg";
380 :     }
381 :     else
382 :     {
383 :     print STDERR ("Impossible overlap:\n$i: "
384 :     , join("\t", @ { $x->[$i] }), "\n$j: "
385 :     , join("\t", @ { $x->[$j] }), "\n\n")
386 :     if $ENV{VERBOSE};
387 :     # confess "aborted";
388 :     }
389 :    
390 :     return 0;
391 :     }

MCS Webmaster
ViewVC Help
Powered by ViewVC 1.0.3