forester/java/src/org/forester/util/SequenceAccessionTools.java

   1 // $Id:\r
   2 // FORESTER -- software libraries and applications\r
   3 // for evolutionary biology research and applications.\r
   4 //\r
   5 // Copyright (C) 2008-2009 Christian M. Zmasek\r
   6 // Copyright (C) 2008-2009 Burnham Institute for Medical Research\r
   7 // Copyright (C) 2000-2001 Washington University School of Medicine\r
   8 // and Howard Hughes Medical Institute\r
   9 // Copyright (C) 2003-2007 Ethalinda K.S. Cannon\r
  10 // All rights reserved\r
  11 //\r
  12 // This library is free software; you can redistribute it and/or\r
  13 // modify it under the terms of the GNU Lesser General Public\r
  14 // License as published by the Free Software Foundation; either\r
  15 // version 2.1 of the License, or (at your option) any later version.\r
  16 //\r
  17 // This library is distributed in the hope that it will be useful,\r
  18 // but WITHOUT ANY WARRANTY; without even the implied warranty of\r
  19 // MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU\r
  20 // Lesser General Public License for more details.\r
  21 //\r
  22 // You should have received a copy of the GNU Lesser General Public\r
  23 // License along with this library; if not, write to the Free Software\r
  24 // Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA\r
  25 //\r
  26 // Contact: phylosoft @ gmail . com\r
  27 // WWW: https://sites.google.com/site/cmzmasek/home/software/forester\r
  28 \r
  29 package org.forester.util;\r
  30 \r
  31 import java.util.regex.Matcher;\r
  32 import java.util.regex.Pattern;\r
  33 \r
  34 import org.forester.phylogeny.PhylogenyNode;\r
  35 import org.forester.phylogeny.data.Accession;\r
  36 import org.forester.phylogeny.data.Accession.Source;\r
  37 import org.forester.phylogeny.data.Sequence;\r
  38 \r
  39 public final class SequenceAccessionTools {\r
  40 \r
  41     // gb_ADF31344_1_segmented_worms_\r
  42     // gb_AAA96518_1\r
  43     // gb_EHB07727_1_rodents_\r
  44     // dbj_BAF37827_1_turtles_\r
  45     // emb_CAA73223_1_primates_\r
  46     // lcl_91970_unknown_\r
  47     // mites|ref_XP_002434188_1\r
  48     // ref_XP_002434188_1_mites___ticks_\r
  49     // ref_NP_001121530_1_frogs___toads_\r
  50     //The format for GenBank Accession numbers are:\r
  51     //Nucleotide: 1 letter + 5 numerals OR 2 letters + 6 numerals\r
  52     //Protein:    3 letters + 5 numerals\r
  53     //http://www.ncbi.nlm.nih.gov/Sequin/acc.html\r
  54     public final static Pattern  GENBANK_NUC_PATTERN_1 = Pattern\r
  55                                                                .compile( "(?:\\A|.*[^a-zA-Z0-9])([A-Z]\\d{5}(?:\\.\\d+)?)(?:[^a-zA-Z0-9]|\\Z)" );\r
  56     public final static Pattern  GENBANK_NUC_PATTERN_2 = Pattern\r
  57                                                                .compile( "(?:\\A|.*[^a-zA-Z0-9])([A-Z]{2}\\d{6}(?:\\.\\d+)?)(?:[^a-zA-Z0-9]|\\Z)" );\r
  58     public final static Pattern  GENBANK_PROT_PATTERN  = Pattern\r
  59                                                                .compile( "(?:\\A|.*[^a-zA-Z0-9])([A-Z]{3}\\d{5}(?:\\.\\d+)?)(?:[^a-zA-Z0-9]|\\Z)" );\r
  60     public final static Pattern  GI_PATTERN            = Pattern.compile( "(?:\\b|_)(?:GI|gi)[|_=:](\\d+)(?:\\b|_)" );\r
  61     public final static Pattern  UNIPROT_KB_PATTERN_0  = Pattern\r
  62                                                                .compile( "(?:\\b|_)([A-Z][0-9][A-Z0-9]{3}[0-9])(?:\\b|_)" );\r
  63     public final static Pattern  UNIPROT_KB_PATTERN_1  = Pattern\r
  64                                                                .compile( "(?:\\b|_)(?:sp|tr)[\\.|\\-_=/\\\\]([A-Z][0-9][A-Z0-9]{3}[0-9])(?:\\b|_)" );\r
  65     public final static Pattern  UNIPROT_KB_PATTERN_2  = Pattern\r
  66                                                                .compile( "(?:\\b|_)(?:[A-Z0-9]{2,5}|(?:[A-Z][0-9][A-Z0-9]{3}[0-9]))_(([A-Z9][A-Z]{2}[A-Z0-9]{2})|RAT|PIG|PEA)(?:\\b|_)" );\r
  67     // RefSeq accession numbers can be distinguished from GenBank accessions \r
