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  */
  54 public class AAFrequency
  55 {
  56   private static final double LOG2 = Math.log(2);
  57
  58   public static final String PROFILE = "P";
  59
  60   public static final ProfilesI calculate(List<SequenceI> list, int start,
  61           int end)
  62   {
  63     return calculate(list, start, end, false);
  64   }
  65
  66   public static final ProfilesI calculate(List<SequenceI> sequences,
  67           int start, int end, boolean profile)
  68   {
  69     SequenceI[] seqs = new SequenceI[sequences.size()];
  70     int width = 0;
  71     synchronized (sequences)
  72     {
  73       for (int i = 0; i < sequences.size(); i++)
  74       {
  75         seqs[i] = sequences.get(i);
  76         int length = seqs[i].getLength();
  77         if (length > width)
  78         {
  79           width = length;
  80         }
  81       }
  82
  83       if (end >= width)
  84       {
  85         end = width;
  86       }
  87
  88       ProfilesI reply = calculate(seqs, width, start, end, profile);
  89       return reply;
  90     }
  91   }
  92
  93   /**
  94    * Calculate the consensus symbol(s) for each column in the given range.
  95    *
  96    * @param sequences
  97    * @param width
  98    *          the full width of the alignment
  99    * @param start
 100    *          start column (inclusive, base zero)
 101    * @param end
 102    *          end column (exclusive)
 103    * @param saveFullProfile
 104    *          if true, store all symbol counts
 105    */
 106   public static final ProfilesI calculate(final SequenceI[] sequences,
 107           int width, int start, int end, boolean saveFullProfile)
 108   {
 109     // long now = System.currentTimeMillis();
 110     int seqCount = sequences.length;
 111     boolean nucleotide = false;
 112     int nucleotideCount = 0;
 113     int peptideCount = 0;
 114
 115     ProfileI[] result = new ProfileI[width];
 116
 117     for (int column = start; column < end; column++)
 118     {
 119       /*
 120        * Apply a heuristic to detect nucleotide data (which can
 121        * be counted in more compact arrays); here we test for
 122        * more than 90% nucleotide; recheck every 10 columns in case
 123        * of misleading data e.g. highly conserved Alanine in peptide!
 124        * Mistakenly guessing nucleotide has a small performance cost,
 125        * as it will result in counting in sparse arrays.
 126        * Mistakenly guessing peptide has a small space cost,
 127        * as it will use a larger than necessary array to hold counts.
 128        */
 129       if (nucleotideCount > 100 && column % 10 == 0)
 130       {
 131         nucleotide = (9 * peptideCount < nucleotideCount);
 132       }
 133       ResidueCount residueCounts = new ResidueCount(nucleotide);
 134
 135       for (int row = 0; row < seqCount; row++)
 136       {
 137         if (sequences[row] == null)
 138         {
 139           System.err.println(
 140                   "WARNING: Consensus skipping null sequence - possible race condition.");
 141           continue;
 142         }
 143         if (sequences[row].getLength() > column)
 144         {
 145           char c = sequences[row].getCharAt(column);
 146           residueCounts.add(c);
 147           if (Comparison.isNucleotide(c))
 148           {
 149             nucleotideCount++;
 150           }
 151           else if (!Comparison.isGap(c))
 152           {
 153             peptideCount++;
 154           }
 155         }
 156         else
 157         {
 158           /*
 159            * count a gap if the sequence doesn't reach this column
 160            */
 161           residueCounts.addGap();
 162         }
 163       }
 164
 165       int maxCount = residueCounts.getModalCount();
 166       String maxResidue = residueCounts.getResiduesForCount(maxCount);
 167       int gapCount = residueCounts.getGapCount();
 168       ProfileI profile = new Profile(seqCount, gapCount, maxCount,
 169               maxResidue);
 170
 171       if (saveFullProfile)
 172       {
 173         profile.setCounts(residueCounts);
 174       }
 175
 176       result[column] = profile;
 177     }
 178     return new Profiles(result);
 179     // long elapsed = System.currentTimeMillis() - now;
 180     // System.out.println(elapsed);
 181   }
 182
 183   /**
 184    * Returns the full set of profiles for a hidden Markov model. The underlying
 185    * data is the raw probabilities of a residue being emitted at each node,
 186    * however the profiles returned by this function contain the percentage
 187    * chance of a residue emission.
