src/jalview/analysis/AAFrequency.java

   1 /*
   2  * Jalview - A Sequence Alignment Editor and Viewer ($$Version-Rel$$)
   3  * Copyright (C) $$Year-Rel$$ The Jalview Authors
   4  *
   5  * This file is part of Jalview.
   6  *
   7  * Jalview is free software: you can redistribute it and/or
   8  * modify it under the terms of the GNU General Public License
   9  * as published by the Free Software Foundation, either version 3
  10  * of the License, or (at your option) any later version.
  11  *
  12  * Jalview is distributed in the hope that it will be useful, but
  13  * WITHOUT ANY WARRANTY; without even the implied warranty
  14  * of MERCHANTABILITY or FITNESS FOR A PARTICULAR
  15  * PURPOSE.  See the GNU General Public License for more details.
  16  *
  17  * You should have received a copy of the GNU General Public License
  18  * along with Jalview.  If not, see <http://www.gnu.org/licenses/>.
  19  * The Jalview Authors are detailed in the 'AUTHORS' file.
  20  */
  21 package jalview.analysis;
  22
  23 import jalview.datamodel.AlignedCodonFrame;
  24 import jalview.datamodel.AlignmentAnnotation;
  25 import jalview.datamodel.AlignmentI;
  26 import jalview.datamodel.Annotation;
  27 import jalview.datamodel.HiddenMarkovModel;
  28 import jalview.datamodel.Profile;
  29 import jalview.datamodel.ProfileI;
  30 import jalview.datamodel.Profiles;
  31 import jalview.datamodel.ProfilesI;
  32 import jalview.datamodel.ResidueCount;
  33 import jalview.datamodel.ResidueCount.SymbolCounts;
  34 import jalview.datamodel.SequenceI;
  35 import jalview.ext.android.SparseIntArray;
  36 import jalview.schemes.ResidueProperties;
  37 import jalview.util.Comparison;
  38 import jalview.util.Format;
  39 import jalview.util.MappingUtils;
  40 import jalview.util.QuickSort;
  41
  42 import java.awt.Color;
  43 import java.util.Arrays;
  44 import java.util.Hashtable;
  45 import java.util.List;
  46
  47 /**
  48  * Takes in a vector or array of sequences and column start and column end and
  49  * returns a new Hashtable[] of size maxSeqLength, if Hashtable not supplied.
  50  * This class is used extensively in calculating alignment colourschemes that
  51  * depend on the amount of conservation in each alignment column.
  52  *
  53  * @author $author$
  54  * @version $Revision$
  55  */
  56 public class AAFrequency
  57 {
  58   public static final String PROFILE = "P";
  59
  60   private static final String AMINO = "amino";
  61
  62   private static final String DNA = "DNA";
  63
  64   private static final String RNA = "RNA";
  65
  66   /*
  67    * Quick look-up of String value of char 'A' to 'Z'
  68    */
  69   private static final String[] CHARS = new String['Z' - 'A' + 1];
  70
  71   static
  72   {
  73     for (char c = 'A'; c <= 'Z'; c++)
  74     {
  75       CHARS[c - 'A'] = String.valueOf(c);
  76     }
  77   }
  78
  79   public static final ProfilesI calculate(List<SequenceI> list, int start,
  80           int end)
  81   {
  82     return calculate(list, start, end, false);
  83   }
  84
  85   public static final ProfilesI calculate(List<SequenceI> sequences,
  86           int start, int end, boolean profile)
  87   {
  88     SequenceI[] seqs = new SequenceI[sequences.size()];
  89     int width = 0;
  90     synchronized (sequences)
  91     {
  92       for (int i = 0; i < sequences.size(); i++)
  93       {
  94         seqs[i] = sequences.get(i);
  95         int length = seqs[i].getLength();
  96         if (length > width)
  97         {
  98           width = length;
  99         }
 100       }
 101
 102       if (end >= width)
 103       {
 104         end = width;
 105       }
 106
 107       ProfilesI reply = calculate(seqs, width, start, end, profile);
 108       return reply;
 109     }
 110   }
 111
 112
 113
 114   /**
 115    * Calculate the consensus symbol(s) for each column in the given range.
