src/jalview/ws/dbsources/Uniprot.java

   1 /*
   2  * Jalview - A Sequence Alignment Editor and Viewer ($$Version-Rel$$)
   3  * Copyright (C) $$Year-Rel$$ The Jalview Authors
   4  *
   5  * This file is part of Jalview.
   6  *
   7  * Jalview is free software: you can redistribute it and/or
   8  * modify it under the terms of the GNU General Public License
   9  * as published by the Free Software Foundation, either version 3
  10  * of the License, or (at your option) any later version.
  11  *
  12  * Jalview is distributed in the hope that it will be useful, but
  13  * WITHOUT ANY WARRANTY; without even the implied warranty
  14  * of MERCHANTABILITY or FITNESS FOR A PARTICULAR
  15  * PURPOSE.  See the GNU General Public License for more details.
  16  *
  17  * You should have received a copy of the GNU General Public License
  18  * along with Jalview.  If not, see <http://www.gnu.org/licenses/>.
  19  * The Jalview Authors are detailed in the 'AUTHORS' file.
  20  */
  21 package jalview.ws.dbsources;
  22
  23 import jalview.bin.Cache;
  24 import jalview.datamodel.Alignment;
  25 import jalview.datamodel.AlignmentI;
  26 import jalview.datamodel.DBRefEntry;
  27 import jalview.datamodel.DBRefSource;
  28 import jalview.datamodel.PDBEntry;
  29 import jalview.datamodel.Sequence;
  30 import jalview.datamodel.SequenceFeature;
  31 import jalview.datamodel.SequenceI;
  32 import jalview.schemes.ResidueProperties;
  33 import jalview.util.StringUtils;
  34 import jalview.ws.seqfetcher.DbSourceProxyImpl;
  35 import jalview.xml.binding.uniprot.DbReferenceType;
  36 import jalview.xml.binding.uniprot.Entry;
  37 import jalview.xml.binding.uniprot.FeatureType;
  38 import jalview.xml.binding.uniprot.LocationType;
  39 import jalview.xml.binding.uniprot.PositionType;
  40 import jalview.xml.binding.uniprot.PropertyType;
  41
  42 import java.io.InputStream;
  43 import java.net.URL;
  44 import java.net.URLConnection;
  45 import java.util.ArrayList;
  46 import java.util.List;
  47 import java.util.Vector;
  48
  49 import javax.xml.bind.JAXBContext;
  50 import javax.xml.bind.JAXBException;
  51 import javax.xml.stream.FactoryConfigurationError;
  52 import javax.xml.stream.XMLInputFactory;
  53 import javax.xml.stream.XMLStreamException;
  54 import javax.xml.stream.XMLStreamReader;
  55
  56 import com.stevesoft.pat.Regex;
  57
  58 /**
  59  * This class queries the Uniprot database for sequence data, unmarshals the
  60  * returned XML, and converts it to Jalview Sequence records (including attached
  61  * database references and sequence features)
  62  *
  63  * @author JimP
  64  *
  65  */
  66 public class Uniprot extends DbSourceProxyImpl
  67 {
  68   private static final String DEFAULT_UNIPROT_DOMAIN = "https://www.uniprot.org";
  69
  70   private static final String BAR_DELIMITER = "|";
  71
  72   /**
  73    * Constructor
  74    */
  75   public Uniprot()
  76   {
  77     super();
  78   }
  79
  80   private String getDomain()
  81   {
  82     return Cache.getDefault("UNIPROT_DOMAIN", DEFAULT_UNIPROT_DOMAIN);
  83   }
  84
  85   /*
  86    * (non-Javadoc)
  87    *
  88    * @see jalview.ws.DbSourceProxy#getAccessionSeparator()
  89    */
  90   @Override
  91   public String getAccessionSeparator()
  92   {
  93     return null;
  94   }
  95
  96   /*
  97    * (non-Javadoc)
  98    *
  99    * @see jalview.ws.DbSourceProxy#getAccessionValidator()
 100    */
 101   @Override
 102   public Regex getAccessionValidator()
 103   {
 104     return new Regex("([A-Z]+[0-9]+[A-Z0-9]+|[A-Z0-9]+_[A-Z0-9]+)");
 105   }
 106
 107   /*
 108    * (non-Javadoc)
 109    *
 110    * @see jalview.ws.DbSourceProxy#getDbSource()
 111    */
 112   @Override
 113   public String getDbSource()
 114   {
 115     return DBRefSource.UNIPROT;
 116   }
 117
 118   /*
 119    * (non-Javadoc)
 120    *
 121    * @see jalview.ws.DbSourceProxy#getDbVersion()
 122    */
 123   @Override
 124   public String getDbVersion()
 125   {
 126     return "0"; // we really don't know what version we're on.