  68     // by their distinct prefix format of 2 characters followed by an\r
  69     // underscore character ('_'). For example, a RefSeq protein accession is NP_015325. \r
  70     private final static Pattern REFSEQ_PATTERN        = Pattern\r
  71                                                                .compile( "(?:\\A|.*[^a-zA-Z0-9])([A-Z]{2}_\\d{6,})(?:[^a-zA-Z0-9]|\\Z)" );\r
  72 \r
  73     private SequenceAccessionTools() {\r
  74         // Hiding the constructor.\r
  75     }\r
  76 \r
  77     public final static boolean isProteinDbQuery( final String query ) {\r
  78         final String r1 = parseRefSeqAccessorFromString( query );\r
  79         if ( !ForesterUtil.isEmpty( r1 ) && ( r1.charAt( 1 ) == 'P' ) ) {\r
  80             return true;\r
  81         }\r
  82         final String r2 = parseUniProtAccessorFromString( query );\r
  83         if ( !ForesterUtil.isEmpty( r2 ) ) {\r
  84             return true;\r
  85         }\r
  86         return GENBANK_PROT_PATTERN.matcher( query ).lookingAt();\r
  87     }\r
  88 \r
  89     public final static Accession obtainAccessorFromDataFields( final PhylogenyNode n ) {\r
  90         String a = obtainUniProtAccessorFromDataFields( n );\r
  91         if ( !ForesterUtil.isEmpty( a ) ) {\r
  92             return new Accession( a, Source.UNIPROT );\r
  93         }\r
  94         a = obtainGenbankAccessorFromDataFields( n );\r
  95         if ( !ForesterUtil.isEmpty( a ) ) {\r
  96             return new Accession( a, Source.NCBI );\r
  97         }\r
  98         a = obtainRefSeqAccessorFromDataFields( n );\r
  99         if ( !ForesterUtil.isEmpty( a ) ) {\r
 100             return new Accession( a, Source.REFSEQ );\r
 101         }\r
 102         a = obtainGiNumberFromDataFields( n );\r
 103         if ( !ForesterUtil.isEmpty( a ) ) {\r
 104             return new Accession( a, Source.GI );\r
 105         }\r
 106         return null;\r
 107     }\r
 108 \r
 109     public final static Accession obtainFromSeqAccession( final PhylogenyNode n ) {\r
 110         if ( n.getNodeData().isHasSequence() && ( n.getNodeData().getSequence().getAccession() != null )\r
 111                 && !ForesterUtil.isEmpty( n.getNodeData().getSequence().getAccession().getSource() )\r
 112                 && !ForesterUtil.isEmpty( n.getNodeData().getSequence().getAccession().getValue() ) ) {\r
 113             final String source = n.getNodeData().getSequence().getAccession().getSource().toLowerCase();\r
 114             final String value = n.getNodeData().getSequence().getAccession().getValue();\r
 115             if ( ( source.startsWith( "uniprot" ) || source.equals( "swissprot" ) || source.equals( "trembl" ) || source\r
 116                     .equals( "sp" ) ) ) {\r
 117                 return new Accession( value, Source.UNIPROT );\r
 118             }\r
 119             else if ( source.equals( "embl" ) || source.equals( "ebi" ) ) {\r
 120                 return new Accession( value, Source.EMBL );\r
 121             }\r
 122             else if ( source.equals( "ncbi" ) || source.equals( "genbank" ) ) {\r
 123                 return new Accession( value, Source.NCBI );\r
 124             }\r
 125             else if ( source.equals( "refseq" ) ) {\r
 126                 return new Accession( value, Source.REFSEQ );\r
 127             }\r
 128             else if ( source.equals( "gi" ) ) {\r
 129                 return new Accession( value, Source.GI );\r
 130             }\r
 131         }\r
 132         return null;\r
 133     }\r
 134 \r
 135     public final static String obtainGenbankAccessorFromDataFields( final PhylogenyNode n ) {\r
 136         String a = null;\r
 137         if ( n.getNodeData().isHasSequence() ) {\r
 138             final Sequence seq = n.getNodeData().getSequence();\r
 139             if ( !ForesterUtil.isEmpty( seq.getSymbol() ) ) {\r
 140                 a = parseGenbankAccessorFromString( seq.getSymbol() );\r
 141             }\r
 142             if ( !ForesterUtil.isEmpty( seq.getGeneName() ) ) {\r