 116    *
 117    * @param sequences
 118    * @param width
 119    *          the full width of the alignment
 120    * @param start
 121    *          start column (inclusive, base zero)
 122    * @param end
 123    *          end column (exclusive)
 124    * @param saveFullProfile
 125    *          if true, store all symbol counts
 126    */
 127   public static final ProfilesI calculate(final SequenceI[] sequences,
 128           int width, int start, int end, boolean saveFullProfile)
 129   {
 130     // long now = System.currentTimeMillis();
 131     int seqCount = sequences.length;
 132     boolean nucleotide = false;
 133     int nucleotideCount = 0;
 134     int peptideCount = 0;
 135
 136     ProfileI[] result = new ProfileI[width];
 137
 138     for (int column = start; column < end; column++)
 139     {
 140       /*
 141        * Apply a heuristic to detect nucleotide data (which can
 142        * be counted in more compact arrays); here we test for
 143        * more than 90% nucleotide; recheck every 10 columns in case
 144        * of misleading data e.g. highly conserved Alanine in peptide!
 145        * Mistakenly guessing nucleotide has a small performance cost,
 146        * as it will result in counting in sparse arrays.
 147        * Mistakenly guessing peptide has a small space cost,
 148        * as it will use a larger than necessary array to hold counts.
 149        */
 150       if (nucleotideCount > 100 && column % 10 == 0)
 151       {
 152         nucleotide = (9 * peptideCount < nucleotideCount);
 153       }
 154       ResidueCount residueCounts = new ResidueCount(nucleotide);
 155
 156       for (int row = 0; row < seqCount; row++)
 157       {
 158         if (sequences[row] == null)
 159         {
 160           System.err
 161                   .println("WARNING: Consensus skipping null sequence - possible race condition.");
 162           continue;
 163         }
 164         char[] seq = sequences[row].getSequence();
 165         if (seq.length > column)
 166         {
 167           char c = seq[column];
 168           residueCounts.add(c);
 169           if (Comparison.isNucleotide(c))
 170           {
 171             nucleotideCount++;
 172           }
 173           else if (!Comparison.isGap(c))
 174           {
 175             peptideCount++;
 176           }
 177         }
 178         else
 179         {
 180           /*
 181            * count a gap if the sequence doesn't reach this column
 182            */
 183           residueCounts.addGap();
 184         }
 185       }
 186
 187       int maxCount = residueCounts.getModalCount();
 188       String maxResidue = residueCounts.getResiduesForCount(maxCount);
 189       int gapCount = residueCounts.getGapCount();
 190       ProfileI profile = new Profile(seqCount, gapCount, maxCount,
 191               maxResidue);
 192
 193       if (saveFullProfile)
 194       {
 195         profile.setCounts(residueCounts);
 196       }
 197
 198       result[column] = profile;
 199     }
 200     return new Profiles(result);
 201     // long elapsed = System.currentTimeMillis() - now;
 202     // System.out.println(elapsed);
 203   }
 204
 205   /**
 206    * Returns the full set of profiles for a hidden Markov model. The underlying
 207    * data is the raw probabilities of a residue being emitted at each node,
 208    * however the profiles returned by this function contain the percentage
 209    * chance of a residue emission.
 210    *
 211    * @param hmm
 212    * @param width
 213    *          The width of the Profile array (Profiles) to be returned.
 214    * @param start
 215    *          The alignment column on which the first profile is based.
 216    * @param end
 217    *          The alignment column on which the last profile is based.