 188    *
 189    * @param hmm
 190    * @param width
 191    *          The width of the Profile array (Profiles) to be returned.
 192    * @param start
 193    *          The alignment column on which the first profile is based.
 194    * @param end
 195    *          The alignment column on which the last profile is based.
 196    * @param removeBelowBackground
 197    *          if true, symbols with a match emission probability less than
 198    *          background frequency are ignored
 199    * @return
 200    */
 201   public static ProfilesI calculateHMMProfiles(final HiddenMarkovModel hmm,
 202           int width, int start, int end, boolean removeBelowBackground,
 203           boolean infoLetterHeight)
 204   {
 205     ProfileI[] result = new ProfileI[width];
 206     char[] symbols = hmm.getSymbols().toCharArray();
 207     int symbolCount = symbols.length;
 208     for (int column = start; column < end; column++)
 209     {
 210       ResidueCount counts = new ResidueCount();
 211       for (char symbol : symbols)
 212       {
 213         int value = getAnalogueCount(hmm, column, symbol,
 214                 removeBelowBackground, infoLetterHeight);
 215         counts.put(symbol, value);
 216       }
 217       int maxCount = counts.getModalCount();
 218       String maxResidue = counts.getResiduesForCount(maxCount);
 219       int gapCount = counts.getGapCount();
 220       ProfileI profile = new Profile(symbolCount, gapCount, maxCount,
 221               maxResidue);
 222       profile.setCounts(counts);
 223
 224       result[column] = profile;
 225     }
 226     return new Profiles(result);
 227   }
 228
 229   /**
 230    * Make an estimate of the profile size we are going to compute i.e. how many
 231    * different characters may be present in it. Overestimating has a cost of
 232    * using more memory than necessary. Underestimating has a cost of needing to
 233    * extend the SparseIntArray holding the profile counts.
 234    *
 235    * @param profileSizes
 236    *          counts of sizes of profiles so far encountered
 237    * @return
 238    */
 239   static int estimateProfileSize(SparseIntArray profileSizes)
 240   {
 241     if (profileSizes.size() == 0)
 242     {
 243       return 4;
 244     }
 245
 246     /*
 247      * could do a statistical heuristic here e.g. 75%ile
 248      * for now just return the largest value
 249      */
 250     return profileSizes.keyAt(profileSizes.size() - 1);
 251   }
 252
 253   /**
 254    * Derive the consensus annotations to be added to the alignment for display.
 255    * This does not recompute the raw data, but may be called on a change in
 256    * display options, such as 'ignore gaps', which may in turn result in a
 257    * change in the derived values.
 258    *
 259    * @param consensus
 260    *          the annotation row to add annotations to
 261    * @param profiles
 262    *          the source consensus data
 263    * @param startCol
 264    *          start column (inclusive)
 265    * @param endCol
 266    *          end column (exclusive)
 267    * @param ignoreGaps
 268    *          if true, normalise residue percentages ignoring gaps
 269    * @param showSequenceLogo
 270    *          if true include all consensus symbols, else just show modal
 271    *          residue
 272    * @param nseq
 273    *          number of sequences
 274    */
 275   public static void completeConsensus(AlignmentAnnotation consensus,
 276           ProfilesI profiles, int startCol, int endCol, boolean ignoreGaps,
 277           boolean showSequenceLogo, long nseq)
 278   {
 279     // long now = System.currentTimeMillis();
 280     if (consensus == null || consensus.annotations == null
 281             || consensus.annotations.length < endCol)
 282     {
 283       /*
 284        * called with a bad alignment annotation row
 285        * wait for it to be initialised properly
 286        */
 287       return;
 288     }
 289
 290     for (int i = startCol; i < endCol; i++)
 291     {
 292       ProfileI profile = profiles.get(i);
 293       if (profile == null)
 294       {
 295         /*
 296          * happens if sequences calculated over were
 297          * shorter than alignment width
 298          */
 299         consensus.annotations[i] = null;
 300         return;
 301       }
 302
 303       final int dp = getPercentageDp(nseq);
 304
 305       float value = profile.getPercentageIdentity(ignoreGaps);
 306
 307       String description = getTooltip(profile, value, showSequenceLogo,
 308               ignoreGaps, dp);
 309
 310       String modalResidue = profile.getModalResidue();
 311       if ("".equals(modalResidue))
 312       {
 313         modalResidue = "-";
 314       }
 315       else if (modalResidue.length() > 1)
 316       {
 317         modalResidue = "+";
 318       }
 319       consensus.annotations[i] = new Annotation(modalResidue, description,
 320               ' ', value);
 321     }
 322     // long elapsed = System.currentTimeMillis() - now;
 323     // System.out.println(-elapsed);
 324   }
 325
 326   /**
 327    * Derive the information annotations to be added to the alignment for
 328    * display. This does not recompute the raw data, but may be called on a
 329    * change in display options, such as 'ignore below background frequency',
 330    * which may in turn result in a change in the derived values.
