(no commit message)
[jalview.git] / forester / java / src / org / forester / msa / BasicMsa.java
index fa6e321..02da257 100644 (file)
 // Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA
 //
 // Contact: phylosoft @ gmail . com
-// WWW: www.phylosoft.org/forester
+// WWW: https://sites.google.com/site/cmzmasek/home/software/forester
 
 package org.forester.msa;
 
 import java.io.IOException;
+import java.io.StringWriter;
 import java.io.Writer;
+import java.util.ArrayList;
+import java.util.HashSet;
 import java.util.List;
+import java.util.Set;
 
-import org.forester.sequence.Sequence;
-import org.forester.sequence.Sequence.TYPE;
+import org.forester.io.writers.SequenceWriter;
+import org.forester.io.writers.SequenceWriter.SEQ_FORMAT;
+import org.forester.sequence.BasicSequence;
+import org.forester.sequence.MolecularSequence;
+import org.forester.sequence.MolecularSequence.TYPE;
 import org.forester.util.ForesterUtil;
 
 public class BasicMsa implements Msa {
 
-    private final char[][] _data;
-    private final Object[] _identifiers;
-    private final TYPE     _type;
+    private final char[][]    _data;
+    private final String[]    _identifiers;
+    private final Set<String> _identifiers_set;
+    private final TYPE        _type;
 
     public BasicMsa( final int rows, final int columns, final TYPE type ) {
         if ( ( rows < 1 ) || ( columns < 1 ) ) {
             throw new IllegalArgumentException( "basic msa of size zero are illegal" );
         }
         _data = new char[ rows ][ columns ];
-        _identifiers = new Object[ rows ];
+        _identifiers = new String[ rows ];
+        _identifiers_set = new HashSet<String>();
         _type = type;
     }
 
@@ -52,21 +61,29 @@ public class BasicMsa implements Msa {
         _data = msa._data;
         _identifiers = msa._identifiers;
         _type = msa._type;
+        _identifiers_set = msa._identifiers_set;
     }
 
-    private int determineMaxIdLength() {
-        int max = 0;
-        for( int row = 0; row < _data.length; ++row ) {
-            final int l = _identifiers[ row ].toString().length();
-            if ( l > max ) {
-                max = l;
-            }
+    @Override
+    public List<MolecularSequence> asSequenceList() {
+        final List<MolecularSequence> seqs = new ArrayList<MolecularSequence>();
+        for( int i = 0; i < getNumberOfSequences(); ++i ) {
+            seqs.add( getSequence( i ) );
         }
-        return max;
+        return seqs;
     }
 
     @Override
-    public Object getIdentifier( final int row ) {
+    public List<Character> getColumnAt( final int col ) {
+        final List<Character> column = new ArrayList<Character>();
+        for( int row = 0; row < getNumberOfSequences(); ++row ) {
+            column.add( getResidueAt( row, col ) );
+        }
+        return column;
+    }
+
+    @Override
+    public String getIdentifier( final int row ) {
         return _identifiers[ row ];
     }
 
@@ -86,9 +103,24 @@ public class BasicMsa implements Msa {
     }
 
     @Override
+    public MolecularSequence getSequence( final int row ) {
+        return new BasicSequence( getIdentifier( row ), _data[ row ], getType() );
+    }
+
+    @Override
+    public MolecularSequence getSequence( final String id ) {
+        for( int i = 0; i < getNumberOfSequences(); ++i ) {
+            if ( getIdentifier( i ).equals( id ) ) {
+                return getSequence( i );
+            }
+        }
+        return null;
+    }
+
+    @Override
     public StringBuffer getSequenceAsString( final int row ) {
-        final StringBuffer sb = new StringBuffer( _data[ 0 ].length );
-        for( int col = 0; col < _data[ 0 ].length; ++col ) {
+        final StringBuffer sb = new StringBuffer( getLength() );
+        for( int col = 0; col < getLength(); ++col ) {
             sb.append( getResidueAt( row, col ) );
         }
         return sb;
@@ -100,7 +132,20 @@ public class BasicMsa implements Msa {
     }
 
     @Override
-    public void setIdentifier( final int row, final Object id ) {
+    public boolean isGapAt( final int row, final int col ) {
+        return getResidueAt( row, col ) == MolecularSequence.GAP;
+    }
+
+    @Override
+    public void setIdentifier( final int row, final String id ) {
+        if ( ForesterUtil.isEmpty( id ) ) {
+            throw new IllegalArgumentException( "illegal attempt to create msa with empty identifier" );
+        }
+        if ( _identifiers_set.contains( id ) ) {
+            throw new IllegalArgumentException( "illegal attempt to create msa with non-unique identifiers [" + id
+                                                + "]" );
+        }
+        _identifiers_set.add( id );
         _identifiers[ row ] = id;
     }
 
