src/jalview/ws/dbsources/Uniprot.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.ws.dbsources;
  22
  23 import jalview.bin.Cache;
  24 import jalview.datamodel.Alignment;
  25 import jalview.datamodel.AlignmentI;
  26 import jalview.datamodel.DBRefEntry;
  27 import jalview.datamodel.DBRefSource;
  28 import jalview.datamodel.PDBEntry;
  29 import jalview.datamodel.Sequence;
  30 import jalview.datamodel.SequenceFeature;
  31 import jalview.datamodel.SequenceI;
  32 import jalview.gui.Preferences;
  33 import jalview.schemes.ResidueProperties;
  34 import jalview.util.Platform;
  35 import jalview.util.StringUtils;
  36 import jalview.ws.seqfetcher.DbSourceProxyImpl;
  37 import jalview.xml.binding.embl.ROOT;
  38 import jalview.xml.binding.uniprot.DbReferenceType;
  39 import jalview.xml.binding.uniprot.Entry;
  40 import jalview.xml.binding.uniprot.FeatureType;
  41 import jalview.xml.binding.uniprot.LocationType;
  42 import jalview.xml.binding.uniprot.PositionType;
  43 import jalview.xml.binding.uniprot.PropertyType;
  44
  45 import java.io.InputStream;
  46 import java.net.URL;
  47 import java.net.URLConnection;
  48 import java.util.ArrayList;
  49 import java.util.List;
  50 import java.util.Vector;
  51
  52 import javax.xml.bind.JAXBContext;
  53 import javax.xml.bind.JAXBElement;
  54 import javax.xml.bind.JAXBException;
  55 import javax.xml.stream.FactoryConfigurationError;
  56 import javax.xml.stream.XMLInputFactory;
  57 import javax.xml.stream.XMLStreamException;
  58 import javax.xml.stream.XMLStreamReader;
  59
  60 import com.stevesoft.pat.Regex;
  61
  62 /**
  63  * This class queries the Uniprot database for sequence data, unmarshals the
  64  * returned XML, and converts it to Jalview Sequence records (including attached
  65  * database references and sequence features)
  66  *
  67  * @author JimP
  68  *
  69  */
  70 public class Uniprot extends DbSourceProxyImpl
  71 {
  72   private static final String DEFAULT_UNIPROT_DOMAIN = "https://www.uniprot.org";
  73
  74   private static final String BAR_DELIMITER = "|";
  75
  76   private static Regex ACCESSION_REGEX;
  77
  78   /**
  79    * Constructor
  80    */
  81   public Uniprot()
  82   {
  83     super();
  84   }
  85
  86   private String getDomain()
  87   {
  88     return Cache.getDefault("UNIPROT_DOMAIN", DEFAULT_UNIPROT_DOMAIN);
  89   }
  90
  91   /*
  92    * (non-Javadoc)
  93    *
  94    * @see jalview.ws.DbSourceProxy#getAccessionSeparator()
  95    */
  96   @Override
  97   public String getAccessionSeparator()
  98   {
  99     return null;
 100   }
 101
 102   /*
 103    * (non-Javadoc)
 104    *
 105    * @see jalview.ws.DbSourceProxy#getAccessionValidator()
 106    */
 107   @Override
 108   public Regex getAccessionValidator()
 109   {
 110     if (ACCESSION_REGEX == null)
 111     {
 112       ACCESSION_REGEX = Platform
 113               .newRegex("([A-Z]+[0-9]+[A-Z0-9]+|[A-Z0-9]+_[A-Z0-9]+)");
 114     }
 115     return ACCESSION_REGEX;
 116   }
 117
 118   /*
 119    * (non-Javadoc)
 120    *
 121    * @see jalview.ws.DbSourceProxy#getDbSource()
 122    */
 123   @Override
 124   public String getDbSource()
 125   {
 126     return DBRefSource.UNIPROT;
 127   }
 128
 129   /*
 130    * (non-Javadoc)
 131    *
 132    * @see jalview.ws.DbSourceProxy#getDbVersion()
 133    */
 134   @Override
 135   public String getDbVersion()
 136   {
 137     return "0"; // we really don't know what version we're on.