 218    * @param saveFullProfile
 219    *          Flag for saving the counts for each profile
 220    * @param removeBelowBackground
 221    *          Flag for removing any characters with a match emission probability
 222    *          less than its background frequency
 223    * @return
 224    */
 225   public static ProfilesI calculateHMMProfiles(final HiddenMarkovModel hmm,
 226           int width, int start, int end, boolean saveFullProfile,
 227           boolean removeBelowBackground)
 228   {
 229     ProfileI[] result = new ProfileI[width];
 230     int symbolCount = hmm.getNumberOfSymbols();
 231     String alph = hmm.getAlphabetType();
 232     for (int column = start; column < end; column++)
 233     {
 234       ResidueCount counts = new ResidueCount();
 235       for (char symbol : hmm.getSymbols())
 236       {
 237         int value = getAnalogueCount(hmm, column, removeBelowBackground,
 238                 alph, symbol);
 239         counts.put(symbol, value);
 240       }
 241       int maxCount = counts.getModalCount();
 242       String maxResidue = counts.getResiduesForCount(maxCount);
 243       int gapCount = counts.getGapCount();
 244       ProfileI profile = new Profile(symbolCount, gapCount, maxCount,
 245               maxResidue);
 246
 247       if (saveFullProfile)
 248       {
 249         profile.setCounts(counts);
 250       }
 251
 252       result[column] = profile;
 253     }
 254     return new Profiles(result);
 255   }
 256
 257   /**
 258    * Make an estimate of the profile size we are going to compute i.e. how many
 259    * different characters may be present in it. Overestimating has a cost of
 260    * using more memory than necessary. Underestimating has a cost of needing to
 261    * extend the SparseIntArray holding the profile counts.
 262    *
 263    * @param profileSizes
 264    *          counts of sizes of profiles so far encountered
 265    * @return
 266    */
 267   static int estimateProfileSize(SparseIntArray profileSizes)
 268   {
 269     if (profileSizes.size() == 0)
 270     {
 271       return 4;
 272     }
 273
 274     /*
 275      * could do a statistical heuristic here e.g. 75%ile
 276      * for now just return the largest value
 277      */
 278     return profileSizes.keyAt(profileSizes.size() - 1);
 279   }
 280
 281   /**
 282    * Derive the consensus annotations to be added to the alignment for display.
 283    * This does not recompute the raw data, but may be called on a change in
 284    * display options, such as 'ignore gaps', which may in turn result in a
 285    * change in the derived values.
 286    *
 287    * @param consensus
 288    *          the annotation row to add annotations to
 289    * @param profiles
 290    *          the source consensus data
 291    * @param startCol
 292    *          start column (inclusive)
 293    * @param endCol
 294    *          end column (exclusive)
 295    * @param ignoreGaps
 296    *          if true, normalise residue percentages ignoring gaps
 297    * @param showSequenceLogo
 298    *          if true include all consensus symbols, else just show modal
 299    *          residue
 300    * @param nseq
 301    *          number of sequences
 302    */
 303   public static void completeConsensus(AlignmentAnnotation consensus,
 304           ProfilesI profiles, int startCol, int endCol, boolean ignoreGaps,
 305           boolean showSequenceLogo, long nseq)
 306   {
 307     // long now = System.currentTimeMillis();
 308     if (consensus == null || consensus.annotations == null
 309             || consensus.annotations.length < endCol)
 310     {
 311       /*
 312        * called with a bad alignment annotation row
 313        * wait for it to be initialised properly
 314        */
 315       return;
 316     }
 317
 318     for (int i = startCol; i < endCol; i++)
 319     {
 320       ProfileI profile = profiles.get(i);
 321       if (profile == null)
 322       {
 323         /*
 324          * happens if sequences calculated over were
 325          * shorter than alignment width
 326          */
 327         consensus.annotations[i] = null;
 328         return;
 329       }
 330
 331       final int dp = getPercentageDp(nseq);
 332
 333       float value = profile.getPercentageIdentity(ignoreGaps);
 334
 335       String description = getTooltip(profile, value, showSequenceLogo,
 336               ignoreGaps, dp);
 337
 338       String modalResidue = profile.getModalResidue();
 339       if ("".equals(modalResidue))
 340       {
 341         modalResidue = "-";
 342       }
 343       else if (modalResidue.length() > 1)
 344       {
 345         modalResidue = "+";
 346       }
 347       consensus.annotations[i] = new Annotation(modalResidue, description,
 348               ' ', value);
 349     }
 350     // long elapsed = System.currentTimeMillis() - now;
 351     // System.out.println(-elapsed);
 352   }
 353
 354   /**
 355    * Derive the information annotations to be added to the alignment for
 356    * display. This does not recompute the raw data, but may be called on a
 357    * change in display options, such as 'ignore below background frequency',
 358    * which may in turn result in a change in the derived values.