 127   }
 128
 129   /*
 130    * (non-Javadoc)
 131    *
 132    * @see jalview.ws.DbSourceProxy#getSequenceRecords(java.lang.String[])
 133    */
 134   @Override
 135   public AlignmentI getSequenceRecords(String queries) throws Exception
 136   {
 137     startQuery();
 138     try
 139     {
 140       queries = queries.toUpperCase().replaceAll(
 141               "(UNIPROT\\|?|UNIPROT_|UNIREF\\d+_|UNIREF\\d+\\|?)", "");
 142       AlignmentI al = null;
 143
 144       String downloadstring = getDomain() + "/uniprot/" + queries
 145               + ".xml";
 146
 147       URL url = new URL(downloadstring);
 148       URLConnection urlconn = url.openConnection();
 149       InputStream istr = urlconn.getInputStream();
 150       List<Entry> entries = getUniprotEntries(istr);
 151       if (entries != null)
 152       {
 153         List<SequenceI> seqs = new ArrayList<>();
 154         for (Entry entry : entries)
 155         {
 156           seqs.add(uniprotEntryToSequence(entry));
 157         }
 158         al = new Alignment(seqs.toArray(new SequenceI[seqs.size()]));
 159       }
 160
 161       stopQuery();
 162       return al;
 163     } catch (Exception e)
 164     {
 165       throw (e);
 166     } finally
 167     {
 168       stopQuery();
 169     }
 170   }
 171
 172   /**
 173    * Converts an Entry object (bound from Uniprot XML) to a Jalview Sequence
 174    *
 175    * @param entry
 176    * @return
 177    */
 178   SequenceI uniprotEntryToSequence(Entry entry)
 179   {
 180     String id = getUniprotEntryId(entry);
 181     String seqString = entry.getSequence().getValue();
 182
 183     /*
 184      * for backwards compatibility with Castor processing,
 185      * remove any internal spaces
 186      */
 187     if (seqString.indexOf(' ') > -1)
 188     {
 189       seqString = seqString.replaceAll(" ", "");
 190     }
 191     SequenceI sequence = new Sequence(id,
 192             seqString);
 193     sequence.setDescription(getUniprotEntryDescription(entry));
 194
 195     /*
 196      * add a 'self' DBRefEntry for each accession
 197      */
 198     final String dbVersion = getDbVersion();
 199     List<DBRefEntry> dbRefs = new ArrayList<>();
 200     for (String accessionId : entry.getAccession())
 201     {
 202       DBRefEntry dbRef = new DBRefEntry(DBRefSource.UNIPROT, dbVersion,
 203               accessionId);
 204       dbRefs.add(dbRef);
 205     }
 206
 207     /*
 208      * add a DBRefEntry for each dbReference element in the XML;
 209      * also add a PDBEntry if type="PDB";
 210      * also add an EMBLCDS dbref if protein sequence id is given
 211      * also add an Ensembl dbref " " " " " "
 212      */
 213     Vector<PDBEntry> pdbRefs = new Vector<>();
 214     for (DbReferenceType dbref : entry.getDbReference())
 215     {
 216       String type = dbref.getType();
 217       DBRefEntry dbr = new DBRefEntry(type,
 218               DBRefSource.UNIPROT + ":" + dbVersion, dbref.getId());
 219       dbRefs.add(dbr);
 220       if ("PDB".equals(type))
 221       {
 222         pdbRefs.add(new PDBEntry(dbr));
 223       }
 224       if ("EMBL".equals(type))
 225       {
 226         /*
 227          * e.g. Uniprot accession Q9BXM7 has
 228          * <dbReference type="EMBL" id="M19359">
 229          *   <property type="protein sequence ID" value="AAA40981.1"/>
 230          *   <property type="molecule type" value="Genomic_DNA"/>
 231          * </dbReference>
 232          */
 233         String cdsId = getProperty(dbref.getProperty(),
 234                 "protein sequence ID");
 235         if (cdsId != null && cdsId.trim().length() > 0)
 236         {
 237           // remove version
 238           String[] vrs = cdsId.split("\\.");
 239           String version = vrs.length > 1 ? vrs[1]
 240                   : DBRefSource.UNIPROT + ":" + dbVersion;
 241           dbr = new DBRefEntry(DBRefSource.EMBLCDS, version, vrs[0]);
 242           dbRefs.add(dbr);
 243         }
 244       }
 245       if ("Ensembl".equals(type))
 246       {
 247         /*
 248          * e.g. Uniprot accession Q9BXM7 has
 249          * <dbReference type="Ensembl" id="ENST00000321556">
 250          *   <molecule id="Q9BXM7-1"/>