 138   }
 139
 140   /*
 141    * (non-Javadoc)
 142    *
 143    * @see jalview.ws.DbSourceProxy#getSequenceRecords(java.lang.String[])
 144    */
 145   @Override
 146   public AlignmentI getSequenceRecords(String queries) throws Exception
 147   {
 148     startQuery();
 149     try
 150     {
 151       queries = queries.toUpperCase().replaceAll(
 152               "(UNIPROT\\|?|UNIPROT_|UNIREF\\d+_|UNIREF\\d+\\|?)", "");
 153       AlignmentI al = null;
 154
 155       String downloadstring = getDomain() + "/uniprot/" + queries
 156               + ".xml";
 157
 158       URL url = new URL(downloadstring);
 159       URLConnection urlconn = url.openConnection();
 160       InputStream istr = urlconn.getInputStream();
 161       List<Entry> entries = getUniprotEntries(istr);
 162       if (entries != null)
 163       {
 164         List<SequenceI> seqs = new ArrayList<>();
 165         for (Entry entry : entries)
 166         {
 167           seqs.add(uniprotEntryToSequence(entry));
 168         }
 169         al = new Alignment(seqs.toArray(new SequenceI[seqs.size()]));
 170       }
 171
 172       stopQuery();
 173       return al;
 174     } catch (Exception e)
 175     {
 176       throw (e);
 177     } finally
 178     {
 179       stopQuery();
 180     }
 181   }
 182
 183   /**
 184    * Converts an Entry object (bound from Uniprot XML) to a Jalview Sequence
 185    *
 186    * @param entry
 187    * @return
 188    */
 189   SequenceI uniprotEntryToSequence(Entry entry)
 190   {
 191     String id = getUniprotEntryId(entry);
 192     /*
 193      * Sequence should not include any whitespace, but JAXB leaves these in
 194      */
 195     String seqString = entry.getSequence().getValue().replaceAll("\\s*",
 196             "");
 197
 198     SequenceI sequence = new Sequence(id,
 199             seqString);
 200     sequence.setDescription(getUniprotEntryDescription(entry));
 201
 202     /*
 203      * add a 'self' DBRefEntry for each accession
 204      */
 205     final String dbVersion = getDbVersion();
 206     List<DBRefEntry> dbRefs = new ArrayList<>();
 207     for (String accessionId : entry.getAccession())
 208     {
 209       DBRefEntry dbRef = new DBRefEntry(DBRefSource.UNIPROT, dbVersion,
 210               accessionId);
 211       dbRefs.add(dbRef);
 212     }
 213
 214     /*
 215      * add a DBRefEntry for each dbReference element in the XML;
 216      * also add a PDBEntry if type="PDB";
 217      * also add an EMBLCDS dbref if protein sequence id is given
 218      * also add an Ensembl dbref " " " " " "
 219      */
 220     Vector<PDBEntry> pdbRefs = new Vector<>();
 221     for (DbReferenceType dbref : entry.getDbReference())
 222     {
 223       String type = dbref.getType();
 224       DBRefEntry dbr = new DBRefEntry(type,
 225               DBRefSource.UNIPROT + ":" + dbVersion, dbref.getId());
 226       dbRefs.add(dbr);
 227       if ("PDB".equals(type))
 228       {
 229         pdbRefs.add(new PDBEntry(dbr));
 230       }
 231       if ("EMBL".equals(type))
 232       {
 233         /*
 234          * e.g. Uniprot accession Q9BXM7 has
 235          * <dbReference type="EMBL" id="M19359">
 236          *   <property type="protein sequence ID" value="AAA40981.1"/>
 237          *   <property type="molecule type" value="Genomic_DNA"/>
 238          * </dbReference>
 239          */
 240         String cdsId = getProperty(dbref.getProperty(),
 241                 "protein sequence ID");
 242         if (cdsId != null && cdsId.trim().length() > 0)
 243         {
 244           // remove version
 245           String[] vrs = cdsId.split("\\.");
 246           String version = vrs.length > 1 ? vrs[1]
 247                   : DBRefSource.UNIPROT + ":" + dbVersion;
 248           dbr = new DBRefEntry(DBRefSource.EMBLCDS, version, vrs[0]);
 249           dbRefs.add(dbr);
 250         }
 251       }
 252       if ("Ensembl".equals(type))
 253       {
 254         /*
 255          * e.g. Uniprot accession Q9BXM7 has
 256          * <dbReference type="Ensembl" id="ENST00000321556">
 257          *   <molecule id="Q9BXM7-1"/>
 258          *   <property type="protein sequence ID" value="ENSP00000364204"/>
