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

Annotation of /FigKernelScripts/find_gaps.pl

Parent Directory Parent Directory | Revision Log Revision Log


Revision 1.6 - (view) (download) (as text)

1 : overbeek 1.1 # -*- perl -*-
2 : gdpusch 1.5 ########################################################################
3 : overbeek 1.1 # 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 1.5 ########################################################################
18 : overbeek 1.1
19 :     use FIG;
20 :     $fig = new FIG;
21 :    
22 :     use constant LEFT => 0;
23 :     use constant RIGHT => 1;
24 :     use constant FID => 2;
25 :    
26 :     use constant TRAN => 0;
27 :     use constant OTHERS => 1;
28 :    
29 :     $0 =~ m/([^\/]+)$/; $this_tool = $1;
30 : gdpusch 1.6 $usage = "$this_tool [-extend_5p=num] org_id contigs tbl_1 tbl_2 ... > gap_tbl";
31 : overbeek 1.2
32 : gdpusch 1.6 if (not @ARGV) {
33 :     die "\n\n\tusage: $usage\n\n";
34 : overbeek 1.2 }
35 : overbeek 1.1
36 :     $trouble = 0;
37 : gdpusch 1.6 $extend_5prime_end = 0;
38 : overbeek 1.1
39 : gdpusch 1.6 #...Process any flags and switches...
40 :     while ($ARGV[0] =~ m/^-/o) {
41 :     if ($ARGV[$i] =~ m/-help/) {
42 :     print STDERR "\n\n\tusage: $usage\n\n";
43 :     exit(0);
44 :     }
45 :     elsif ($ARGV[$i] =~ m/-extend_5p=(\d+)/o) {
46 :     $extend_5prime_end = $1;
47 :     print STDERR "PEG 5-prime end will be extended $extend_5prime_end bp\n" if $ENV{VERBOSE};
48 :     }
49 :     else {
50 :     $trouble = 1;
51 :     warn "Unrecognized flag: $ARGV[$i]\n";
52 :     }
53 :    
54 :     shift @ARGV;
55 :     }
56 :    
57 :    
58 :     #...Process Org-ID argument...
59 :     if (not @ARGV) {
60 :     warn "\n\nNo argument list given\n\n";
61 :     die "\n\n\tusage: $usage\n\n";
62 :     }
63 :     else {
64 :     if ($ARGV[0] !~ m/^\d+\.\d+$/o) {
65 :     $trouble = 1;
66 :     warn "\nOrg-ID $ARGV[0] is malformed\n";
67 :     }
68 :     else {
69 :     $org_id = shift @ARGV;
70 :     }
71 :     }
72 :    
73 :    
74 :     #...Check existence of file arguments...
75 :     for ($i=0; $i < @ARGV; ++$i) {
76 :     if (!-e $ARGV[$i]) {
77 : overbeek 1.1 $trouble = 1;
78 : gdpusch 1.6 warn "\nERROR: File $ARGV[$i] does not exist\n";
79 : overbeek 1.1 }
80 :     }
81 : overbeek 1.4 die "\n\nAborting due to invalid args\n\n usage: $usage\n\n" if $trouble;
82 : overbeek 1.1
83 :     (($contigs_file = shift @ARGV) && (-s $contigs_file))
84 :     || die "Contigs file $contigs_file has zero size\n\n\tusage: $usage\n\n";
85 :    
86 :     ((@tbls = @ARGV) > 0) || die "\n\tusage: $usage\n\n";
87 :    
88 :     $len_of = &load_contig_lens($contigs_file);
89 : gdpusch 1.6 $regions = &load_regions($len_of, @tbls);
90 : overbeek 1.1 # die Dumper($features);
91 :    
92 : overbeek 1.3 $gap_num = 0;
93 : gdpusch 1.6 foreach $contig (sort keys %$len_of) {
94 : overbeek 1.4 print STDERR "Scanning $contig ...\n" if $ENV{VERBOSE};
95 :    
96 : overbeek 1.1 $x = $regions->{$contig};
97 : overbeek 1.4 $x = defined($x) ? $x : [];
98 :    
99 :     # if ($x->[0] > 1) { unshift @$x, [0, 0]; }
100 :     # if ($x->[-1] > $len_of->{$contig}) { push @$x, [1+$len_of->{$contig}, 1+$len_of->{$contig}]; }
101 : overbeek 1.1
102 : overbeek 1.4 unshift @$x, [0, 0];
103 :     push @$x, [1+$len_of->{$contig}, 1+$len_of->{$contig}];
104 : overbeek 1.1
105 : gdpusch 1.6 for ($i=1; $i < @$x; ++$i) {
106 : overbeek 1.1 $gap_beg = $x->[$i-1]->[RIGHT] + 1;
107 :     $gap_end = $x->[$i]->[LEFT] - 1;
108 : gdpusch 1.6 # $gap_len = $gap_end - $gap_beg + 1;
109 : overbeek 1.1 $gap_loc = "$contig\_$gap_beg\_$gap_end";
110 :    