 251          *   <property type="protein sequence ID" value="ENSP00000364204"/>
 252          *   <property type="gene ID" value="ENSG00000158828"/>
 253          * </dbReference>
 254          */
 255         String cdsId = getProperty(dbref.getProperty(),
 256                 "protein sequence ID");
 257         if (cdsId != null && cdsId.trim().length() > 0)
 258         {
 259           dbr = new DBRefEntry(DBRefSource.ENSEMBL,
 260                   DBRefSource.UNIPROT + ":" + dbVersion, cdsId.trim());
 261           dbRefs.add(dbr);
 262         }
 263       }
 264     }
 265
 266     /*
 267      * create features; they have either begin and end, or position, in XML
 268      */
 269     sequence.setPDBId(pdbRefs);
 270     if (entry.getFeature() != null)
 271     {
 272       for (FeatureType uf : entry.getFeature())
 273       {
 274         LocationType location = uf.getLocation();
 275         int start = 0;
 276         int end = 0;
 277         if (location.getPosition() != null)
 278         {
 279           start = location.getPosition().getPosition().intValue();
 280           end = start;
 281         }
 282         else
 283         {
 284           start = location.getBegin().getPosition().intValue();
 285           end = location.getEnd().getPosition().intValue();
 286         }
 287         SequenceFeature sf = new SequenceFeature(uf.getType(),
 288                 getDescription(uf), start, end, "Uniprot");
 289         sf.setStatus(uf.getStatus());
 290         sequence.addSequenceFeature(sf);
 291       }
 292     }
 293     for (DBRefEntry dbr : dbRefs)
 294     {
 295       sequence.addDBRef(dbr);
 296     }
 297     return sequence;
 298   }
 299
 300   /**
 301    * A helper method that builds a sequence feature description
 302    *
 303    * @param feature
 304    * @return
 305    */
 306   static String getDescription(FeatureType feature)
 307   {
 308     String orig = feature.getOriginal();
 309     List<String> variants = feature.getVariation();
 310     StringBuilder sb = new StringBuilder();
 311
 312     /*
 313      * append variant in standard format if present
 314      * e.g. p.Arg59Lys
 315      * multiple variants are split over lines using <br>
 316      */
 317     boolean asHtml = false;
 318     if (orig != null && !orig.isEmpty() && variants != null
 319             && !variants.isEmpty())
 320     {
 321       int p = 0;
 322       for (String var : variants)
 323       {
 324         // TODO proper HGVS nomenclature for delins structural variations
 325         // http://varnomen.hgvs.org/recommendations/protein/variant/delins/
 326         // for now we are pragmatic - any orig/variant sequence longer than
 327         // three characters is shown with single-character notation rather than
 328         // three-letter notation
 329         sb.append("p.");
 330         if (orig.length() < 4)
 331         {
 332           for (int c = 0, clen = orig.length(); c < clen; c++)
 333           {
 334             char origchar = orig.charAt(c);
 335             String orig3 = ResidueProperties.aa2Triplet.get("" + origchar);
 336             sb.append(orig3 == null ? origchar
 337                     : StringUtils.toSentenceCase(orig3));
 338           }
 339         }
 340         else
 341         {
 342           sb.append(orig);
 343         }
 344
 345         LocationType location = feature.getLocation();
 346         PositionType start = location.getPosition() == null
 347                 ? location.getBegin()
 348                 : location.getPosition();
 349         sb.append(Integer.toString(start.getPosition().intValue()));
 350
 351         if (var.length() < 4)
 352         {
 353           for (int c = 0, clen = var.length(); c < clen; c++)
 354           {
 355             char varchar = var.charAt(c);
 356             String var3 = ResidueProperties.aa2Triplet.get("" + varchar);
 357
 358             sb.append(var3 != null ? StringUtils.toSentenceCase(var3)
 359                     : "" + varchar);
 360           }
 361         }
 362         else
 363         {
 364           sb.append(var);
 365         }
 366         if (++p != variants.size())
