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     synchronized final public Msa removeGapColumns( final double max_allowed_gap_ratio,
  89                                                     final int min_allowed_length,
  90                                                     final Msa msa ) {
  91         init();
  92         if ( ( max_allowed_gap_ratio < 0 ) || ( max_allowed_gap_ratio > 1 ) ) {
  93             throw new IllegalArgumentException( "max allowed gap ration is out of range: " + max_allowed_gap_ratio );
  94         }
  95         final boolean ignore_too_short_seqs = min_allowed_length > 0;
  96         final boolean[] delete_cols = new boolean[ msa.getLength() ];
  97         int new_length = 0;
  98         for( int col = 0; col < msa.getLength(); ++col ) {
  99             delete_cols[ col ] = ( ( double ) calcGapSumPerColumn( msa, col ) / msa.getNumberOfSequences() ) >= max_allowed_gap_ratio;
 100             if ( !delete_cols[ col ] ) {
 101                 ++new_length;
 102             }
 103         }
 104         final List<Sequence> seqs = new ArrayList<Sequence>( msa.getNumberOfSequences() );
 105         for( int row = 0; row < msa.getNumberOfSequences(); ++row ) {
 106             final char[] mol_seq = new char[ new_length ];
 107             int new_col = 0;
 108             int non_gap_cols_sum = 0;
 109             for( int col = 0; col < msa.getLength(); ++col ) {
 110                 if ( !delete_cols[ col ] ) {
 111                     final char residue = msa.getResidueAt( row, col );
 112                     mol_seq[ new_col++ ] = ( residue );
 113                     if ( residue != Sequence.GAP ) {
 114                         ++non_gap_cols_sum;
 115                     }
 116                 }
 117             }
 118             if ( ignore_too_short_seqs ) {
 119                 if ( non_gap_cols_sum >= min_allowed_length ) {
 120                     seqs.add( new BasicSequence( msa.getIdentifier( row ), mol_seq, msa.getType() ) );
 121                 }
 122                 else {
 123                     _ignored_seqs_ids.add( msa.getIdentifier( row ).toString() );
 124                 }
 125             }
 126             else {
 127                 seqs.add( new BasicSequence( msa.getIdentifier( row ), mol_seq, msa.getType() ) );
 128             }
 129         }
 130         if ( seqs.size() < 1 ) {
 131             return null;
 132         }
 133         return BasicMsa.createInstance( seqs );
 134     }
 135
 136     public static double calculateIdentityRatio( final Msa msa, final int column ) {
 137         final SortedMap<Character, Integer> dist = calculateResidueDestributionPerColumn( msa, column );
 138         int majority_count = 0;
 139         final Iterator<Map.Entry<Character, Integer>> it = dist.entrySet().iterator();
 140         while ( it.hasNext() ) {
 141             final Map.Entry<Character, Integer> pair = it.next();
 142             if ( pair.getValue() > majority_count ) {
 143                 majority_count = pair.getValue();
 144             }
 145         }
 146         return ( double ) majority_count / msa.getNumberOfSequences();
 147     }
 148
 149     public static SortedMap<Character, Integer> calculateResidueDestributionPerColumn( final Msa msa, final int column ) {
 150         final SortedMap<Character, Integer> map = new TreeMap<Character, Integer>();
 151         for( final Character r : msa.getColumnAt( column ) ) {
 152             if ( !map.containsKey( r ) ) {
 153                 map.put( r, 1 );
 154             }
 155             else {
 156                 map.put( r, map.get( r ) + 1 );
 157             }
 158         }
 159         return map;
 160     }
 161
 162     public static DescriptiveStatistics calcBasicGapinessStatistics( final Msa msa ) {
 163         final DescriptiveStatistics stats = new BasicDescriptiveStatistics();
 164         for( int i = 0; i < msa.getLength(); ++i ) {
 165             stats.addValue( ( double ) calcGapSumPerColumn( msa, i ) / msa.getNumberOfSequences() );
 166         }
 167         return stats;
 168     }
 169 }