 359    *
 360    * @param information
 361    *          the annotation row to add annotations to
 362    * @param profiles
 363    *          the source information data
 364    * @param startCol
 365    *          start column (inclusive)
 366    * @param endCol
 367    *          end column (exclusive)
 368    * @param ignoreGaps
 369    *          if true, normalise residue percentages
 370    * @param showSequenceLogo
 371    *          if true include all information symbols, else just show modal
 372    *          residue
 373    * @param nseq
 374    *          number of sequences
 375    */
 376   public static void completeInformation(AlignmentAnnotation information,
 377           ProfilesI profiles, int startCol, int endCol,
 378           boolean ignoreBelowBackground,
 379           boolean showSequenceLogo, long nseq)
 380   {
 381     // long now = System.currentTimeMillis();
 382     if (information == null || information.annotations == null
 383             || information.annotations.length < endCol)
 384     {
 385       /*
 386        * called with a bad alignment annotation row
 387        * wait for it to be initialised properly
 388        */
 389       return;
 390     }
 391
 392     Float max = 0f;
 393
 394     for (int i = startCol; i < endCol; i++)
 395     {
 396       ProfileI profile = profiles.get(i);
 397       if (profile == null)
 398       {
 399         /*
 400          * happens if sequences calculated over were
 401          * shorter than alignment width
 402          */
 403         information.annotations[i] = null;
 404         return;
 405       }
 406
 407       HiddenMarkovModel hmm;
 408
 409       SequenceI hmmSeq = information.sequenceRef;
 410
 411       hmm = hmmSeq.getHMM();
 412
 413       Float value = getInformationContent(i, hmm);
 414
 415       if (value > max)
 416       {
 417         max = value;
 418       }
 419
 420       String description = value + " bits";
 421       information.annotations[i] = new Annotation(
 422               Character.toString(hmm.getConsensusAtAlignColumn(i)),
 423               description, ' ', value);
 424     }
 425     information.graphMax = max;
 426     // long elapsed = System.currentTimeMillis() - now;
 427     // System.out.println(-elapsed);
 428   }
 429
 430   /**
 431    * Derive the gap count annotation row.
 432    *
 433    * @param gaprow
 434    *          the annotation row to add annotations to
 435    * @param profiles
 436    *          the source consensus data
 437    * @param startCol
 438    *          start column (inclusive)
 439    * @param endCol
 440    *          end column (exclusive)
 441    */
 442   public static void completeGapAnnot(AlignmentAnnotation gaprow,
 443           ProfilesI profiles, int startCol, int endCol, long nseq)
 444   {
 445     if (gaprow == null || gaprow.annotations == null
 446             || gaprow.annotations.length < endCol)
 447     {
 448       /*
 449        * called with a bad alignment annotation row
 450        * wait for it to be initialised properly
 451        */
 452       return;
 453     }
 454     // always set ranges again
 455     gaprow.graphMax = nseq;
 456     gaprow.graphMin = 0;
 457     double scale = 0.8/nseq;
 458     for (int i = startCol; i < endCol; i++)
 459     {
 460       ProfileI profile = profiles.get(i);
 461       if (profile == null)
 462       {
 463         /*
 464          * happens if sequences calculated over were
 465          * shorter than alignment width
 466          */
 467         gaprow.annotations[i] = null;
 468         return;
 469       }
 470
 471       final int gapped = profile.getNonGapped();
 472
 473       String description = "" + gapped;
 474
 475       gaprow.annotations[i] = new Annotation("", description,
 476               '\0', gapped, jalview.util.ColorUtils.bleachColour(
 477                       Color.DARK_GRAY, (float) scale * gapped));
 478     }
 479   }
 480
 481   /**
 482    * Returns a tooltip showing either
 483    * <ul>
 484    * <li>the full profile (percentages of all residues present), if
 485    * showSequenceLogo is true, or</li>
 486    * <li>just the modal (most common) residue(s), if showSequenceLogo is false</li>
 487    * </ul>
 488    * Percentages are as a fraction of all sequence, or only ungapped sequences
 489    * if ignoreGaps is true.
