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

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

MCS Webmaster
ViewVC Help
Powered by ViewVC 1.0.3