JAL-2738 lookup GRCh38/37 gene mapping
authorgmungoc <g.m.carstairs@dundee.ac.uk>
Fri, 22 Sep 2017 10:58:48 +0000 (11:58 +0100)
committergmungoc <g.m.carstairs@dundee.ac.uk>
Fri, 22 Sep 2017 10:58:48 +0000 (11:58 +0100)
src/jalview/ext/ensembl/EnsemblMap.java [new file with mode: 0644]
src/jalview/io/vcf/VCFLoader.java

diff --git a/src/jalview/ext/ensembl/EnsemblMap.java b/src/jalview/ext/ensembl/EnsemblMap.java
new file mode 100644 (file)
index 0000000..d522ea8
--- /dev/null
@@ -0,0 +1,152 @@
+package jalview.ext.ensembl;
+
+import jalview.datamodel.AlignmentI;
+import jalview.datamodel.DBRefSource;
+
+import java.io.BufferedReader;
+import java.io.IOException;
+import java.net.MalformedURLException;
+import java.net.URL;
+import java.util.Iterator;
+import java.util.List;
+
+import org.json.simple.JSONArray;
+import org.json.simple.JSONObject;
+import org.json.simple.parser.JSONParser;
+import org.json.simple.parser.ParseException;
+
+public class EnsemblMap extends EnsemblRestClient
+{
+
+  /**
+   * Default constructor (to use rest.ensembl.org)
+   */
+  public EnsemblMap()
+  {
+    super();
+  }
+
+  /**
+   * Constructor given the target domain to fetch data from
+   * 
+   * @param
+   */
+  public EnsemblMap(String domain)
+  {
+    super(domain);
+  }
+
+  @Override
+  public String getDbName()
+  {
+    return DBRefSource.ENSEMBL;
+  }
+
+  @Override
+  public AlignmentI getSequenceRecords(String queries) throws Exception
+  {
+    return null; // not used
+  }
+
+  protected URL getUrl(String species, String chromosome, String fromRef,
+          String toRef, int startPos, int endPos)
+          throws MalformedURLException
+  {
+    String url = getDomain() + "/map/" + species + "/" + fromRef + "/"
+            + chromosome + ":" + startPos + ".." + endPos + ":1/" + toRef
+            + "?content-type=application/json";
+    try
+    {
+      return new URL(url);
+    } catch (MalformedURLException e)
+    {
+      return null;
+    }
+  }
+
+  @Override
+  protected boolean useGetRequest()
+  {
+    return true;
+  }
+
+  @Override
+  protected String getRequestMimeType(boolean multipleIds)
+  {
+    return "application/json";
+  }
+
+  @Override
+  protected String getResponseMimeType()
+  {
+    return "application/json";
+  }
+
+  @Override
+  protected URL getUrl(List<String> ids) throws MalformedURLException
+  {
+    return null; // not used
+  }
+
+  public int[] getMapping(String species, String chromosome,
+          String fromRef, String toRef, int[] queryRange)
+  {
+    URL url = null;
+    BufferedReader br = null;
+
+    try
+    {
+      url = getUrl(species, chromosome, fromRef, toRef, queryRange[0],
+              queryRange[1]);
+      br = getHttpResponse(url, null);
+      return (parseResponse(br));
+    } catch (Throwable t)
+    {
+      System.out.println("Error calling " + url + ": " + t.getMessage());
+      return null;
+    }
+  }
+
+  /**
+   * Parses the JSON response from the /map REST service. The format is (with
+   * some fields omitted)
+   * 
+   * <pre>
+   *  {"mappings": 
+   *    [{
+   *       "original": {"end":45109016,"start":45051610},
+   *       "mapped"  : {"end":43186384,"start":43128978} 
+   *  }] }
+   * </pre>
+   * 
+   * @param br
+   * @return
+   */
+  protected int[] parseResponse(BufferedReader br)
+  {
+    int[] result = null;
+    JSONParser jp = new JSONParser();
+
+    try
+    {
+      JSONObject parsed = (JSONObject) jp.parse(br);
+      JSONArray mappings = (JSONArray) parsed.get("mappings");
+
+      Iterator rvals = mappings.iterator();
+      while (rvals.hasNext())
+      {
+        // todo check for "mapped"
+        JSONObject val = (JSONObject) rvals.next();
+        JSONObject mapped = (JSONObject) val.get("mapped");
+        String start = mapped.get("start").toString();
+        String end = mapped.get("end").toString();
+        result = new int[] { Integer.parseInt(start), Integer.parseInt(end) };
+      }
+    } catch (IOException | ParseException | NumberFormatException e)
+    {
+      // ignore
+    }
+    return result;
+  }
+
+}
index 0b13143..48f55d4 100644 (file)
@@ -14,17 +14,37 @@ import jalview.datamodel.Mapping;
 import jalview.datamodel.Sequence;
 import jalview.datamodel.SequenceFeature;
 import jalview.datamodel.SequenceI;
+import jalview.ext.ensembl.EnsemblMap;
 import jalview.ext.htsjdk.VCFReader;
 import jalview.io.gff.SequenceOntologyI;
 import jalview.util.MapList;
 