 331    *
 332    * @param information
 333    *          the annotation row to add annotations to
 334    * @param profiles
 335    *          the source information data
 336    * @param startCol
 337    *          start column (inclusive)
 338    * @param endCol
 339    *          end column (exclusive)
 340    * @param ignoreGaps
 341    *          if true, normalise residue percentages
 342    * @param showSequenceLogo
 343    *          if true include all information symbols, else just show modal
 344    *          residue
 345    */
 346   public static float completeInformation(AlignmentAnnotation information,
 347           ProfilesI profiles, int startCol, int endCol)
 348   {
 349     // long now = System.currentTimeMillis();
 350     if (information == null || information.annotations == null)
 351     {
 352       /*
 353        * called with a bad alignment annotation row
 354        * wait for it to be initialised properly
 355        */
 356       return 0;
 357     }
 358
 359     float max = 0f;
 360     SequenceI hmmSeq = information.sequenceRef;
 361
 362     int seqLength = hmmSeq.getLength();
 363     if (information.annotations.length < seqLength)
 364     {
 365       return 0;
 366     }
 367
 368     HiddenMarkovModel hmm = hmmSeq.getHMM();
 369
 370     for (int column = startCol; column < endCol; column++)
 371     {
 372       if (column >= seqLength)
 373       {
 374         // hmm consensus sequence is shorter than the alignment
 375         break;
 376       }
 377
 378       float value = hmm.getInformationContent(column);
 379       boolean isNaN = Float.isNaN(value);
 380       if (!isNaN)
 381       {
 382         max = Math.max(max, value);
 383       }
 384
 385       String description = isNaN ? null
 386               : String.format("%.4f bits", value);
 387       information.annotations[column] = new Annotation(
 388               Character.toString(
 389                       Character.toUpperCase(hmmSeq.getCharAt(column))),
 390               description, ' ', value);
 391     }
 392
 393     information.graphMax = max;
 394     return max;
 395   }
 396
 397   /**
 398    * Derive the occupancy count annotation
 399    *
 400    * @param occupancy
 401    *          the annotation row to add annotations to
 402    * @param profiles
 403    *          the source consensus data
 404    * @param startCol
 405    *          start column (inclusive)
 406    * @param endCol
 407    *          end column (exclusive)
 408    */
 409   public static void completeGapAnnot(AlignmentAnnotation occupancy,
 410           ProfilesI profiles, int startCol, int endCol, long nseq)
 411   {
 412     if (occupancy == null || occupancy.annotations == null
 413             || occupancy.annotations.length < endCol)
 414     {
 415       /*
 416        * called with a bad alignment annotation row
 417        * wait for it to be initialised properly
 418        */
 419       return;
 420     }
 421     // always set ranges again
 422     occupancy.graphMax = nseq;
 423     occupancy.graphMin = 0;
 424     double scale = 0.8 / nseq;
 425     for (int i = startCol; i < endCol; i++)
 426     {
 427       ProfileI profile = profiles.get(i);
 428       if (profile == null)
 429       {
 430         /*
 431          * happens if sequences calculated over were
 432          * shorter than alignment width
 433          */
 434         occupancy.annotations[i] = null;
 435         return;
 436       }
 437
 438       final int gapped = profile.getNonGapped();
 439
 440       String description = "" + gapped;
 441
 442       occupancy.annotations[i] = new Annotation("", description, '\0',
 443               gapped,
 444               jalview.util.ColorUtils.bleachColour(Color.DARK_GRAY,
 445                       (float) scale * gapped));
 446     }
 447   }
 448
 449   /**
 450    * Returns a tooltip showing either
 451    * <ul>
 452    * <li>the full profile (percentages of all residues present), if
 453    * showSequenceLogo is true, or</li>
 454    * <li>just the modal (most common) residue(s), if showSequenceLogo is
 455    * false</li>
 456    * </ul>
 457    * Percentages are as a fraction of all sequence, or only ungapped sequences
 458    * if ignoreGaps is true.
