forester/java/src/org/forester/go/PfamToGoParser.java

   1
   2 package org.forester.go;
   3
   4 import java.io.BufferedReader;
   5 import java.io.File;
   6 import java.io.FileReader;
   7 import java.io.IOException;
   8 import java.util.ArrayList;
   9 import java.util.List;
  10 import java.util.regex.Matcher;
  11 import java.util.regex.Pattern;
  12
  13 import org.forester.util.ForesterUtil;
  14
  15 public class PfamToGoParser {
  16
  17     // Pfam:PF00001 7tm_1 > GO:rhodopsin-like receptor activity ; GO:0001584
  18     private static final String  PFAM_TO_GO_FORMAT     = "Pfam:\\S+\\s+(\\S+)\\s*>\\s*GO:.+;\\s*(\\S+)";
  19     private static final Pattern PFAM_TO_GO_PATTERN    = Pattern.compile( PFAM_TO_GO_FORMAT );
  20     private static final String  PFAMACC_TO_GO_FORMAT  = "Pfam:(\\S+)\\s+\\S+\\s*>\\s*GO:.+;\\s*(\\S+)";
  21     private static final Pattern PFAMACC_TO_GO_PATTERN = Pattern.compile( PFAMACC_TO_GO_FORMAT );
  22     private final File           _input_file;
  23     private int                  _mapping_count;
  24     private boolean              _use_acc;
  25
  26     public PfamToGoParser( final File input_file ) {
  27         _input_file = input_file;
  28         init();
  29     }
  30
  31     private File getInputFile() {
  32         return _input_file;
  33     }
  34
  35     public int getMappingCount() {
  36         return _mapping_count;
  37     }
  38
  39     private void init() {
  40         setMappingCount( 0 );
  41         setUseAccessors( false );
  42     }
  43
  44     public boolean isUseAccessors() {
  45         return _use_acc;
  46     }
  47
  48     public List<PfamToGoMapping> parse() throws IOException {
  49         final String error = ForesterUtil.isReadableFile( getInputFile() );
  50         if ( !ForesterUtil.isEmpty( error ) ) {
  51             throw new IOException( error );
  52         }
  53         final BufferedReader br = new BufferedReader( new FileReader( getInputFile() ) );
  54         String line;
  55         final List<PfamToGoMapping> mappings = new ArrayList<PfamToGoMapping>();
  56         int line_number = 0;
  57         try {
  58             while ( ( line = br.readLine() ) != null ) {
  59                 line_number++;
  60                 line = line.trim();
  61                 if ( ( line.length() > 0 ) && !line.startsWith( "!" ) ) {
  62                     Matcher m = null;
  63                     if ( isUseAccessors() ) {
  64                         m = PFAMACC_TO_GO_PATTERN.matcher( line );
  65                     }
  66                     else {
  67                         m = PFAM_TO_GO_PATTERN.matcher( line );
  68                     }
  69                     if ( !m.matches() ) {
  70                         throw new IOException( "unexpected format [\"" + line + "\"]" );
  71                     }
  72                     if ( m.groupCount() != 2 ) {
  73                         throw new IOException( "unexpected format [\"" + line + "\"]" );
  74                     }
  75                     final String pfam = m.group( 1 );
  76                     final String go = m.group( 2 );
  77                     if ( ForesterUtil.isEmpty( pfam ) || ForesterUtil.isEmpty( go ) ) {
  78                         throw new IOException( "unexpected format [\"" + line + "\"]" );
  79                     }
  80                     final PfamToGoMapping map = new PfamToGoMapping( pfam, new GoId( go ) );
  81                     ++_mapping_count;
  82                     mappings.add( map );
  83                 }
  84             } // while ( ( line = br.readLine() ) != null )
  85         }
  86         catch ( final Exception e ) {
  87             throw new IOException( "parsing problem: " + e.getMessage() + " [at line " + line_number + "]" );
  88         }
  89         return mappings;
  90     }
  91
  92     private void setMappingCount( final int mapping_count ) {
  93         _mapping_count = mapping_count;
  94     }
  95
  96     public void setUseAccessors( final boolean use_ids ) {
  97         _use_acc = use_ids;
  98     }
  99 }