test/jalview/analysis/PCATest.java

   1 package jalview.analysis;
   2
   3 import static org.testng.Assert.assertNotNull;
   4 import static org.testng.internal.junit.ArrayAsserts.assertArrayEquals;
   5
   6 import jalview.analysis.scoremodels.FeatureDistanceModel;
   7 import jalview.analysis.scoremodels.PIDModel;
   8 import jalview.analysis.scoremodels.ScoreModels;
   9 import jalview.analysis.scoremodels.SimilarityParams;
  10 import jalview.api.analysis.ScoreModelI;
  11 import jalview.api.analysis.SimilarityParamsI;
  12 import jalview.api.analysis.ViewBasedAnalysisI;
  13 import jalview.datamodel.AlignmentView;
  14 import jalview.datamodel.SequenceFeature;
  15 import jalview.datamodel.SequenceI;
  16 import jalview.gui.AlignFrame;
  17 import jalview.io.DataSourceType;
  18 import jalview.io.FileLoader;
  19 import jalview.math.MatrixI;
  20
  21 import org.testng.annotations.BeforeTest;
  22 import org.testng.annotations.Test;
  23
  24 public class PCATest
  25 {
  26
  27   private static final String TESTSEQS = ">s1\nAFRK\n>s2\nAFSS\n>s3\nAFTL\n>s4\nARSL\n";
  28   private AlignFrame af;
  29
  30   @Test(groups = "Functional")
  31   public void testComputeSimilarity_blosum62()
  32   {
  33     setUp();
  34     SimilarityParamsI params = new SimilarityParams(true, false, true,
  35             false);
  36     AlignmentView view = af.getViewport().getAlignmentView(false);
  37     ScoreModelI blosum62 = ScoreModels.getInstance().getBlosum62();
  38     PCA pca = new PCA(view, blosum62, params);
  39
  40     MatrixI result = pca.computeSimilarity();
  41     assertNotNull(result);
  42
  43     /*
  44      * AFRK^AFRK = 4+6+5+5 = 20
  45      * AFRK^AFSS = 4+6+-1+0 = 9
  46      * AFRK^AFTL = 4+6+-1+-2 = 7
  47      * AFRK^ARSL = 4+-3+-1+-2 = -2
  48      */
  49     assertArrayEquals(result.getRow(0), new double[] { 20, 9, 7, -2 },
  50             0.00001d);
  51   }
  52
  53   @BeforeTest(alwaysRun = true)
  54   public void setUp()
  55   {
  56     af = new FileLoader().LoadFileWaitTillLoaded(TESTSEQS,
  57             DataSourceType.PASTE);
  58   }
  59
  60   @Test(groups = "Functional")
  61   public void testComputeSimilarity_PID()
  62   {
  63     setUp();
  64     SimilarityParamsI params = new SimilarityParams(true, false, true,
  65             false);
  66     AlignmentView view = af.getViewport().getAlignmentView(false);
  67     ScoreModelI pid = new PIDModel();
  68     PCA pca = new PCA(view, pid, params);
  69
  70     MatrixI result = pca.computeSimilarity();
  71     assertNotNull(result);
  72
  73     /*
  74      * AFRK^AFRK = 4 scaled to width
  75      * AFRK^AFSS = 2
  76      * AFRK^AFTL = 2
  77      * AFRK^ARSL = 1
  78      */
  79     assertArrayEquals(new double[] { 4d, 2d, 2d, 1d },
  80             result.getRow(0), 0.00001d);
  81   }
  82
  83   @Test(groups = "Functional")
  84   public void testComputeSimilarity_featureDistances()
  85   {
  86     setUp();
  87     SimilarityParamsI params = new SimilarityParams(true, false, true,
  88             false);
  89     AlignmentView view = af.getViewport().getAlignmentView(false);
  90     ScoreModelI featureModel = new FeatureDistanceModel();
  91     PCA pca = new PCA(view, featureModel, params);
  92
  93     MatrixI result = pca.computeSimilarity();
  94
  95     /*
  96      * no features = no scores!
  97      */
  98     assertArrayEquals(new double[] { 0d, 0d, 0d, 0d },
  99             result.getRow(0), 0.00001d);
 100
 101     SequenceI[] seqs = af.getViewport().getAlignment().getSequencesArray();
 102     seqs[0].addSequenceFeature(new SequenceFeature("Cath", "", 1, 4, 0f,
 103             null));
 104     seqs[1].addSequenceFeature(new SequenceFeature("Cath", "", 1, 4, 0f,
 105             null));
 106     seqs[2].addSequenceFeature(new SequenceFeature("Pfam", "", 1, 4, 0f,
 107             null));
 108     seqs[3].addSequenceFeature(new SequenceFeature("Pfam", "", 2, 3, 0f,
 109             null));
 110
 111     af.getFeatureRenderer().findAllFeatures(true);
 112     ((ViewBasedAnalysisI) featureModel)
 113             .configureFromAlignmentView(af.alignPanel);
 114
 115     /*
 116      * feature distance scores are (average number of features not shared):
 117      * diagonal: 0
 118      * seq1^seq2 0
 119      * seq1^seq3 8 / 4 = 2
 120      * seq1^seq4 6 / 4 = 1.5
 121      * seq2^seq3 8 / 4 = 2
 122      * seq2^seq4 6 / 3 = 1.5
 123      * seq3^seq4 2 / 4 = 0.5
 124      * so
 125      * { 0, 0, 2, 1.5
 126      *   0, 0, 2, 1.5
 127      *   2, 2, 0, 0.5
 128      *   1.5, 1.5, 0.5, 0
 129      *  }
 130      * subtract each value from the max value to get similarity scores
 131      */
 132     result = pca.computeSimilarity();
 133     // assertArrayEquals(new double[] { 2d, 2d, 0d, 0.5d }, result.getRow(0),
 134     // 0.00001d);
 135     // assertArrayEquals(new double[] { 2d, 2d, 0d, 0.5d }, result.getRow(1),
 136     // 0.00001d);
 137     // assertArrayEquals(new double[] { 0d, 0d, 2d, 1.5d }, result.getRow(2),
 138     // 0.00001d);
 139     // assertArrayEquals(new double[] { 0.5d, 0.5d, 1.5d, 2d },
 140     // result.getRow(3), 0.00001d);
 141
 142     /*
 143      * JAL-2424 bug means instead we get distance scores of
 144      *  8 / 5 = 1.6
 145      *  6 / 5 = 1.2
 146      *  2 / 5 = 0.4
 147      * so (until bug is fixed)
 148      * { 0, 0, 1.6, 1.2
 149      *   0, 0, 1.6, 1.2
 150      *   1.6, 1.6, 0, 0.4
 151      *   1.2, 1.2, 0.4, 0
 152      *  }
 153      */
 154     assertArrayEquals(new double[] { 1.6d, 1.6d, 0d, 0.4d },
 155             result.getRow(0),
 156             0.00001d);
 157     assertArrayEquals(new double[] { 1.6d, 1.6d, 0d, 0.4d },
 158             result.getRow(1),
 159             0.00001d);
 160     assertArrayEquals(new double[] { 0d, 0d, 1.6d, 1.2d },
 161             result.getRow(2),
 162             0.00001d);
 163     assertArrayEquals(new double[] { 0.4d, 0.4d, 1.2d, 1.6d },
 164             result.getRow(3), 0.00001d);
 165   }
 166 }