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

Annotation of /FigKernelScripts/load_features.pl

Parent Directory Parent Directory | Revision Log Revision Log


Revision 1.20 - (view) (download) (as text)

1 : efrank 1.1 # -*- perl -*-
2 : olson 1.20 #
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 : efrank 1.1
20 :     use strict;
21 :     use FIG;
22 :     my $fig = new FIG;
23 :    
24 : parrello 1.18 use Tracer;
25 : efrank 1.1
26 : parrello 1.18 Trace("Preparing to load features.") if T(2);
27 :     my ($mode, @genomes) = FIG::parse_genome_args(@ARGV);
28 : efrank 1.1 my $temp_dir = "$FIG_Config::temp";
29 : parrello 1.18 my $organisms_dir = "$FIG_Config::organisms";
30 : efrank 1.1
31 :     my($genome,@types,$type,$id,$loc,@aliases,$aliases,$contig);
32 :    
33 :     # usage: load_features [G1 G2 G3 ... ]
34 :    
35 : parrello 1.18 Open(\*REL, ">$temp_dir/tmpfeat$$");
36 :     Open(\*ALIAS, "| sort -T $temp_dir -u > $temp_dir/tmpalias$$");
37 : efrank 1.1
38 :    
39 : parrello 1.18 if ($mode eq 'all') {
40 : overbeek 1.10
41 :     # Here we extract external aliases from the peg.synonyms table, when they can be inferred
42 :     # accurately.
43 : parrello 1.18 Trace("Extracting external aliases from the peg.synonyms table.") if T(2);
44 :     open(\*SYN, "<$FIG_Config::global/peg.synonyms");
45 : overbeek 1.10 while (defined($_ = <SYN>))
46 :     {
47 : parrello 1.18 chop;
48 :     my($x,$y) = split(/\t/,$_);
49 :     my @ids = map { $_ =~ /^([^,]+),(\d+)/; [$1,$2] } ($x,split(/;/,$y));
50 :     my @fig = ();
51 :     my(@nonfig) = ();
52 :     foreach $_ (@ids)
53 :     {
54 :     if ($_->[0] =~ /^fig\|/)
55 :     {
56 :     push(@fig,$_);
57 :     }
58 :     else
59 :     {
60 :     push(@nonfig,$_);
61 :     }
62 :     }
63 :    
64 :     foreach $x (@fig)
65 : overbeek 1.13 {
66 : parrello 1.18 my($peg,$peg_ln) = @$x;
67 :     my $genome = &FIG::genome_of($peg);
68 :     foreach $_ (@nonfig)
69 :     {
70 :     if ((@fig == 1) || ($peg_ln == $_->[1]))
71 :     {
72 :     print ALIAS "$peg\t$_->[0]\t$genome\n";
73 :     Trace("Alias record $peg, $_->[0] for $genome.") if T(4);
74 :     }
75 :     }
76 : overbeek 1.13 }
77 : overbeek 1.10 }
78 :     close(SYN);
79 : efrank 1.1 }
80 :    
81 :     foreach $genome (@genomes)
82 :     {
83 : parrello 1.18 Trace("Processing $genome.") if T(3);
84 : efrank 1.1 opendir(FEAT,"$organisms_dir/$genome/Features")
85 : parrello 1.18 || die "could not open $genome/Features";
86 : efrank 1.1 @types = grep { $_ =~ /^[a-zA-Z]+$/ } readdir(FEAT);
87 :     closedir(FEAT);
88 :    
89 :     foreach $type (@types)
90 :     {
91 : overbeek 1.19 if ((-s "$organisms_dir/$genome/Features/$type/tbl") &&
92 :     open(TBL,"<$organisms_dir/$genome/Features/$type/tbl"))
93 :     {
94 :     Trace("Loading $genome/Features/$type/tbl") if T(4);
95 :     my @tbl = <TBL>;
96 :     close(TBL);
97 :     my %seen;
98 :    
99 :     while ($_ = pop @tbl)
100 :     {
101 :     chop;
102 :     ($id,$loc,@aliases) = split(/\t/,$_);
103 :    
104 :     if ($id && (! $seen{$id}))
105 : overbeek 1.12 {
106 : overbeek 1.19 $seen{$id} = 1;
107 :     my($minloc,$maxloc);
108 :     if ($loc)
109 :     {
110 :     $loc =~ s/\s+$//;
111 :     ($contig,$minloc,$maxloc) = &FIG::boundaries_of($loc);
112 :     if ($minloc && $maxloc)
113 : overbeek 1.8 {
114 : overbeek 1.19 ($minloc < $maxloc) || (($minloc,$maxloc) = ($maxloc,$minloc));
115 :     }
116 :     }
117 : parrello 1.18
118 : overbeek 1.19 if (! $contig)
119 :     {
120 :     $loc = $contig = $minloc = $maxloc = "";
121 :     }
122 : parrello 1.18
123 : overbeek 1.19 if (@aliases > 0)
124 :     {