 459    *
 460    * @param profile
 461    * @param pid
 462    * @param showSequenceLogo
 463    * @param ignoreGaps
 464    * @param dp
 465    *          the number of decimal places to format percentages to
 466    * @return
 467    */
 468   static String getTooltip(ProfileI profile, float pid,
 469           boolean showSequenceLogo, boolean ignoreGaps, int dp)
 470   {
 471     ResidueCount counts = profile.getCounts();
 472
 473     String description = null;
 474     if (counts != null && showSequenceLogo)
 475     {
 476       int normaliseBy = ignoreGaps ? profile.getNonGapped()
 477               : profile.getHeight();
 478       description = counts.getTooltip(normaliseBy, dp);
 479     }
 480     else
 481     {
 482       StringBuilder sb = new StringBuilder(64);
 483       String maxRes = profile.getModalResidue();
 484       if (maxRes.length() > 1)
 485       {
 486         sb.append("[").append(maxRes).append("]");
 487       }
 488       else
 489       {
 490         sb.append(maxRes);
 491       }
 492       if (maxRes.length() > 0)
 493       {
 494         sb.append(" ");
 495         Format.appendPercentage(sb, pid, dp);
 496         sb.append("%");
 497       }
 498       description = sb.toString();
 499     }
 500     return description;
 501   }
 502
 503   /**
 504    * Returns the sorted profile for the given consensus data. The returned array
 505    * contains
 506    *
 507    * <pre>
 508    *    [profileType, numberOfValues, nonGapCount, charValue1, percentage1, charValue2, percentage2, ...]
 509    * in descending order of percentage value
 510    * </pre>
 511    *
 512    * @param profile
 513    *          the data object from which to extract and sort values
 514    * @param ignoreGaps
 515    *          if true, only non-gapped values are included in percentage
 516    *          calculations
 517    * @return
 518    */
 519   public static int[] extractProfile(ProfileI profile, boolean ignoreGaps)
 520   {
 521     int[] rtnval = new int[64];
 522     ResidueCount counts = profile.getCounts();
 523     if (counts == null)
 524     {
 525       return null;
 526     }
 527
 528     SymbolCounts symbolCounts = counts.getSymbolCounts();
 529     char[] symbols = symbolCounts.symbols;
 530     int[] values = symbolCounts.values;
 531     QuickSort.sort(values, symbols);
 532     int nextArrayPos = 2;
 533     int totalPercentage = 0;
 534     final int divisor = ignoreGaps ? profile.getNonGapped()
 535             : profile.getHeight();
 536
 537     /*
 538      * traverse the arrays in reverse order (highest counts first)
 539      */
 540     for (int i = symbols.length - 1; i >= 0; i--)
 541     {
 542       int theChar = symbols[i];
 543       int charCount = values[i];
 544
 545       rtnval[nextArrayPos++] = theChar;
 546       final int percentage = (charCount * 100) / divisor;
 547       rtnval[nextArrayPos++] = percentage;
 548       totalPercentage += percentage;
 549     }
 550     rtnval[0] = symbols.length;
 551     rtnval[1] = totalPercentage;
 552     int[] result = new int[rtnval.length + 1];
 553     result[0] = AlignmentAnnotation.SEQUENCE_PROFILE;
 554     System.arraycopy(rtnval, 0, result, 1, rtnval.length);
 555
 556     return result;
 557   }
 558
 559
 560   /**
 561    * Extract a sorted extract of cDNA codon profile data. The returned array
 562    * contains
 563    *
 564    * <pre>
 565    *    [profileType, numberOfValues, totalCount, charValue1, percentage1, charValue2, percentage2, ...]