+import java.util.HashMap;
 import java.util.List;
 import java.util.Map;
 import java.util.Map.Entry;
 
+/**
+ * A class to read VCF data (using the htsjdk) and add variants as sequence
+ * features on dna and any related protein product sequences
+ * 
+ * @author gmcarstairs
+ */
 public class VCFLoader
 {
-  AlignmentI al;
+  private static final String EXCL = "!";
+
+  /*
+   * the alignment we are associated VCF data with
+   */
+  private AlignmentI al;
+
+  /*
+   * mappings between VCF and sequence reference assembly regions, as 
+   * key = "species!chromosome!fromAssembly!toAssembly
+   * value = Map{fromRange, toRange}
+   */
+  private Map<String, Map<int[], int[]>> assemblyMappings;
 
   /**
    * Constructor given an alignment context
@@ -34,11 +54,17 @@ public class VCFLoader
   public VCFLoader(AlignmentI alignment)
   {
     al = alignment;
+
+    // map of species!chromosome!fromAssembly!toAssembly to {fromRange, toRange}
+    assemblyMappings = new HashMap<String, Map<int[], int[]>>();
   }
 
   /**
    * Loads VCF on to an alignment - provided it can be related to one or more
-   * sequence's chromosomal coordinates
+   * sequence's chromosomal coordinates.
+   * <p>
+   * This method is not thread safe - concurrent threads should use separate
+   * instances of this class.
    * 
    * @param filePath
    */
@@ -128,7 +154,8 @@ public class VCFLoader
    * @param isVcfRefGrch37
    * @return
    */
-  protected int loadVCF(SequenceI seq, VCFReader reader, boolean isVcfRefGrch37)
+  protected int loadVCF(SequenceI seq, VCFReader reader,
+          boolean isVcfRefGrch37)
   {
     int count = 0;
     GeneLoci seqCoords = ((Sequence) seq).getGeneLoci();
@@ -169,17 +196,32 @@ public class VCFLoader
     String chromosome = seqCoords.getChromosome();
     String seqRef = seqCoords.getReference();
     String species = seqCoords.getSpecies();
-    
+
+    // TODO handle species properly
+    if ("".equals(species))
+    {
+      species = "human";
+    }
+
     /*
      * map chromosomal coordinates from GRCh38 (sequence) to
      * GRCh37 (VCF) if necessary
      */
+    // TODO generalise for other assemblies and species
     int offset = 0;
-    if ("GRCh38".equalsIgnoreCase(seqRef) && isVcfRefGrch37)
+    String fromRef = "GRCh38";
+    if (fromRef.equalsIgnoreCase(seqRef) && isVcfRefGrch37)
     {
+      String toRef = "GRCh37";
       int[] newRange = mapReferenceRange(range, chromosome, species,
-              "GRCh38",
-              "GRCh37");
+              fromRef, toRef);
+      if (newRange == null)
+      {
+        System.err.println(String.format(
+                "Failed to map %s:%s:%s:%d:%d to %s", species, chromosome,
+                fromRef, range[0], range[1], toRef));
+        return 0;
+      }
       offset = newRange[0] - range[0];
       range = newRange;
     }
@@ -203,12 +245,14 @@ public class VCFLoader
       int end = variant.getEnd() - offset;
 
       /*
-       * get location in sequence coordinates
+       * convert chromosomal location to sequence coordinates
+       * - null if a partially overlapping feature
        */
       int[] seqLocation = mapping.locateInFrom(start, end);
-      int featureStart = seqLocation[0];
-      int featureEnd = seqLocation[1];
-      addVariantFeatures(seq, variant, featureStart, featureEnd);
+      if (seqLocation != null)
+      {
+        addVariantFeatures(seq, variant, seqLocation[0], seqLocation[1]);
+      }
     }
 