 367         {
 368           sb.append("<br/>&nbsp;&nbsp;");
 369           asHtml = true;
 370         }
 371         else
 372         {
 373           sb.append(" ");
 374         }
 375       }
 376     }
 377     String description = feature.getDescription();
 378     if (description != null)
 379     {
 380       sb.append(description);
 381     }
 382     if (asHtml)
 383     {
 384       sb.insert(0, "<html>");
 385       sb.append("</html>");
 386     }
 387
 388     return sb.toString();
 389   }
 390
 391   /**
 392    * A helper method that searches the list of properties for one with the given
 393    * key, and if found returns the property value, else returns null
 394    *
 395    * @param properties
 396    * @param key
 397    * @return
 398    */
 399   static String getProperty(List<PropertyType> properties, String key)
 400   {
 401     String value = null;
 402     if (properties != null)
 403     {
 404       for (PropertyType prop : properties)
 405       {
 406         if (key.equals(prop.getType()))
 407         {
 408           value = prop.getValue();
 409           break;
 410         }
 411       }
 412     }
 413     return value;
 414   }
 415
 416   /**
 417    * Extracts xml element entry/protein/recommendedName/fullName
 418    *
 419    * @param entry
 420    * @return
 421    */
 422   static String getUniprotEntryDescription(Entry entry)
 423   {
 424     String desc = "";
 425     if (entry.getProtein() != null
 426             && entry.getProtein().getRecommendedName() != null)
 427     {
 428       // fullName is mandatory if recommendedName is present
 429       desc = entry.getProtein().getRecommendedName().getFullName()
 430               .getValue();
 431     }
 432     return desc;
 433   }
 434
 435   /**
 436    * Constructs a sequence id by concatenating all entry/name elements with '|'
 437    * separator
 438    *
 439    * @param entry
 440    * @return
 441    */
 442   static String getUniprotEntryId(Entry entry)
 443   {
 444     StringBuilder name = new StringBuilder(32);
 445     for (String n : entry.getName())
 446     {
 447       if (name.length() > 0)
 448       {
 449         name.append(BAR_DELIMITER);
 450       }
 451       name.append(n);
 452     }
 453     return name.toString();
 454   }
 455
 456   /*
 457    * (non-Javadoc)
 458    *
 459    * @see jalview.ws.DbSourceProxy#isValidReference(java.lang.String)
 460    */
 461   @Override
 462   public boolean isValidReference(String accession)
 463   {
 464     // TODO: make the following a standard validator
 465     return (accession == null || accession.length() < 2) ? false
 466             : getAccessionValidator().search(accession);
 467   }
 468
 469   /**
 470    * return LDHA_CHICK uniprot entry
 471    */
 472   @Override
 473   public String getTestQuery()
 474   {
 475     return "P00340";
 476   }
 477
 478   @Override
 479   public String getDbName()
 480   {
 481     return "Uniprot"; // getDbSource();
 482   }
 483
 484   @Override
 485   public int getTier()
 486   {
 487     return 0;
 488   }
 489
 490   /**
 491    * Reads the reply to the EBI Fetch Uniprot data query, unmarshals it to an
 492    * Uniprot object, and returns the enclosed Entry objects, or null on any
 493    * failure
 494    *
 495    * @param is
 496    * @return
 497    */
 498   public List<Entry> getUniprotEntries(InputStream is)
 499   {
 500     List<Entry> entries = null;
 501     try
 502     {
 503       JAXBContext jc = JAXBContext
 504               .newInstance("jalview.xml.binding.uniprot");
 505       XMLStreamReader streamReader = XMLInputFactory.newInstance()
 506               .createXMLStreamReader(is);
 507       javax.xml.bind.Unmarshaller um = jc.createUnmarshaller();
 508       jalview.xml.binding.uniprot.Uniprot uniprot = (jalview.xml.binding.uniprot.Uniprot) um.unmarshal(streamReader);
 509       if (uniprot != null && !uniprot.getEntry().isEmpty())
 510       {
 511         entries = uniprot.getEntry();
 512       }
 513     } catch (JAXBException | XMLStreamException
 514             | FactoryConfigurationError e)
 515     {
 516       e.printStackTrace();
 517     }
 518     return entries;
 519   }
 520 }