 259          *   <property type="gene ID" value="ENSG00000158828"/>
 260          * </dbReference>
 261          */
 262         String cdsId = getProperty(dbref.getProperty(),
 263                 "protein sequence ID");
 264         if (cdsId != null && cdsId.trim().length() > 0)
 265         {
 266           dbr = new DBRefEntry(DBRefSource.ENSEMBL,
 267                   DBRefSource.UNIPROT + ":" + dbVersion, cdsId.trim());
 268           dbRefs.add(dbr);
 269         }
 270       }
 271     }
 272
 273     /*
 274      * create features; they have either begin and end, or position, in XML
 275      */
 276     sequence.setPDBId(pdbRefs);
 277     if (entry.getFeature() != null)
 278     {
 279       for (FeatureType uf : entry.getFeature())
 280       {
 281         LocationType location = uf.getLocation();
 282         int start = 0;
 283         int end = 0;
 284         if (location.getPosition() != null)
 285         {
 286           start = location.getPosition().getPosition().intValue();
 287           end = start;
 288         }
 289         else
 290         {
 291           start = location.getBegin().getPosition().intValue();
 292           end = location.getEnd().getPosition().intValue();
 293         }
 294         SequenceFeature sf = new SequenceFeature(uf.getType(),
 295                 getDescription(uf), start, end, "Uniprot");
 296         sf.setStatus(uf.getStatus());
 297         sequence.addSequenceFeature(sf);
 298       }
 299     }
 300     for (DBRefEntry dbr : dbRefs)
 301     {
 302       sequence.addDBRef(dbr);
 303     }
 304     return sequence;
 305   }
 306
 307   /**
 308    * A helper method that builds a sequence feature description
 309    *
 310    * @param feature
 311    * @return
 312    */
 313   static String getDescription(FeatureType feature)
 314   {
 315     String orig = feature.getOriginal();
 316     List<String> variants = feature.getVariation();
 317     StringBuilder sb = new StringBuilder();
 318
 319     /*
 320      * append variant in standard format if present
 321      * e.g. p.Arg59Lys
 322      * multiple variants are split over lines using <br>
 323      */
 324     boolean asHtml = false;
 325     if (orig != null && !orig.isEmpty() && variants != null
 326             && !variants.isEmpty())
 327     {
 328       int p = 0;
 329       for (String var : variants)
 330       {
 331         // TODO proper HGVS nomenclature for delins structural variations
 332         // http://varnomen.hgvs.org/recommendations/protein/variant/delins/
 333         // for now we are pragmatic - any orig/variant sequence longer than
 334         // three characters is shown with single-character notation rather than
 335         // three-letter notation
 336         sb.append("p.");
 337         if (orig.length() < 4)
 338         {
 339           for (int c = 0, clen = orig.length(); c < clen; c++)
 340           {
 341             char origchar = orig.charAt(c);
 342             String orig3 = ResidueProperties.aa2Triplet.get("" + origchar);
 343             sb.append(orig3 == null ? origchar
 344                     : StringUtils.toSentenceCase(orig3));
 345           }
 346         }
 347         else
 348         {
 349           sb.append(orig);
 350         }
 351
 352         LocationType location = feature.getLocation();
 353         PositionType start = location.getPosition() == null
 354                 ? location.getBegin()
 355                 : location.getPosition();
 356         sb.append(Integer.toString(start.getPosition().intValue()));
 357
 358         if (var.length() < 4)
 359         {
 360           for (int c = 0, clen = var.length(); c < clen; c++)
 361           {
 362             char varchar = var.charAt(c);
 363             String var3 = ResidueProperties.aa2Triplet.get("" + varchar);
 364
 365             sb.append(var3 != null ? StringUtils.toSentenceCase(var3)
 366                     : "" + varchar);
 367           }
 368         }
 369         else
 370         {
 371           sb.append(var);
 372         }
 373         if (++p != variants.size())
 374         {
 375           sb.append("<br/>&nbsp;&nbsp;");
 376           asHtml = true;
 377         }
 378         else