     variants.close();
@@ -274,24 +318,119 @@ public class VCFLoader
   }
 
   /**
-   * Call the Ensembl REST service that maps from one assembly reference's
-   * coordinates to another's
+   * Determines the location of the query range (chromosome positions) in a
+   * different reference assembly.
+   * <p>
+   * If the range is just a subregion of one for which we already have a mapping
+   * (for example, an exon sub-region of a gene), then the mapping is just
+   * computed arithmetically.
+   * <p>
+   * Otherwise, calls the Ensembl REST service that maps from one assembly
+   * reference's coordinates to another's
    * 
-   * @param range
+   * @param queryRange
+   *          start-end chromosomal range in 'fromRef' coordinates
    * @param chromosome
    * @param species
    * @param fromRef
+   *          assembly reference for the query coordinates
    * @param toRef
-   * @return
+   *          assembly reference we wish to translate to
+   * @return the start-end range in 'toRef' coordinates
    */
-  protected int[] mapReferenceRange(int[] range, String chromosome,
+  protected int[] mapReferenceRange(int[] queryRange, String chromosome,
           String species, String fromRef, String toRef)
   {
-    // TODO call
-    // http://rest.ensembl.org/map/species/fromRef/chromosome:range[0]..range[1]:1/toRef?content-type=application/json
-    // and parse the JSON response
+    /*
+     * first try shorcut of computing the mapping as a subregion of one
+     * we already have (e.g. for an exon, if we have the gene mapping)
+     */
+    int[] mappedRange = findSubsumedRangeMapping(queryRange, chromosome,
+            species, fromRef, toRef);
+    if (mappedRange != null)
+    {
+      return mappedRange;
+    }
+
+    /*
+     * call (e.g.) http://rest.ensembl.org/map/human/GRCh38/17:45051610..45109016:1/GRCh37
+     */
+    EnsemblMap mapper = new EnsemblMap();
+    int[] mapping = mapper.getMapping(species, chromosome, fromRef, toRef,
+            queryRange);
+
+    if (mapping == null)
+    {
+      // mapping service failure
+      return null;
+    }
 
-    // 1922632 is the difference between 37 and 38 for chromosome 17
-    return new int[] { range[0] - 1922632, range[1] - 1922632 };
+    /*
+     * save mapping for possible future re-use
+     */
+    String key = species + EXCL + chromosome + EXCL + fromRef + EXCL
+            + toRef;
+    if (!assemblyMappings.containsKey(key))
+    {
+      assemblyMappings.put(key, new HashMap<int[], int[]>());
+    }
+
+    assemblyMappings.get(key).put(queryRange, mapping);
+
+    return mapping;
+  }
+
+  /**
+   * If we already have a 1:1 contiguous mapping which subsumes the given query
+   * range, this method just calculates and returns the subset of that mapping,
+   * else it returns null. In practical terms, if a gene has a contiguous
+   * mapping between (for example) GRCh37 and GRCh38, then we assume that its
+   * subsidiary exons occupy unchanged relative positions, and just compute
+   * these as offsets, rather than do another lookup of the mapping.
+   * <p>
+   * If in future these assumptions prove invalid (e.g. for bacterial dna?!),
+   * simply remove this method or let it always return null.
+   * <p>
+   * Warning: many rapid calls to the /map service map result in a 429 overload
+   * error response
+   * 
+   * @param queryRange
+   * @param chromosome
+   * @param species
+   * @param fromRef
+   * @param toRef
+   * @return
+   */
+  protected int[] findSubsumedRangeMapping(int[] queryRange, String chromosome,
+          String species, String fromRef, String toRef)
+  {
+    String key = species + EXCL + chromosome + EXCL + fromRef + EXCL
+            + toRef;
+    if (assemblyMappings.containsKey(key))
+    {
+      Map<int[], int[]> mappedRanges = assemblyMappings.get(key);
+      for (Entry<int[], int[]> mappedRange : mappedRanges.entrySet())
+      {
+        int[] fromRange = mappedRange.getKey();
+        int[] toRange = mappedRange.getValue();
+        if (fromRange[1] - fromRange[0] == toRange[1] - toRange[0])
+        {
+          /*
+           * mapping is 1:1 in length, so we trust it to have no discontinuities
+           */
+          if (fromRange[0] <= queryRange[0] && fromRange[1] >= queryRange[1])
+          {
+            /*
+             * fromRange subsumes our query range
+             */
+            int offset = queryRange[0] - fromRange[0];
+            int mappedRangeFrom = toRange[0] + offset;
+            int mappedRangeTo = mappedRangeFrom + (queryRange[1] - queryRange[0]);
+            return new int[] { mappedRangeFrom, mappedRangeTo };
+          }
+        }
+      }
+    }
+    return null;
   }
 }