 143                 a = parseGenbankAccessorFromString( seq.getGeneName() );\r
 144             }\r
 145             if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( seq.getName() ) ) {\r
 146                 a = parseGenbankAccessorFromString( seq.getName() );\r
 147             }\r
 148             if ( ForesterUtil.isEmpty( a ) && ( n.getNodeData().getSequence().getAccession() != null )\r
 149                     && !ForesterUtil.isEmpty( seq.getAccession().getValue() ) ) {\r
 150                 a = parseGenbankAccessorFromString( seq.getAccession().getValue() );\r
 151             }\r
 152         }\r
 153         if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( n.getName() ) ) {\r
 154             a = parseGenbankAccessorFromString( n.getName() );\r
 155         }\r
 156         return a;\r
 157     }\r
 158 \r
 159     public final static String obtainGiNumberFromDataFields( final PhylogenyNode n ) {\r
 160         String a = null;\r
 161         if ( n.getNodeData().isHasSequence() ) {\r
 162             final Sequence seq = n.getNodeData().getSequence();\r
 163             if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( seq.getName() ) ) {\r
 164                 a = parseGInumberFromString( seq.getName() );\r
 165             }\r
 166             if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( seq.getGeneName() ) ) {\r
 167                 a = parseGInumberFromString( seq.getGeneName() );\r
 168             }\r
 169             if ( ForesterUtil.isEmpty( a ) && ( n.getNodeData().getSequence().getAccession() != null )\r
 170                     && !ForesterUtil.isEmpty( seq.getAccession().getValue() ) ) {\r
 171                 a = parseGInumberFromString( seq.getAccession().getValue() );\r
 172             }\r
 173         }\r
 174         if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( n.getName() ) ) {\r
 175             a = parseGInumberFromString( n.getName() );\r
 176         }\r
 177         return a;\r
 178     }\r
 179 \r
 180     public final static String obtainRefSeqAccessorFromDataFields( final PhylogenyNode n ) {\r
 181         String a = null;\r
 182         if ( n.getNodeData().isHasSequence() ) {\r
 183             final Sequence seq = n.getNodeData().getSequence();\r
 184             if ( !ForesterUtil.isEmpty( seq.getSymbol() ) ) {\r
 185                 a = parseRefSeqAccessorFromString( seq.getSymbol() );\r
 186             }\r
 187             if ( !ForesterUtil.isEmpty( seq.getGeneName() ) ) {\r
 188                 a = parseRefSeqAccessorFromString( seq.getGeneName() );\r
 189             }\r
 190             if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( seq.getName() ) ) {\r
 191                 a = parseRefSeqAccessorFromString( seq.getName() );\r
 192             }\r
 193             if ( ForesterUtil.isEmpty( a ) && ( n.getNodeData().getSequence().getAccession() != null )\r
 194                     && !ForesterUtil.isEmpty( seq.getAccession().getValue() ) ) {\r
 195                 a = parseRefSeqAccessorFromString( seq.getAccession().getValue() );\r
 196             }\r
 197         }\r
 198         if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( n.getName() ) ) {\r
 199             a = parseRefSeqAccessorFromString( n.getName() );\r
 200         }\r
 201         return a;\r
 202     }\r
 203 \r
 204     public final static String obtainUniProtAccessorFromDataFields( final PhylogenyNode n ) {\r
 205         String a = null;\r
 206         if ( n.getNodeData().isHasSequence() ) {\r
 207             final Sequence seq = n.getNodeData().getSequence();\r
 208             if ( !ForesterUtil.isEmpty( seq.getSymbol() ) ) {\r
 209                 a = SequenceAccessionTools.parseUniProtAccessorFromString( seq.getSymbol() );\r
 210             }\r
 211             if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( seq.getName() ) ) {\r
 212                 a = SequenceAccessionTools.parseUniProtAccessorFromString( seq.getName() );\r
 213             }\r