125 :     $aliases = join(",",grep(/\S/,@aliases));
126 :     my $alias;
127 :     foreach $alias (@aliases)
128 :     {
129 :     if ($alias =~ /^([NXYZA]P_|gi\||sp\|\tr\||kegg\||uni\|)/)
130 :     {
131 :    
132 :     print ALIAS "$id\t$alias\t$genome\tOVERRIDE\n";
133 :     Trace("$id override alias $alias for $genome") if T(4);
134 :     }
135 : overbeek 1.8 }
136 : overbeek 1.19 }
137 :     else
138 :     {
139 :     $aliases = "";
140 :     }
141 :     $minloc = (! $minloc) ? 0 : $minloc;
142 :     $maxloc = (! $maxloc) ? 0 : $maxloc;
143 :     if ((length($loc) < 5000) && (length($contig) < 96) && (length($id) < 32) && ($id =~ /(\d+)$/))
144 :     {
145 :     print REL "$id\t$1\t$type\t$genome\t$loc\t$contig\t$minloc\t$maxloc\t$aliases\n";
146 :     }
147 : efrank 1.1 }
148 : overbeek 1.19 }
149 :     }
150 : efrank 1.1 }
151 :     }
152 :     close(REL);
153 : overbeek 1.8 close(ALIAS);
154 : parrello 1.18 Open(\*ALIASIN, "<$temp_dir/tmpalias$$");
155 :     Open(\*ALIASOUT, ">$temp_dir/tmpalias$$.1");
156 :     Trace("Parsing alias file.") if T(2);
157 : overbeek 1.14 $_ = <ALIASIN>;
158 :     while ($_ && ($_ =~ /^(\S+)/))
159 :     {
160 :     my @aliases = ();
161 :     my $curr = $1;
162 :     while ($_ && ($_ =~ /^(\S+)\t(\S+)(\t(\S+))?/) && ($1 eq $curr))
163 :     {
164 : parrello 1.18 push(@aliases,[$2,$3 ? 1 : 0]);
165 :     $_ = <ALIASIN>;
166 : overbeek 1.14 }
167 :     my $x;
168 :     my $genome = &FIG::genome_of($curr);
169 :     foreach $x (@aliases)
170 :     {
171 : overbeek 1.19 if ($x->[1])
172 :     {
173 :     print ALIASOUT "$curr\t$x->[0]\t$genome\n";
174 :     }
175 :     else
176 :     {
177 :     my $i;
178 :     for ($i=0; ($i < @aliases) && ((! $aliases[$i]->[1]) || (! &same_class($x->[0],$aliases[$i]->[0]))); $i++) {}
179 :     if ($i == @aliases)
180 :     {
181 :     print ALIASOUT "$curr\t$x->[0]\t$genome\n";
182 :     }
183 :     }
184 : overbeek 1.14 }
185 :     }
186 :     close(ALIASIN);
187 :     close(ALIASOUT);
188 :     unlink("$temp_dir/tmpalias$$");
189 : efrank 1.1
190 : parrello 1.18 $fig->reload_table($mode, 'features',
191 :     "id varchar(32), idN INTEGER, type varchar(16),genome varchar(16)," .
192 :     "location TEXT," .
193 :     "contig varchar(96), minloc INTEGER, maxloc INTEGER," .
194 :     "aliases TEXT",
195 :     { features_id_ix => "id", features_org_ix => "genome",
196 :     features_type_ix => "type", features_beg_ix => "genome, contig, minloc" },
197 :     "$temp_dir/tmpfeat$$", \@genomes);
198 :     unlink("$temp_dir/tmpfeat$$");
199 : efrank 1.1
200 : parrello 1.18 $fig->reload_table($mode, 'ext_alias',
201 :     "id varchar(32), alias varchar(32), genome varchar(16)",
202 :     { ext_alias_alias_ix => "alias", ext_alias_genome_ix => "genome",
203 :     ext_alias_ix_id => "id" },
204 :     "$temp_dir/tmpalias$$.1", \@genomes );
205 : overbeek 1.8
206 : overbeek 1.14 unlink("$temp_dir/tmpalias$$.1");
207 : parrello 1.18 Trace("Features loaded.") if T(2);
208 : overbeek 1.14
209 :     sub same_class {
210 :     my($x,$y) = @_;
211 :    
212 :     my $class1 = &classA($x);
213 :     my $class2 = &classA($y);
214 :     return ($class1 && ($class1 eq $class2));
215 :     }
216 :    
217 :     sub classA {
218 :     my($alias) = @_;
219 :    
220 :     if ($alias =~ /^([^\|]+)\|/)
221 :     {
222 : parrello 1.18 return $1;
223 : overbeek 1.14 }
224 :     elsif ($alias =~ /^[NXYZA]P_[0-9\.]+$/)
225 :     {
226 : parrello 1.18 return "refseq";
227 : overbeek 1.14 }
228 :     else
229 :     {
230 : parrello 1.18 return "";
231 : overbeek 1.14 }
232 :     }

MCS Webmaster
ViewVC Help
Powered by ViewVC 1.0.3