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.surfacing.DomainId;
  14 import org.forester.util.ForesterUtil;
  15
  16 public class PfamToGoParser {
  17
  18     // Pfam:PF00001 7tm_1 > GO:rhodopsin-like receptor activity ; GO:0001584
  19     private static final String  PFAM_TO_GO_FORMAT     = "Pfam:\\S+\\s+(\\S+)\\s*>\\s*GO:.+;\\s*(\\S+)";
  20     private static final Pattern PFAM_TO_GO_PATTERN    = Pattern.compile( PFAM_TO_GO_FORMAT );
  21     private static final String  PFAMACC_TO_GO_FORMAT  = "Pfam:(\\S+)\\s+\\S+\\s*>\\s*GO:.+;\\s*(\\S+)";
  22     private static final Pattern PFAMACC_TO_GO_PATTERN = Pattern.compile( PFAMACC_TO_GO_FORMAT );
  23     private final File           _input_file;
  24     private int                  _mapping_count;
  25     private boolean              _use_acc;
  26
  27     public PfamToGoParser( final File input_file ) {
  28         _input_file = input_file;
  29         init();
  30     }
  31
  32     private File getInputFile() {
  33         return _input_file;
  34     }
  35
  36     public int getMappingCount() {
  37         return _mapping_count;
  38     }
  39
  40     private void init() {
  41         setMappingCount( 0 );
  42         setUseAccessors( false );
  43     }
  44
  45     public boolean isUseAccessors() {
  46         return _use_acc;
  47     }
  48
  49     public List<PfamToGoMapping> parse() throws IOException {
  50         final String error = ForesterUtil.isReadableFile( getInputFile() );
  51         if ( !ForesterUtil.isEmpty( error ) ) {
  52             throw new IOException( error );
  53         }
  54         final BufferedReader br = new BufferedReader( new FileReader( getInputFile() ) );
  55         String line;
  56         final List<PfamToGoMapping> mappings = new ArrayList<PfamToGoMapping>();
  57         int line_number = 0;
  58         try {
  59             while ( ( line = br.readLine() ) != null ) {
  60                 line_number++;
  61                 line = line.trim();
  62                 if ( ( line.length() > 0 ) && !line.startsWith( "!" ) ) {
  63                     Matcher m = null;
  64                     if ( isUseAccessors() ) {
  65                         m = PFAMACC_TO_GO_PATTERN.matcher( line );
  66                     }
  67                     else {
  68                         m = PFAM_TO_GO_PATTERN.matcher( line );
  69                     }
  70                     if ( !m.matches() ) {
  71                         throw new IOException( "unexpected format [\"" + line + "\"]" );
  72                     }
  73                     if ( m.groupCount() != 2 ) {
  74                         throw new IOException( "unexpected format [\"" + line + "\"]" );
  75                     }
  76                     final String pfam = m.group( 1 );
  77                     final String go = m.group( 2 );
  78                     if ( ForesterUtil.isEmpty( pfam ) || ForesterUtil.isEmpty( go ) ) {
  79                         throw new IOException( "unexpected format [\"" + line + "\"]" );
  80                     }
  81                     final PfamToGoMapping map = new PfamToGoMapping( new DomainId( pfam ), new GoId( go ) );
  82                     ++_mapping_count;
  83                     mappings.add( map );
  84                 }
  85             } // while ( ( line = br.readLine() ) != null )
  86         }
  87         catch ( final Exception e ) {
  88             throw new IOException( "parsing problem: " + e.getMessage() + " [at line " + line_number + "]" );
  89         }
  90         return mappings;
  91     }
  92
  93     private void setMappingCount( final int mapping_count ) {
  94         _mapping_count = mapping_count;
  95     }
  96
  97     public void setUseAccessors( final boolean use_ids ) {
  98         _use_acc = use_ids;
  99     }
 100 }