 490    *
 491    * @param profile
 492    * @param pid
 493    * @param showSequenceLogo
 494    * @param ignoreGaps
 495    * @param dp
 496    *          the number of decimal places to format percentages to
 497    * @return
 498    */
 499   static String getTooltip(ProfileI profile, float pid,
 500           boolean showSequenceLogo, boolean ignoreGaps, int dp)
 501   {
 502     ResidueCount counts = profile.getCounts();
 503
 504     String description = null;
 505     if (counts != null && showSequenceLogo)
 506     {
 507       int normaliseBy = ignoreGaps ? profile.getNonGapped() : profile
 508               .getHeight();
 509       description = counts.getTooltip(normaliseBy, dp);
 510     }
 511     else
 512     {
 513       StringBuilder sb = new StringBuilder(64);
 514       String maxRes = profile.getModalResidue();
 515       if (maxRes.length() > 1)
 516       {
 517         sb.append("[").append(maxRes).append("]");
 518       }
 519       else
 520       {
 521         sb.append(maxRes);
 522       }
 523       if (maxRes.length() > 0)
 524       {
 525         sb.append(" ");
 526         Format.appendPercentage(sb, pid, dp);
 527         sb.append("%");
 528       }
 529       description = sb.toString();
 530     }
 531     return description;
 532   }
 533
 534   /**
 535    * Returns the sorted profile for the given consensus data. The returned array
 536    * contains
 537    *
 538    * <pre>
 539    *    [profileType, numberOfValues, nonGapCount, charValue1, percentage1, charValue2, percentage2, ...]
 540    * in descending order of percentage value
 541    * </pre>
 542    *
 543    * @param profile
 544    *          the data object from which to extract and sort values
 545    * @param ignoreGaps
 546    *          if true, only non-gapped values are included in percentage
 547    *          calculations
 548    * @return
 549    */
 550   public static int[] extractProfile(ProfileI profile, boolean ignoreGaps)
 551   {
 552     int[] rtnval = new int[64];
 553     ResidueCount counts = profile.getCounts();
 554     if (counts == null)
 555     {
 556       return null;
 557     }
 558
 559     SymbolCounts symbolCounts = counts.getSymbolCounts();
 560     char[] symbols = symbolCounts.symbols;
 561     int[] values = symbolCounts.values;
 562     QuickSort.sort(values, symbols);
 563     int nextArrayPos = 2;
 564     int totalPercentage = 0;
 565     final int divisor = ignoreGaps ? profile.getNonGapped() : profile
 566             .getHeight();
 567
 568     /*
 569      * traverse the arrays in reverse order (highest counts first)
 570      */
 571     for (int i = symbols.length - 1; i >= 0; i--)
 572     {
 573       int theChar = symbols[i];
 574       int charCount = values[i];
 575
 576       rtnval[nextArrayPos++] = theChar;
 577       final int percentage = (charCount * 100) / divisor;
 578       rtnval[nextArrayPos++] = percentage;
 579       totalPercentage += percentage;
 580     }
 581     rtnval[0] = symbols.length;
 582     rtnval[1] = totalPercentage;
 583     int[] result = new int[rtnval.length + 1];
 584     result[0] = AlignmentAnnotation.SEQUENCE_PROFILE;
 585     System.arraycopy(rtnval, 0, result, 1, rtnval.length);
 586
 587     return result;
 588   }
 589
 590
 591   /**
 592    * Extract a sorted extract of cDNA codon profile data. The returned array
 593    * contains
 594    *
 595    * <pre>
 596    *    [profileType, numberOfValues, totalCount, charValue1, percentage1, charValue2, percentage2, ...]
