forester/java/src/org/forester/msa/MsaMethods.java

   1 // $Id:
   2 // forester -- software libraries and applications
   3 // for genomics and evolutionary biology research.
   4 //
   5 // Copyright (C) 2010 Christian M Zmasek
   6 // Copyright (C) 2010 Sanford-Burnham Medical Research Institute
   7 // All rights reserved
   8 //
   9 // This library is free software; you can redistribute it and/or
  10 // modify it under the terms of the GNU Lesser General Public
  11 // License as published by the Free Software Foundation; either
  12 // version 2.1 of the License, or (at your option) any later version.
  13 //
  14 // This library is distributed in the hope that it will be useful,
  15 // but WITHOUT ANY WARRANTY; without even the implied warranty of
  16 // MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
  17 // Lesser General Public License for more details.
  18 //
  19 // You should have received a copy of the GNU Lesser General Public
  20 // License along with this library; if not, write to the Free Software
  21 // Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA
  22 //
  23 // Contact: phylosoft @ gmail . com
  24 // WWW: www.phylosoft.org/forester
  25
  26 package org.forester.msa;
  27
  28 import java.util.ArrayList;
  29 import java.util.Iterator;
  30 import java.util.List;
  31 import java.util.Map;
  32 import java.util.SortedMap;
  33 import java.util.TreeMap;
  34
  35 import org.forester.sequence.BasicSequence;
  36 import org.forester.sequence.Sequence;
  37 import org.forester.util.BasicDescriptiveStatistics;
  38 import org.forester.util.DescriptiveStatistics;
  39
  40 public final class MsaMethods {
  41
  42     private ArrayList<String> _ignored_seqs_ids;
  43
  44     synchronized public ArrayList<String> getIgnoredSequenceIds() {
  45         return _ignored_seqs_ids;
  46     }
  47
  48     synchronized public static MsaMethods createInstance() {
  49         return new MsaMethods();
  50     }
  51
  52     private MsaMethods() {
  53         init();
  54     }
  55
  56     synchronized private void init() {
  57         _ignored_seqs_ids = new ArrayList<String>();
  58     }
  59
  60     @Override
  61     public Object clone() {
  62         throw new NoSuchMethodError();
  63     }
  64
  65     public static int calcGapSumPerColumn( final Msa msa, final int col ) {
  66         int gap_rows = 0;
  67         for( int j = 0; j < msa.getNumberOfSequences(); ++j ) {
  68             if ( msa.getResidueAt( j, col ) == Sequence.GAP ) {
  69                 gap_rows++;
  70             }
  71         }
  72         return gap_rows;
  73     }
  74
  75     final public static Msa removeSequences( final Msa msa, final List<String> to_remove_ids ) {
  76         final List<Sequence> seqs = new ArrayList<Sequence>();
  77         for( int row = 0; row < msa.getNumberOfSequences(); ++row ) {
  78             if ( !to_remove_ids.contains( msa.getIdentifier( row ) ) ) {
  79                 seqs.add( BasicSequence.copySequence( msa.getSequence( row ) ) );
  80             }
  81         }
  82         if ( seqs.size() < 1 ) {
  83             return null;
  84         }
  85         return BasicMsa.createInstance( seqs );
  86     }
  87
  88     final public static Msa removeSequencesByRow( final Msa msa, final List<Integer> to_remove_rows ) {
  89         final List<Sequence> seqs = new ArrayList<Sequence>();
  90         for( int row = 0; row < msa.getNumberOfSequences(); ++row ) {
  91             if ( !to_remove_rows.contains( row ) ) {
  92                 seqs.add( BasicSequence.copySequence( msa.getSequence( row ) ) );
  93             }
  94         }
  95         if ( seqs.size() < 1 ) {
  96             return null;
  97         }
  98         return BasicMsa.createInstance( seqs );
  99     }
 100
 101     synchronized final public Msa removeGapColumns( final double max_allowed_gap_ratio,
 102                                                     final int min_allowed_length,
 103                                                     final Msa msa ) {
 104         init();
 105         if ( ( max_allowed_gap_ratio < 0 ) || ( max_allowed_gap_ratio > 1 ) ) {
 106             throw new IllegalArgumentException( "max allowed gap ration is out of range: " + max_allowed_gap_ratio );
 107         }
 108         final boolean ignore_too_short_seqs = min_allowed_length > 0;
 109         final boolean[] delete_cols = new boolean[ msa.getLength() ];
 110         int new_length = 0;
 111         for( int col = 0; col < msa.getLength(); ++col ) {
