forester/archive/perl/countSpeciesSPTrEMBL.pl

   1 #!/usr/bin/perl -W
   2
   3 # countSpeciesSPTrEMBL.pl
   4 # -----------------------
   5 #
   6 # Copyright (C) 2003 Christian M. Zmasek
   7 # All rights reserved
   8 #
   9 # Created: 02/27/03
  10 # Last modified: 02/27/03
  11 # Author: Christian M. Zmasek
  12 # zmasek@genetics.wustl.edu
  13 # http://www.genetics.wustl.edu/eddy/people/zmasek/
  14 #
  15 # Last modified 05/23/02
  16
  17 # Purpose. Counts species in SWISS-PROT and TrEMBL.
  18 #
  19 # Usage.   countSpeciesSPTrEMBL.pl <path/to/trembl.dat> <path/to/sprot.dat> <outfile>
  20 #
  21
  22
  23 use strict;
  24
  25
  26 my $VERSION       = "1.000";
  27 my $infile_sp     = "";
  28 my $infile_tr     = "";
  29 my $outfile       = "";
  30
  31 my $return_line   = "";
  32 my $read          = 0;
  33 my $os            = "";
  34 my %species_count = (); # full name -> count.
  35
  36
  37 if ( @ARGV != 3 ) {
  38     &errorInCommandLine();
  39 }
  40
  41 $infile_tr = $ARGV[ 0 ];
  42 $infile_sp = $ARGV[ 1 ];
  43 $outfile   = $ARGV[ 2 ];
  44
  45
  46
  47 if ( -e $outfile ) {
  48     die "\n$0: <<$outfile>> already exists.\n\n";
  49 }
  50 unless ( ( -s $infile_tr ) && ( -f $infile_tr ) && ( -T $infile_tr ) ) {
  51     die "\n$0: <$infile_tr>> does not exist, is empty, or is not a plain textfile.\n\n";
  52 }
  53 unless ( ( -s $infile_sp ) && ( -f $infile_sp ) && ( -T $infile_sp ) ) {
  54     die "\n$0: <<$infile_sp>> does not exist, is empty, or is not a plain textfile.\n\n";
  55 }
  56
  57 open( IN_TR, "$infile_tr" ) || die "\n$0: Cannot open file <<$infile_tr>>: $!\n";
  58 open( IN_SP, "$infile_sp" ) || die "\n$0: Cannot open file <<$infile_sp>>: $!\n";
  59 open( OUT, ">$outfile" ) || die "\n$0: Cannot create file <<$outfile>>: $!\n";
  60
  61
  62 $read = 0;
  63
  64 while ( $return_line = <IN_TR> ) {
  65     if ( $return_line =~ /^AC\s+(\S+);/ ) {
  66         $read = 1;
  67     }
  68     elsif ( $return_line =~ /^OS\s+(.+)\.\s*$/ && $read == 1 ) {
  69         $os = $1;
  70         $os =~ s/\(.+\)//g;
  71         $os =~ s/^\s+//;
  72         $os =~ s/\s+$//;
  73         $os =~ s/\.$//;
  74         if ( exists( $species_count{ $os } ) ) {
  75             $species_count{ $os } = $species_count{ $os } + 1;
  76         }
  77         else {
  78             $species_count{ $os } = 1;
  79         }
  80         print "$os\n";
  81     }
  82     elsif ( $return_line =~ /^\/\// && $read == 1 ) {
  83         $read = 0;
  84         $os = "";
  85     }
  86 }
  87
  88 close( IN_TR );
  89
  90 $read = 0;
  91 $os = "";
  92 $return_line =  "";
  93
  94 while ( $return_line = <IN_SP> ) {
  95     if ( $return_line =~ /^ID\s+(\S+)/ ) {
  96         $read = 1;
  97     }
  98     elsif ( $return_line =~ /^OS\s+(.+)\s*$/ && $read == 1 ) {
  99         $os = $1;
 100         $os =~ s/\(.+//g;
 101         $os =~ s/^\s+//;
 102         $os =~ s/\s+$//;
 103         $os =~ s/\.$//;
 104         $read = 0;
 105         if ( exists( $species_count{ $os } ) ) {
 106             $species_count{ $os } = $species_count{ $os } + 1;
 107         }
 108         else {
 109             $species_count{ $os } = 1;
 110         }
 111         print "$os\n";
 112     }
 113     elsif ( $return_line =~ /^\/\// && $read == 1 ) {
 114         $read = 0;
 115         $os = "";
 116     }
 117 }
 118
 119 close( IN_SP );
 120
 121
 122 foreach my $species ( sort { $species_count{ $b } <=> $species_count{ $a } } keys %species_count ) {
 123     print OUT "$species: $species_count{$species}\n";
 124 }
 125
 126
 127 print "\n\nDone!\n\n";
 128
 129 close( OUT );
 130
 131 exit( 0 );
 132
 133
 134
 135
 136
 137
 138 sub errorInCommandLine {
 139     print "\n";
 140     print " countSpeciesSPTrEMBL.pl $VERSION\n";
 141     print " -----------------------\n";
 142     print "\n";
 143     print " Christian Zmasek (zmasek\@genetics.wustl.edu)\n";
 144     print "\n";
 145     print " Purpose. Counts species in SWISS-PROT and TrEMBL.\n";
 146     print "\n";
 147     print " Usage.   countSpeciesSPTrEMBL.pl <path/to/trembl.dat> <path/to/sprot.dat> <outfile>\n";
 148     print "\n";
 149     exit( -1 );
 150 }