 597    * in descending order of percentage value, where the character values encode codon triplets
 598    * </pre>
 599    *
 600    * @param hashtable
 601    * @return
 602    */
 603   public static int[] extractCdnaProfile(Hashtable hashtable,
 604           boolean ignoreGaps)
 605   {
 606     // this holds #seqs, #ungapped, and then codon count, indexed by encoded
 607     // codon triplet
 608     int[] codonCounts = (int[]) hashtable.get(PROFILE);
 609     int[] sortedCounts = new int[codonCounts.length - 2];
 610     System.arraycopy(codonCounts, 2, sortedCounts, 0,
 611             codonCounts.length - 2);
 612
 613     int[] result = new int[3 + 2 * sortedCounts.length];
 614     // first value is just the type of profile data
 615     result[0] = AlignmentAnnotation.CDNA_PROFILE;
 616
 617     char[] codons = new char[sortedCounts.length];
 618     for (int i = 0; i < codons.length; i++)
 619     {
 620       codons[i] = (char) i;
 621     }
 622     QuickSort.sort(sortedCounts, codons);
 623     int totalPercentage = 0;
 624     int distinctValuesCount = 0;
 625     int j = 3;
 626     int divisor = ignoreGaps ? codonCounts[1] : codonCounts[0];
 627     for (int i = codons.length - 1; i >= 0; i--)
 628     {
 629       final int codonCount = sortedCounts[i];
 630       if (codonCount == 0)
 631       {
 632         break; // nothing else of interest here
 633       }
 634       distinctValuesCount++;
 635       result[j++] = codons[i];
 636       final int percentage = codonCount * 100 / divisor;
 637       result[j++] = percentage;
 638       totalPercentage += percentage;
 639     }
 640     result[2] = totalPercentage;
 641
 642     /*
 643      * Just return the non-zero values
 644      */
 645     // todo next value is redundant if we limit the array to non-zero counts
 646     result[1] = distinctValuesCount;
 647     return Arrays.copyOfRange(result, 0, j);
 648   }
 649
 650   /**
 651    * Compute a consensus for the cDNA coding for a protein alignment.
 652    *
 653    * @param alignment
 654    *          the protein alignment (which should hold mappings to cDNA
 655    *          sequences)
 656    * @param hconsensus
 657    *          the consensus data stores to be populated (one per column)
 658    */
 659   public static void calculateCdna(AlignmentI alignment,
 660           Hashtable[] hconsensus)
 661   {
 662     final char gapCharacter = alignment.getGapCharacter();
 663     List<AlignedCodonFrame> mappings = alignment.getCodonFrames();
 664     if (mappings == null || mappings.isEmpty())
 665     {
 666       return;
 667     }
 668
 669     int cols = alignment.getWidth();
 670     for (int col = 0; col < cols; col++)
 671     {
 672       // todo would prefer a Java bean for consensus data
 673       Hashtable<String, int[]> columnHash = new Hashtable<>();
 674       // #seqs, #ungapped seqs, counts indexed by (codon encoded + 1)
 675       int[] codonCounts = new int[66];
 676       codonCounts[0] = alignment.getSequences().size();
 677       int ungappedCount = 0;
 678       for (SequenceI seq : alignment.getSequences())
 679       {
 680         if (seq.getCharAt(col) == gapCharacter)
 681         {
 682           continue;
 683         }
 684         List<char[]> codons = MappingUtils
 685                 .findCodonsFor(seq, col, mappings);
 686         for (char[] codon : codons)
 687         {
 688           int codonEncoded = CodingUtils.encodeCodon(codon);
 689           if (codonEncoded >= 0)
 690           {
 691             codonCounts[codonEncoded + 2]++;
 692             ungappedCount++;
 693           }
 694         }
 695       }
 696       codonCounts[1] = ungappedCount;
 697       // todo: sort values here, save counts and codons?
 698       columnHash.put(PROFILE, codonCounts);
 699       hconsensus[col] = columnHash;
 700     }
 701   }
 702
 703   /**
 704    * Derive displayable cDNA consensus annotation from computed consensus data.
 705    *
 706    * @param consensusAnnotation
 707    *          the annotation row to be populated for display
 708    * @param consensusData
 709    *          the computed consensus data
 710    * @param showProfileLogo
 711    *          if true show all symbols present at each position, else only the
 712    *          modal value
 713    * @param nseqs
 714    *          the number of sequences in the alignment
 715    */
 716   public static void completeCdnaConsensus(
 717           AlignmentAnnotation consensusAnnotation,
 718           Hashtable[] consensusData, boolean showProfileLogo, int nseqs)
 719   {
 720     if (consensusAnnotation == null
 721             || consensusAnnotation.annotations == null
 722             || consensusAnnotation.annotations.length < consensusData.length)
 723     {
 724       // called with a bad alignment annotation row - wait for it to be
 725       // initialised properly
 726       return;
 727     }
 728
 729     // ensure codon triplet scales with font size
 730     consensusAnnotation.scaleColLabel = true;
 731     for (int col = 0; col < consensusData.length; col++)
 732     {
 733       Hashtable hci = consensusData[col];
 734       if (hci == null)
 735       {
 736         // gapped protein column?