 112             delete_cols[ col ] = ( ( double ) calcGapSumPerColumn( msa, col ) / msa.getNumberOfSequences() ) >= max_allowed_gap_ratio;
 113             if ( !delete_cols[ col ] ) {
 114                 ++new_length;
 115             }
 116         }
 117         final List<Sequence> seqs = new ArrayList<Sequence>( msa.getNumberOfSequences() );
 118         for( int row = 0; row < msa.getNumberOfSequences(); ++row ) {
 119             final char[] mol_seq = new char[ new_length ];
 120             int new_col = 0;
 121             int non_gap_cols_sum = 0;
 122             for( int col = 0; col < msa.getLength(); ++col ) {
 123                 if ( !delete_cols[ col ] ) {
 124                     final char residue = msa.getResidueAt( row, col );
 125                     mol_seq[ new_col++ ] = ( residue );
 126                     if ( residue != Sequence.GAP ) {
 127                         ++non_gap_cols_sum;
 128                     }
 129                 }
 130             }
 131             if ( ignore_too_short_seqs ) {
 132                 if ( non_gap_cols_sum >= min_allowed_length ) {
 133                     seqs.add( new BasicSequence( msa.getIdentifier( row ), mol_seq, msa.getType() ) );
 134                 }
 135                 else {
 136                     _ignored_seqs_ids.add( msa.getIdentifier( row ).toString() );
 137                 }
 138             }
 139             else {
 140                 seqs.add( new BasicSequence( msa.getIdentifier( row ), mol_seq, msa.getType() ) );
 141             }
 142         }
 143         if ( seqs.size() < 1 ) {
 144             return null;
 145         }
 146         return BasicMsa.createInstance( seqs );
 147     }
 148
 149     public static double calculateIdentityRatio( final Msa msa, final int column ) {
 150         final SortedMap<Character, Integer> dist = calculateResidueDestributionPerColumn( msa, column );
 151         int majority_count = 0;
 152         final Iterator<Map.Entry<Character, Integer>> it = dist.entrySet().iterator();
 153         while ( it.hasNext() ) {
 154             final Map.Entry<Character, Integer> pair = it.next();
 155             if ( pair.getValue() > majority_count ) {
 156                 majority_count = pair.getValue();
 157             }
 158         }
 159         return ( double ) majority_count / msa.getNumberOfSequences();
 160     }
 161
 162     public static SortedMap<Character, Integer> calculateResidueDestributionPerColumn( final Msa msa, final int column ) {
 163         final SortedMap<Character, Integer> map = new TreeMap<Character, Integer>();
 164         for( final Character r : msa.getColumnAt( column ) ) {
 165             if ( !map.containsKey( r ) ) {
 166                 map.put( r, 1 );
 167             }
 168             else {
 169                 map.put( r, map.get( r ) + 1 );
 170             }
 171         }
 172         return map;
 173     }
 174
 175     public static DescriptiveStatistics calcBasicGapinessStatistics( final Msa msa ) {
 176         final DescriptiveStatistics stats = new BasicDescriptiveStatistics();
 177         for( int i = 0; i < msa.getLength(); ++i ) {
 178             stats.addValue( ( double ) calcGapSumPerColumn( msa, i ) / msa.getNumberOfSequences() );
 179         }
 180         return stats;
 181     }
 182
 183     public static Msa removeSequencesByMinimalLength( final Msa msa, final int min_effective_length ) {
 184         final List<Integer> to_remove_rows = new ArrayList<Integer>();
 185         for( int seq = 0; seq < msa.getNumberOfSequences(); ++seq ) {
 186             int eff_length = 0;
 187             for( int i = 0; i < msa.getLength(); ++i ) {
 188                 if ( msa.getResidueAt( seq, i ) != Sequence.GAP ) {
 189                     eff_length++;
 190                 }
 191             }
 192             if ( eff_length < min_effective_length ) {
 193                 to_remove_rows.add( seq );
 194             }
 195         }
 196         return removeSequencesByRow( msa, to_remove_rows );
 197     }
 198
 199     public static double calcGapRatio( final Msa msa ) {
 200         int gaps = 0;
 201         for( int seq = 0; seq < msa.getNumberOfSequences(); ++seq ) {
 202             for( int i = 0; i < msa.getLength(); ++i ) {
 203                 if ( msa.getResidueAt( seq, i ) == Sequence.GAP ) {
 204                     gaps++;
 205                 }
 206             }
 207         }
 208         return ( double ) gaps / ( msa.getLength() * msa.getNumberOfSequences() );
 209     }
 210 }