forester/ruby/evoruby/exe/select_same_gn.rb

   1 #!/usr/local/bin/ruby -w
   2
   3
   4 require 'lib/evo/sequence/sequence'
   5 require 'lib/evo/msa/msa'
   6 require 'lib/evo/msa/msa_factory'
   7 require 'lib/evo/io/writer/fasta_writer'
   8 require 'lib/evo/io/parser/fasta_parser'
   9
  10
  11 module Evoruby
  12
  13   input = ARGV[ 0 ]
  14   f = MsaFactory.new()
  15
  16   msa = nil
  17
  18   begin
  19     msa = f.create_msa_from_file( input, FastaParser.new() )
  20   rescue Exception => e
  21     puts "error: " + e.to_s
  22     exit
  23   end
  24
  25   gn_to_seqs = Hash.new
  26   unique_genes_msa = Msa.new
  27   longest_non_unique_genes_msa = Msa.new
  28   gn_re = /GN=(\S+)/
  29   fragment_re = /fragment/i
  30
  31   frag_counter = 0
  32
  33   for i in 0 ... msa.get_number_of_seqs()
  34     seq = msa.get_sequence( i )
  35     name = seq.get_name
  36
  37     if fragment_re.match( name )
  38       frag_counter += 1
  39       next
  40     end
  41     gn_match = gn_re.match( name )
  42     unless gn_match
  43       puts "no match in " + name
  44       exit
  45     end
  46     gn = gn_match[1]
  47     unless gn_to_seqs.has_key?(gn)
  48       gn_to_seqs[gn] = Msa.new
  49     end
  50     gn_to_seqs[gn].add_sequence(seq)
  51   end
  52
  53   puts "Sequeunces ignored because \"fragment\" in desc: " + frag_counter.to_s
  54   puts
  55   puts
  56
  57   counter = 1
  58   gn_to_seqs.each_pair do |gene,seqs|
  59     if seqs.get_number_of_seqs > 1
  60       puts counter.to_s + ": " + gene
  61       puts seqs.to_fasta
  62       puts
  63       puts
  64       counter += 1
  65       longest = 0
  66       longest_seq = nil
  67       for j in 0 ... seqs.get_number_of_seqs()
  68         current = seqs.get_sequence( j )
  69         if current.get_length > longest
  70           longest =  current.get_length
  71           longest_seq = current
  72         end
  73       end
  74       longest_non_unique_genes_msa.add_sequence(longest_seq)
  75     else
  76       unique_genes_msa.add_sequence( seqs.get_sequence( 0 ) )
  77     end
  78   end
  79   w = FastaWriter.new
  80   w.write(unique_genes_msa, "uniques.fasta")
  81   w.write(longest_non_unique_genes_msa, "non_uniques_longest.fasta")
  82 end