 737         continue;
 738       }
 739       // array holds #seqs, #ungapped, then codon counts indexed by codon
 740       final int[] codonCounts = (int[]) hci.get(PROFILE);
 741       int totalCount = 0;
 742
 743       /*
 744        * First pass - get total count and find the highest
 745        */
 746       final char[] codons = new char[codonCounts.length - 2];
 747       for (int j = 2; j < codonCounts.length; j++)
 748       {
 749         final int codonCount = codonCounts[j];
 750         codons[j - 2] = (char) (j - 2);
 751         totalCount += codonCount;
 752       }
 753
 754       /*
 755        * Sort array of encoded codons by count ascending - so the modal value
 756        * goes to the end; start by copying the count (dropping the first value)
 757        */
 758       int[] sortedCodonCounts = new int[codonCounts.length - 2];
 759       System.arraycopy(codonCounts, 2, sortedCodonCounts, 0,
 760               codonCounts.length - 2);
 761       QuickSort.sort(sortedCodonCounts, codons);
 762
 763       int modalCodonEncoded = codons[codons.length - 1];
 764       int modalCodonCount = sortedCodonCounts[codons.length - 1];
 765       String modalCodon = String.valueOf(CodingUtils
 766               .decodeCodon(modalCodonEncoded));
 767       if (sortedCodonCounts.length > 1
 768               && sortedCodonCounts[codons.length - 2] == sortedCodonCounts[codons.length - 1])
 769       {
 770         /*
 771          * two or more codons share the modal count
 772          */
 773         modalCodon = "+";
 774       }
 775       float pid = sortedCodonCounts[sortedCodonCounts.length - 1] * 100
 776               / (float) totalCount;
 777
 778       /*
 779        * todo ? Replace consensus hashtable with sorted arrays of codons and
 780        * counts (non-zero only). Include total count in count array [0].
 781        */
 782
 783       /*
 784        * Scan sorted array backwards for most frequent values first. Show
 785        * repeated values compactly.
 786        */
 787       StringBuilder mouseOver = new StringBuilder(32);
 788       StringBuilder samePercent = new StringBuilder();
 789       String percent = null;
 790       String lastPercent = null;
 791       int percentDecPl = getPercentageDp(nseqs);
 792
 793       for (int j = codons.length - 1; j >= 0; j--)
 794       {
 795         int codonCount = sortedCodonCounts[j];
 796         if (codonCount == 0)
 797         {
 798           /*
 799            * remaining codons are 0% - ignore, but finish off the last one if
 800            * necessary
 801            */
 802           if (samePercent.length() > 0)
 803           {
 804             mouseOver.append(samePercent).append(": ").append(percent)
 805                     .append("% ");
 806           }
 807           break;
 808         }
 809         int codonEncoded = codons[j];
 810         final int pct = codonCount * 100 / totalCount;
 811         String codon = String
 812                 .valueOf(CodingUtils.decodeCodon(codonEncoded));
 813         StringBuilder sb = new StringBuilder();
 814         Format.appendPercentage(sb, pct, percentDecPl);
 815         percent = sb.toString();
 816         if (showProfileLogo || codonCount == modalCodonCount)
 817         {
 818           if (percent.equals(lastPercent) && j > 0)
 819           {
 820             samePercent.append(samePercent.length() == 0 ? "" : ", ");
 821             samePercent.append(codon);
 822           }
 823           else
 824           {
 825             if (samePercent.length() > 0)
 826             {
 827               mouseOver.append(samePercent).append(": ")
 828                       .append(lastPercent).append("% ");
 829             }
 830             samePercent.setLength(0);
 831             samePercent.append(codon);
 832           }
 833           lastPercent = percent;
 834         }
 835       }
 836
 837       consensusAnnotation.annotations[col] = new Annotation(modalCodon,
 838               mouseOver.toString(), ' ', pid);
 839     }
 840   }
 841
 842   /**
 843    * Returns the number of decimal places to show for profile percentages. For
 844    * less than 100 sequences, returns zero (the integer percentage value will be
 845    * displayed). For 100-999 sequences, returns 1, for 1000-9999 returns 2, etc.
