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   IGNORE_SEQS_LACKING_GN = false
  17
  18   msa = nil
  19
  20   begin
  21     msa = f.create_msa_from_file( input, FastaParser.new() )
  22   rescue Exception => e
  23     puts "error: " + e.to_s
  24     exit
  25   end
  26
  27   all_names = Set.new
  28   all_seqs_per_species = Hash.new
  29   gn_to_seqs = Hash.new
  30   unique_genes_msa = Msa.new
  31   longest_non_unique_genes_msa = Msa.new
  32   gn_re = /GN=(\S+)/
  33   fragment_re = /fragment/i
  34   species_re = /\[([A-Z]{3,5})\]$/
  35
  36   frag_counter = 0
  37   no_gn_counter = 0
  38   same_seq_counter = 0
  39
  40   for i in 0 ... msa.get_number_of_seqs()
  41     seq = msa.get_sequence( i )
  42     name = seq.get_name
  43     if all_names.include?( name )
  44       puts "error: sequence name \"" + name + "\" is not unique (#" + i.to_s + ")"
  45       exit
  46     else
  47       all_names << name
  48     end
  49
  50     if fragment_re.match( name )
  51       puts "ignored because fragment: " + name
  52       frag_counter += 1
  53       next
  54     end
  55
  56     if species_re.match( name )
  57       s_match = species_re.match( name )
  58       species = s_match[1]
  59
  60       unless all_seqs_per_species.include?( species )
  61         all_seqs_per_species[ species ] = Set.new
  62       end
  63       all_seqs = all_seqs_per_species[ species ]
  64       mol_seq = seq.get_sequence_as_string.upcase
  65       if all_seqs.include?( mol_seq )
  66         puts "ignored because identical sequence in same species: " + name
  67         same_seq_counter += 1
  68         next
  69       else
  70         all_seqs << mol_seq
  71       end
  72     else
  73       puts "no species for: " + name
  74     end
  75
  76     gn_match = gn_re.match( name )
  77     if IGNORE_SEQS_LACKING_GN
  78       unless gn_match
  79         puts "ignored because no GN=: " + name
  80         no_gn_counter += 1
  81         next
  82       end
  83     else
  84       unless gn_match
  85         puts "no GN=: " + name
  86       end
  87     end
  88
  89     gn =nil
  90     if gn_match
  91       gn = gn_match[1]
  92     else
  93       if IGNORE_SEQS_LACKING_GN
  94         puts "cannot be"
  95         exit
  96       end
  97       gn = name
  98     end
  99
 100     unless gn_to_seqs.has_key?(gn)
 101       gn_to_seqs[gn] = Msa.new
 102     end
 103     gn_to_seqs[gn].add_sequence(seq)
 104   end
 105
 106   puts "Sequences ignored because \"fragment\" in desc                : " + frag_counter.to_s
 107   if IGNORE_SEQS_LACKING_GN
 108     puts "Sequences ignored because no \"GN=\" in desc                  : " + no_gn_counter.to_s
 109   end
 110   puts "Sequences ignored because dentical sequence in same species : " + same_seq_counter.to_s
 111   puts
 112   puts
 113
 114   counter = 1
 115   gn_to_seqs.each_pair do |gene,seqs|
 116     if seqs.get_number_of_seqs > 1
 117       puts counter.to_s + ": " + gene
 118       puts seqs.to_fasta
 119       puts
 120       puts
 121       counter += 1
 122       longest = 0
 123       longest_seq = nil
 124       for j in 0 ... seqs.get_number_of_seqs()
 125         current = seqs.get_sequence( j )
 126         if current.get_length > longest
 127           longest =  current.get_length
 128           longest_seq = current
 129         end
 130       end
 131       longest_non_unique_genes_msa.add_sequence(longest_seq)
 132     else
 133       unique_genes_msa.add_sequence( seqs.get_sequence( 0 ) )
 134     end
 135   end
 136   w = FastaWriter.new
 137   w.write(unique_genes_msa, "seqs_from_unique_genes.fasta")
 138   w.write(longest_non_unique_genes_msa, "longest_seqs_from_nonunique_genes.fasta")
 139 end