111 : overbeek 1.3 print "fig|$org_id.gap.".(++$gap_num) . "\t$gap_loc\n";
112 : overbeek 1.1 }
113 :     }
114 : overbeek 1.4 print STDERR "\n$this_tool done\n\n" if $ENV{VERBOSE};
115 : overbeek 1.1 exit(0);
116 :    
117 :    
118 :     sub load_contig_lens
119 :     {
120 :     my ($contigs_file) = @_;
121 :    
122 : overbeek 1.4 my $num_contigs = 0;
123 :     my $num_chars = 0;
124 :    
125 : overbeek 1.1 my $len_of = {};
126 :    
127 : overbeek 1.4 print STDERR "Loading $contigs_file ...\n" if $ENV{VERBOSE};
128 : overbeek 1.1 open (CONTIGS, "<$contigs_file") or die "could not open $contigs_file to read";
129 : gdpusch 1.6 while (($id, $seqP) = &FIG::read_fasta_record(\*CONTIGS)) {
130 : overbeek 1.4 ++$num_contigs;
131 :     $num_chars += $len_of->{$id} = length($$seqP);
132 : overbeek 1.1 }
133 :     close(CONTIGS) or die "could not close $contigs_file";
134 : gdpusch 1.5 print STDERR "Loaded $num_contigs contig lengths (total $num_chars chars) from $contigs_file\n\n" if $ENV{VERBOSE};
135 : overbeek 1.4
136 : overbeek 1.1 return $len_of;
137 :     }
138 :    
139 :     sub load_regions
140 :     {
141 : gdpusch 1.6 my ($len_of, @tbl_files) = @_;
142 : overbeek 1.1 my ($fid, $org, $locus, $contig, $beg, $end, $len);
143 :    
144 :     my $regions = {};
145 : gdpusch 1.6 foreach my $tbl_file (@tbl_files) {
146 : overbeek 1.1 my $num_fids = 0;
147 :     open(TBL,"<$tbl_file") || die "could not open $tbl_file";
148 :     print STDERR "Loading $tbl_file ...\n" if $ENV{VERBOSE};
149 :    
150 :     while (defined($entry = <TBL>))
151 :     {
152 :     ++$num_fids;
153 :     chomp $entry;
154 : gdpusch 1.6 if ($entry =~ m/^(\S+)\s+(\S+)/o) {
155 : overbeek 1.1 ($fid, $locus) = ($1, $2);
156 : gdpusch 1.6
157 :     $fid_type = "";
158 :     if ($fid =~ m/^fig\|\d+\.\d+\.(rna|peg|orf)\.\d+$/) {
159 :     $fid_type = $1;
160 :     }
161 :     else {
162 :     die "Unrecognized FID type: $fid";
163 : overbeek 1.1 }
164 :    
165 :     ($contig, $beg, $end) = $fig->boundaries_of($locus);
166 : gdpusch 1.6
167 :     if ($extend_5prime_end && ($fid_type eq qq(peg))) {
168 :     print STDERR "$fid:\t$locus\tbeg = $beg --> " if $ENV{VERBOSE};
169 :     $beg -= ($beg < $end) ? +$extend_5prime_end : -$extend_5prime_end;
170 :     $beg = &FIG::max(0, &FIG::min($beg, $len_of->{$contig}));
171 :     print STDERR "$beg\n" if $ENV{VERBOSE};
172 :     }
173 : overbeek 1.1 $len = 1 + abs($end-$beg);
174 :    
175 :     unless (defined($regions->{$contig})) { $regions->{$contig} = []; }
176 :     push(@ { $regions->{$contig} }, [ &FIG::min($beg, $end), &FIG::max($beg, $end), $fid ] );
177 :     }
178 :     else
179 :     {
180 :     print STDERR "Skipping invalid entry $entry\n";
181 :     }
182 :     }
183 :     print STDERR "Loaded $num_fids features from $tbl_file\n\n" if $ENV{VERBOSE};
184 :     close(TBL);
185 :     }
186 :    
187 :     foreach my $contig (keys(%$regions))
188 :     {
189 :     my $x = [ sort { $a->[LEFT] <=> $b->[LEFT] } @ { $regions->{$contig} } ];
190 :     for (my $i=1; $i < @$x; ++$i)
191 :     {
192 :     while (($i < @$x) && ($x->[$i-1]->[RIGHT] >= $x->[$i]->[LEFT]))
193 :     {
194 :     print STDERR "Merging $i:\t$x->[$i-1]->[FID]\t$x->[$i]->[FID]\n"
195 :     if ($ENV{VERBOSE} && ($ENV{VERBOSE} > 1));
196 :     $x->[$i-1]->[RIGHT] = &FIG::max( $x->[$i-1]->[RIGHT], $x->[$i]->[RIGHT] );
197 :     splice @$x, $i, 1;
198 :     }
199 :     }
200 :    
201 :     $regions->{$contig} = $x;
202 :     print STDERR "After merger, $contig has ", (scalar @$x), " regions\n\n" if $ENV{VERBOSE};
203 :     }
204 :    
205 :     return $regions;
206 :     }

MCS Webmaster
ViewVC Help
Powered by ViewVC 1.0.3