 566    * in descending order of percentage value, where the character values encode codon triplets
 567    * </pre>
 568    *
 569    * @param hashtable
 570    * @return
 571    */
 572   public static int[] extractCdnaProfile(Hashtable hashtable,
 573           boolean ignoreGaps)
 574   {
 575     // this holds #seqs, #ungapped, and then codon count, indexed by encoded
 576     // codon triplet
 577     int[] codonCounts = (int[]) hashtable.get(PROFILE);
 578     int[] sortedCounts = new int[codonCounts.length - 2];
 579     System.arraycopy(codonCounts, 2, sortedCounts, 0,
 580             codonCounts.length - 2);
 581
 582     int[] result = new int[3 + 2 * sortedCounts.length];
 583     // first value is just the type of profile data
 584     result[0] = AlignmentAnnotation.CDNA_PROFILE;
 585
 586     char[] codons = new char[sortedCounts.length];
 587     for (int i = 0; i < codons.length; i++)
 588     {
 589       codons[i] = (char) i;
 590     }
 591     QuickSort.sort(sortedCounts, codons);
 592     int totalPercentage = 0;
 593     int distinctValuesCount = 0;
 594     int j = 3;
 595     int divisor = ignoreGaps ? codonCounts[1] : codonCounts[0];
 596     for (int i = codons.length - 1; i >= 0; i--)
 597     {
 598       final int codonCount = sortedCounts[i];
 599       if (codonCount == 0)
 600       {
 601         break; // nothing else of interest here
 602       }
 603       distinctValuesCount++;
 604       result[j++] = codons[i];
 605       final int percentage = codonCount * 100 / divisor;
 606       result[j++] = percentage;
 607       totalPercentage += percentage;
 608     }
 609     result[2] = totalPercentage;
 610
 611     /*
 612      * Just return the non-zero values
 613      */
 614     // todo next value is redundant if we limit the array to non-zero counts
 615     result[1] = distinctValuesCount;
 616     return Arrays.copyOfRange(result, 0, j);
 617   }
 618
 619   /**
 620    * Compute a consensus for the cDNA coding for a protein alignment.
 621    *
 622    * @param alignment
 623    *          the protein alignment (which should hold mappings to cDNA
 624    *          sequences)
 625    * @param hconsensus
 626    *          the consensus data stores to be populated (one per column)
 627    */
 628   public static void calculateCdna(AlignmentI alignment,
 629           Hashtable[] hconsensus)
 630   {
 631     final char gapCharacter = alignment.getGapCharacter();
 632     List<AlignedCodonFrame> mappings = alignment.getCodonFrames();
 633     if (mappings == null || mappings.isEmpty())
 634     {
 635       return;
 636     }
 637
 638     int cols = alignment.getWidth();
 639     for (int col = 0; col < cols; col++)
 640     {
 641       // todo would prefer a Java bean for consensus data
 642       Hashtable<String, int[]> columnHash = new Hashtable<>();
 643       // #seqs, #ungapped seqs, counts indexed by (codon encoded + 1)
 644       int[] codonCounts = new int[66];
 645       codonCounts[0] = alignment.getSequences().size();
 646       int ungappedCount = 0;
 647       for (SequenceI seq : alignment.getSequences())
 648       {
 649         if (seq.getCharAt(col) == gapCharacter)
 650         {
 651           continue;
 652         }
 653         List<char[]> codons = MappingUtils.findCodonsFor(seq, col,
 654                 mappings);
 655         for (char[] codon : codons)
 656         {
 657           int codonEncoded = CodingUtils.encodeCodon(codon);
 658           if (codonEncoded >= 0)
 659           {
 660             codonCounts[codonEncoded + 2]++;
 661             ungappedCount++;
 662             break;
 663           }
 664         }
 665       }
 666       codonCounts[1] = ungappedCount;
 667       // todo: sort values here, save counts and codons?
 668       columnHash.put(PROFILE, codonCounts);
 669       hconsensus[col] = columnHash;
 670     }
 671   }
 672
 673   /**
 674    * Derive displayable cDNA consensus annotation from computed consensus data.
 675    *
 676    * @param consensusAnnotation
 677    *          the annotation row to be populated for display
 678    * @param consensusData
 679    *          the computed consensus data
 680    * @param showProfileLogo
 681    *          if true show all symbols present at each position, else only the
 682    *          modal value
 683    * @param nseqs
 684    *          the number of sequences in the alignment
 685    */
 686   public static void completeCdnaConsensus(
 687           AlignmentAnnotation consensusAnnotation,
 688           Hashtable[] consensusData, boolean showProfileLogo, int nseqs)
 689   {
 690     if (consensusAnnotation == null
 691             || consensusAnnotation.annotations == null
 692             || consensusAnnotation.annotations.length < consensusData.length)
 693     {
 694       // called with a bad alignment annotation row - wait for it to be
 695       // initialised properly
 696       return;
 697     }
 698
 699     // ensure codon triplet scales with font size
 700     consensusAnnotation.scaleColLabel = true;
 701     for (int col = 0; col < consensusData.length; col++)
 702     {
 703       Hashtable hci = consensusData[col];
 704       if (hci == null)
 705       {
 706         // gapped protein column?