 846    *
 847    * @param nseq
 848    * @return
 849    */
 850   protected static int getPercentageDp(long nseq)
 851   {
 852     int scale = 0;
 853     while (nseq >= 100)
 854     {
 855       scale++;
 856       nseq /= 10;
 857     }
 858     return scale;
 859   }
 860
 861   /**
 862    * Returns the information content at a specified column.
 863    *
 864    * @param column
 865    *          Index of the column, starting from 0.
 866    * @return
 867    */
 868   public static float getInformationContent(int column,
 869           HiddenMarkovModel hmm)
 870   {
 871     float informationContent = 0f;
 872
 873     for (char symbol : hmm.getSymbols())
 874     {
 875       float freq = 0f;
 876       freq = ResidueProperties.backgroundFrequencies
 877               .get(hmm.getAlphabetType()).get(symbol);
 878       Double hmmProb = hmm.getMatchEmissionProbability(column, symbol);
 879       float prob = hmmProb.floatValue();
 880       informationContent += prob * (Math.log(prob / freq) / Math.log(2));
 881
 882     }
 883
 884     return informationContent;
 885   }
 886
 887   /**
 888    * Produces a HMM profile for a column in an alignment
 889    *
 890    * @param aa
 891    *          Alignment annotation for which the profile is being calculated.
 892    * @param column
 893    *          Column in the alignment the profile is being made for.
 894    * @param removeBelowBackground
 895    *          Boolean indicating whether to ignore residues with probabilities
 896    *          less than their background frequencies.
 897    * @return
 898    */
 899   public static int[] extractHMMProfile(HiddenMarkovModel hmm, int column,
 900           boolean removeBelowBackground)
 901   {
 902
 903     if (hmm != null)
 904     {
 905       String alph = hmm.getAlphabetType();
 906       int size = hmm.getNumberOfSymbols();
 907       char symbols[] = new char[size];
 908       int values[] = new int[size];
 909       List<Character> charList = hmm.getSymbols();
 910       Integer totalCount = 0;
 911
 912       for (int i = 0; i < size; i++)
 913       {
 914         char symbol = charList.get(i);
 915         symbols[i] = symbol;
 916         int value = getAnalogueCount(hmm, column, removeBelowBackground,
 917                 alph, symbol);
 918         values[i] = value;
 919         totalCount += value;
 920       }
 921
 922       QuickSort.sort(values, symbols);
 923
 924       int[] profile = new int[3 + size * 2];
 925
 926       profile[0] = AlignmentAnnotation.SEQUENCE_PROFILE;
 927       profile[1] = size;
 928       profile[2] = 100;
 929
 930       if (totalCount != 0)
 931       {
 932         int arrayPos = 3;
 933         for (int k = size - 1; k >= 0; k--)
 934         {
 935           Float percentage;
 936           Integer value = values[k];
 937           if (removeBelowBackground)
 938           {
 939             percentage = (value.floatValue() / totalCount.floatValue())
 940                     * 100;
 941           }
 942           else
 943           {
 944             percentage = value.floatValue() / 100f;
 945           }
 946           int intPercent = Math.round(percentage);
 947           profile[arrayPos] = symbols[k];
 948           profile[arrayPos + 1] = intPercent;
 949           arrayPos += 2;
 950         }
 951       }
 952       return profile;
 953     }
 954     return null;
 955   }
 956
 957   /**
 958    * Converts the emission probability of a residue at a column in the alignment
 959    * to a 'count' to allow for processing by the annotation renderer.
 960    *
 961    * @param hmm
 962    * @param column
 963    * @param removeBelowBackground
 964    * @param alph
 965    *          The alphabet the HMM is based on
 966    * @param symbol
 967    * @return
 968    */
 969   private static int getAnalogueCount(HiddenMarkovModel hmm, int column,
 970           boolean removeBelowBackground, String alph, char symbol)
 971   {
 972     Double value;
 973
 974     value = hmm.getMatchEmissionProbability(column, symbol);
 975     double freq;
 976
 977     freq = ResidueProperties.backgroundFrequencies.get(alph).get(symbol);
 978     if (value < freq && removeBelowBackground)
 979     {
 980       return 0;
 981     }
 982
 983     value = value * 10000;
 984     return Math.round(value.floatValue());
 985   }
 986 }