@@ -111,43 +156,103 @@ public class BasicMsa implements Msa {
 
     @Override
     public String toString() {
-        final int max = determineMaxIdLength() + 1;
-        final StringBuffer sb = new StringBuffer();
-        for( int row = 0; row < _data.length; ++row ) {
-            sb.append( ForesterUtil.pad( _identifiers[ row ].toString(), max, ' ', false ) );
-            for( int col = 0; col < _data[ 0 ].length; ++col ) {
-                sb.append( getResidueAt( row, col ) );
-            }
-            sb.append( ForesterUtil.LINE_SEPARATOR );
+        final Writer w = new StringWriter();
+        try {
+            write( w, MSA_FORMAT.PHYLIP );
         }
-        return sb.toString();
+        catch ( final IOException e ) {
+            e.printStackTrace();
+        }
+        return w.toString();
     }
 
     @Override
-    public void write( final Writer w ) throws IOException {
+    public void write( final Writer w, final MSA_FORMAT format ) throws IOException {
+        switch ( format ) {
+            case PHYLIP:
+                writeToPhylip( w );
+                break;
+            case FASTA:
+                writeToFasta( w );
+                break;
+            case NEXUS:
+                writeToNexus( w );
+                break;
+            default:
+                throw new RuntimeException( "unknown format " + format );
+        }
+    }
+
+    private short determineMaxIdLength() {
+        short max = 0;
+        for( int row = 0; row < getNumberOfSequences(); ++row ) {
+            final short l = ( short ) getIdentifier( row ).length();
+            if ( l > max ) {
+                max = l;
+            }
+        }
+        return max;
+    }
+
+    private void writeToFasta( final Writer w ) throws IOException {
+        SequenceWriter.writeSeqs( asSequenceList(), w, SEQ_FORMAT.FASTA, 100 );
+    }
+
+    private void writeToNexus( final Writer w ) throws IOException {
+        final int max = determineMaxIdLength() + 1;
+        w.write( "Begin Data;" );
+        w.write( ForesterUtil.LINE_SEPARATOR );
+        w.write( "   Dimensions NTax=" + getNumberOfSequences() );
+        w.write( " NChar=" + getLength() );
+        w.write( ";" );
+        w.write( ForesterUtil.LINE_SEPARATOR );
+        w.write( "   Format DataType=Protein Interleave=No gap=-;" );
+        w.write( ForesterUtil.LINE_SEPARATOR );
+        w.write( "   Matrix" );
+        w.write( ForesterUtil.LINE_SEPARATOR );
+        for( int row = 0; row < getNumberOfSequences(); ++row ) {
+            final MolecularSequence seq = getSequence( row );
+            final String s = seq.getMolecularSequenceAsString();
+            w.write( "      " );
+            w.write( ForesterUtil.pad( getIdentifier( row ).replace( ' ', '_' ), max, ' ', false ).toString() );
+            w.write( " " );
+            w.write( s );
+            w.write( ForesterUtil.LINE_SEPARATOR );
+        }
+        w.write( "   ;" );
+        w.write( ForesterUtil.LINE_SEPARATOR );
+        w.write( "End;" );
+        w.write( ForesterUtil.LINE_SEPARATOR );
+    }
+
+    private void writeToPhylip( final Writer w ) throws IOException {
         final int max = determineMaxIdLength() + 1;
-        for( int row = 0; row < _data.length; ++row ) {
-            w.write( ForesterUtil.pad( _identifiers[ row ].toString(), max, ' ', false ).toString() );
-            for( int col = 0; col < _data[ 0 ].length; ++col ) {
+        w.write( getNumberOfSequences() + " " + getLength() );
+        w.write( ForesterUtil.LINE_SEPARATOR );
+        for( int row = 0; row < getNumberOfSequences(); ++row ) {
+            w.write( ForesterUtil.pad( getIdentifier( row ).replace( ' ', '_' ), max, ' ', false ).toString() );
+            for( int col = 0; col < getLength(); ++col ) {
                 w.write( getResidueAt( row, col ) );
             }
             w.write( ForesterUtil.LINE_SEPARATOR );
         }
     }
 
-    public static Msa createInstance( final List<Sequence> seqs ) {
+    public static Msa createInstance( final List<MolecularSequence> seqs ) {
         if ( seqs.size() < 1 ) {
-            throw new IllegalArgumentException( "cannot create basic msa from less than one sequence" );
+            throw new IllegalArgumentException( "cannot create msa from less than one sequence" );
         }
         final int length = seqs.get( 0 ).getLength();
         final BasicMsa msa = new BasicMsa( seqs.size(), length, seqs.get( 0 ).getType() );
         for( int row = 0; row < seqs.size(); ++row ) {
-            final Sequence seq = seqs.get( row );
+            final MolecularSequence seq = seqs.get( row );
             if ( seq.getLength() != length ) {
-                throw new IllegalArgumentException( "illegal attempt to build msa from sequences of unequal length" );
+                throw new IllegalArgumentException( "illegal attempt to build msa from sequences of unequal length ["
+                        + seq.getIdentifier() + "]" );
             }
             if ( seq.getType() != msa.getType() ) {
-                throw new IllegalArgumentException( "illegal attempt to build msa from sequences of different type" );
+                throw new IllegalArgumentException( "illegal attempt to build msa from sequences of different type ["
+                        + seq.getIdentifier() + "]" );
             }
             msa.setIdentifier( row, seq.getIdentifier() );
             for( int col = 0; col < length; ++col ) {