 707         continue;
 708       }
 709       // array holds #seqs, #ungapped, then codon counts indexed by codon
 710       final int[] codonCounts = (int[]) hci.get(PROFILE);
 711       int totalCount = 0;
 712
 713       /*
 714        * First pass - get total count and find the highest
 715        */
 716       final char[] codons = new char[codonCounts.length - 2];
 717       for (int j = 2; j < codonCounts.length; j++)
 718       {
 719         final int codonCount = codonCounts[j];
 720         codons[j - 2] = (char) (j - 2);
 721         totalCount += codonCount;
 722       }
 723
 724       /*
 725        * Sort array of encoded codons by count ascending - so the modal value
 726        * goes to the end; start by copying the count (dropping the first value)
 727        */
 728       int[] sortedCodonCounts = new int[codonCounts.length - 2];
 729       System.arraycopy(codonCounts, 2, sortedCodonCounts, 0,
 730               codonCounts.length - 2);
 731       QuickSort.sort(sortedCodonCounts, codons);
 732
 733       int modalCodonEncoded = codons[codons.length - 1];
 734       int modalCodonCount = sortedCodonCounts[codons.length - 1];
 735       String modalCodon = String
 736               .valueOf(CodingUtils.decodeCodon(modalCodonEncoded));
 737       if (sortedCodonCounts.length > 1 && sortedCodonCounts[codons.length
 738               - 2] == sortedCodonCounts[codons.length - 1])
 739       {
 740         /*
 741          * two or more codons share the modal count
 742          */
 743         modalCodon = "+";
 744       }
 745       float pid = sortedCodonCounts[sortedCodonCounts.length - 1] * 100
 746               / (float) totalCount;
 747
 748       /*
 749        * todo ? Replace consensus hashtable with sorted arrays of codons and
 750        * counts (non-zero only). Include total count in count array [0].
 751        */
 752
 753       /*
 754        * Scan sorted array backwards for most frequent values first. Show
 755        * repeated values compactly.
 756        */
 757       StringBuilder mouseOver = new StringBuilder(32);
 758       StringBuilder samePercent = new StringBuilder();
 759       String percent = null;
 760       String lastPercent = null;
 761       int percentDecPl = getPercentageDp(nseqs);
 762
 763       for (int j = codons.length - 1; j >= 0; j--)
 764       {
 765         int codonCount = sortedCodonCounts[j];
 766         if (codonCount == 0)
 767         {
 768           /*
 769            * remaining codons are 0% - ignore, but finish off the last one if
 770            * necessary
 771            */
 772           if (samePercent.length() > 0)
 773           {
 774             mouseOver.append(samePercent).append(": ").append(percent)
 775                     .append("% ");
 776           }
 777           break;
 778         }
 779         int codonEncoded = codons[j];
 780         final int pct = codonCount * 100 / totalCount;
 781         String codon = String
 782                 .valueOf(CodingUtils.decodeCodon(codonEncoded));
 783         StringBuilder sb = new StringBuilder();
 784         Format.appendPercentage(sb, pct, percentDecPl);
 785         percent = sb.toString();
 786         if (showProfileLogo || codonCount == modalCodonCount)
 787         {
 788           if (percent.equals(lastPercent) && j > 0)
 789           {
 790             samePercent.append(samePercent.length() == 0 ? "" : ", ");
 791             samePercent.append(codon);
 792           }
 793           else
 794           {
 795             if (samePercent.length() > 0)
 796             {
 797               mouseOver.append(samePercent).append(": ").append(lastPercent)
 798                       .append("% ");
 799             }
 800             samePercent.setLength(0);
 801             samePercent.append(codon);
 802           }
 803           lastPercent = percent;
 804         }
 805       }
 806
 807       consensusAnnotation.annotations[col] = new Annotation(modalCodon,
 808               mouseOver.toString(), ' ', pid);
 809     }
 810   }
 811
 812   /**
 813    * Returns the number of decimal places to show for profile percentages. For
 814    * less than 100 sequences, returns zero (the integer percentage value will be
 815    * displayed). For 100-999 sequences, returns 1, for 1000-9999 returns 2, etc.