 214             if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( seq.getGeneName() ) ) {\r
 215                 a = SequenceAccessionTools.parseUniProtAccessorFromString( seq.getGeneName() );\r
 216             }\r
 217             if ( ForesterUtil.isEmpty( a ) && ( n.getNodeData().getSequence().getAccession() != null )\r
 218                     && !ForesterUtil.isEmpty( seq.getAccession().getValue() ) ) {\r
 219                 a = SequenceAccessionTools.parseUniProtAccessorFromString( seq.getAccession().getValue() );\r
 220             }\r
 221         }\r
 222         if ( ForesterUtil.isEmpty( a ) && !ForesterUtil.isEmpty( n.getName() ) ) {\r
 223             a = SequenceAccessionTools.parseUniProtAccessorFromString( n.getName() );\r
 224         }\r
 225         return a;\r
 226     }\r
 227 \r
 228     public final static Accession parseAccessorFromString( final String s ) {\r
 229         if ( !ForesterUtil.isEmpty( s ) ) {\r
 230             String v = parseUniProtAccessorFromString( s );\r
 231             if ( !ForesterUtil.isEmpty( v ) ) {\r
 232                 return new Accession( v, Source.UNIPROT );\r
 233             }\r
 234             v = parseGenbankAccessorFromString( s );\r
 235             if ( !ForesterUtil.isEmpty( v ) ) {\r
 236                 return new Accession( v, Source.NCBI );\r
 237             }\r
 238             v = parseRefSeqAccessorFromString( s );\r
 239             if ( !ForesterUtil.isEmpty( v ) ) {\r
 240                 return new Accession( v, Source.REFSEQ );\r
 241             }\r
 242             v = parseGInumberFromString( s );\r
 243             if ( !ForesterUtil.isEmpty( v ) ) {\r
 244                 return new Accession( v, Source.GI );\r
 245             }\r
 246         }\r
 247         return null;\r
 248     }\r
 249 \r
 250     public final static String parseGenbankAccessorFromString( final String s ) {\r
 251         Matcher m = GENBANK_NUC_PATTERN_1.matcher( s );\r
 252         if ( m.lookingAt() ) {\r
 253             return m.group( 1 );\r
 254         }\r
 255         else {\r
 256             m = GENBANK_NUC_PATTERN_2.matcher( s );\r
 257             if ( m.lookingAt() ) {\r
 258                 return m.group( 1 );\r
 259             }\r
 260             else {\r
 261                 m = GENBANK_PROT_PATTERN.matcher( s );\r
 262                 if ( m.lookingAt() ) {\r
 263                     return m.group( 1 );\r
 264                 }\r
 265                 else {\r
 266                     return null;\r
 267                 }\r
 268             }\r
 269         }\r
 270     }\r
 271 \r
 272     public final static String parseGenbankProteinAccessorFromString( final String s ) {\r
 273         final Matcher m = GENBANK_PROT_PATTERN.matcher( s );\r
 274         if ( m.lookingAt() ) {\r
 275             return m.group( 1 );\r
 276         }\r
 277         else {\r
 278             return null;\r
 279         }\r
 280     }\r
 281 \r
 282     public final static String parseGInumberFromString( final String s ) {\r
 283         final Matcher m = GI_PATTERN.matcher( s );\r
 284         if ( m.find() ) {\r
 285             return m.group( 1 );\r
 286         }\r
 287         return null;\r
 288     }\r
 289 \r
 290     public final static String parseRefSeqAccessorFromString( final String s ) {\r
 291         final Matcher m = REFSEQ_PATTERN.matcher( s );\r
 292         if ( m.lookingAt() ) {\r
 293             return m.group( 1 );\r
 294         }\r
 295         return null;\r
 296     }\r
 297 \r
 298     public final static String parseUniProtAccessorFromString( final String s ) {\r
 299         Matcher m = UNIPROT_KB_PATTERN_1.matcher( s );\r
 300         if ( m.find() ) {\r
 301             return m.group( 1 );\r
 302         }\r
 303         m = UNIPROT_KB_PATTERN_2.matcher( s );\r
 304         if ( m.find() ) {\r
 305             return m.group();\r
 306         }\r
 307         m = UNIPROT_KB_PATTERN_0.matcher( s );\r
 308         if ( m.find() ) {\r
 309             return m.group( 1 );\r
 310         }\r
 311         return null;\r
 312     }\r
 313 }\r