 379         {
 380           sb.append(" ");
 381         }
 382       }
 383     }
 384     String description = feature.getDescription();
 385     if (description != null)
 386     {
 387       sb.append(description);
 388     }
 389     if (asHtml)
 390     {
 391       sb.insert(0, "<html>");
 392       sb.append("</html>");
 393     }
 394
 395     return sb.toString();
 396   }
 397
 398   /**
 399    * A helper method that searches the list of properties for one with the given
 400    * key, and if found returns the property value, else returns null
 401    *
 402    * @param properties
 403    * @param key
 404    * @return
 405    */
 406   static String getProperty(List<PropertyType> properties, String key)
 407   {
 408     String value = null;
 409     if (properties != null)
 410     {
 411       for (PropertyType prop : properties)
 412       {
 413         if (key.equals(prop.getType()))
 414         {
 415           value = prop.getValue();
 416           break;
 417         }
 418       }
 419     }
 420     return value;
 421   }
 422
 423   /**
 424    * Extracts xml element entry/protein/recommendedName/fullName
 425    *
 426    * @param entry
 427    * @return
 428    */
 429   static String getUniprotEntryDescription(Entry entry)
 430   {
 431     String desc = "";
 432     if (entry.getProtein() != null
 433             && entry.getProtein().getRecommendedName() != null)
 434     {
 435       // fullName is mandatory if recommendedName is present
 436       desc = entry.getProtein().getRecommendedName().getFullName()
 437               .getValue();
 438     }
 439     return desc;
 440   }
 441
 442   /**
 443    * Constructs a sequence id by concatenating all entry/name elements with '|'
 444    * separator
 445    *
 446    * @param entry
 447    * @return
 448    */
 449   static String getUniprotEntryId(Entry entry)
 450   {
 451     StringBuilder name = new StringBuilder(32);
 452     for (String n : entry.getName())
 453     {
 454       if (name.length() > 0)
 455       {
 456         name.append(BAR_DELIMITER);
 457       }
 458       name.append(n);
 459     }
 460     return name.toString();
 461   }
 462
 463   /*
 464    * (non-Javadoc)
 465    *
 466    * @see jalview.ws.DbSourceProxy#isValidReference(java.lang.String)
 467    */
 468   @Override
 469   public boolean isValidReference(String accession)
 470   {
 471     // TODO: make the following a standard validator
 472     return (accession == null || accession.length() < 2) ? false
 473             : getAccessionValidator().search(accession);
 474   }
 475
 476   /**
 477    * return LDHA_CHICK uniprot entry
 478    */
 479   @Override
 480   public String getTestQuery()
 481   {
 482     return "P00340";
 483   }
 484
 485   @Override
 486   public String getDbName()
 487   {
 488     return "Uniprot"; // getDbSource();
 489   }
 490
 491   @Override
 492   public int getTier()
 493   {
 494     return 0;
 495   }
 496
 497   /**
 498    * Reads the reply to the EBI Fetch Uniprot data query, unmarshals it to an
 499    * Uniprot object, and returns the enclosed Entry objects, or null on any
 500    * failure
 501    *
 502    * @param is
 503    * @return
 504    */
 505   public List<Entry> getUniprotEntries(InputStream is)
 506   {
 507     List<Entry> entries = null;
 508     try
 509     {
 510       JAXBContext jc = JAXBContext
 511               .newInstance("jalview.xml.binding.uniprot");
 512       XMLStreamReader streamReader = XMLInputFactory.newInstance()
 513               .createXMLStreamReader(is);
 514       javax.xml.bind.Unmarshaller um = jc.createUnmarshaller();
 515       JAXBElement<jalview.xml.binding.uniprot.Uniprot> uniprotElement =
 516                   um.unmarshal(streamReader, jalview.xml.binding.uniprot.Uniprot.class);
 517       jalview.xml.binding.uniprot.Uniprot uniprot = uniprotElement.getValue();
 518
 519       if (uniprot != null && !uniprot.getEntry().isEmpty())
 520       {
 521         entries = uniprot.getEntry();
 522       }
 523     } catch (JAXBException | XMLStreamException
 524             | FactoryConfigurationError e)
 525     {
 526       e.printStackTrace();
 527     }
 528     return entries;
 529   }
 530 }