 816    *
 817    * @param nseq
 818    * @return
 819    */
 820   protected static int getPercentageDp(long nseq)
 821   {
 822     int scale = 0;
 823     while (nseq >= 100)
 824     {
 825       scale++;
 826       nseq /= 10;
 827     }
 828     return scale;
 829   }
 830
 831   /**
 832    * Returns the sorted HMM profile for the given column of the alignment. The
 833    * returned array contains
 834    *
 835    * <pre>
 836    *    [profileType=0, numberOfValues, 100, charValue1, percentage1, charValue2, percentage2, ...]
 837    * in descending order of percentage value
 838    * </pre>
 839    *
 840    * @param hmm
 841    * @param column
 842    * @param removeBelowBackground
 843    *          if true, ignores residues with probability less than their
 844    *          background frequency
 845    * @param infoHeight
 846    *          if true, uses the log ratio 'information' measure to scale the
 847    *          value
 848    * @return
 849    */
 850   public static int[] extractHMMProfile(HiddenMarkovModel hmm, int column,
 851           boolean removeBelowBackground, boolean infoHeight)
 852   {
 853     if (hmm == null)
 854     {
 855       return null;
 856     }
 857     String alphabet = hmm.getSymbols();
 858     int size = alphabet.length();
 859     char symbols[] = new char[size];
 860     int values[] = new int[size];
 861     int totalCount = 0;
 862
 863     for (int i = 0; i < size; i++)
 864     {
 865       char symbol = alphabet.charAt(i);
 866       symbols[i] = symbol;
 867       int value = getAnalogueCount(hmm, column, symbol,
 868               removeBelowBackground, infoHeight);
 869       values[i] = value;
 870       totalCount += value;
 871     }
 872
 873     /*
 874      * sort symbols by increasing emission probability
 875      */
 876     QuickSort.sort(values, symbols);
 877
 878     int[] profile = new int[3 + size * 2];
 879
 880     profile[0] = AlignmentAnnotation.SEQUENCE_PROFILE;
 881     profile[1] = size;
 882     profile[2] = 100;
 883
 884     /*
 885      * order symbol/count profile by decreasing emission probability
 886      */
 887     if (totalCount != 0)
 888     {
 889       int arrayPos = 3;
 890       for (int k = size - 1; k >= 0; k--)
 891       {
 892         Float percentage;
 893         int value = values[k];
 894         if (removeBelowBackground)
 895         {
 896           percentage = ((float) value) / totalCount * 100f;
 897         }
 898         else
 899         {
 900           percentage = value / 100f;
 901         }
 902         int intPercent = Math.round(percentage);
 903         profile[arrayPos] = symbols[k];
 904         profile[arrayPos + 1] = intPercent;
 905         arrayPos += 2;
 906       }
 907     }
 908     return profile;
 909   }
 910
 911   /**
 912    * Converts the emission probability of a residue at a column in the alignment
 913    * to a 'count', suitable for rendering as an annotation value
 914    *
 915    * @param hmm
 916    * @param column
 917    * @param symbol
 918    * @param removeBelowBackground
 919    *          if true, returns 0 for any symbol with a match emission
 920    *          probability less than the background frequency
 921    * @infoHeight if true, uses the log ratio 'information content' to scale the
 922    *             value
 923    * @return
 924    */
 925   static int getAnalogueCount(HiddenMarkovModel hmm, int column,
 926           char symbol, boolean removeBelowBackground, boolean infoHeight)
 927   {
 928     double value = hmm.getMatchEmissionProbability(column, symbol);
 929     double freq = ResidueProperties.backgroundFrequencies
 930             .get(hmm.getAlphabetType()).get(symbol);
 931     if (value < freq && removeBelowBackground)
 932     {
 933       return 0;
 934     }
 935
 936     if (infoHeight)
 937     {
 938       value = value * (Math.log(value / freq) / LOG2);
 939     }
 940
 941     value = value * 10000d;
 942     return Math.round((float) value);
 943   }
 944 }