inprogress
authorcmzmasek@gmail.com <cmzmasek@gmail.com@ca865154-3058-d1c3-3e42-d8f55a55bdbd>
Fri, 18 Oct 2013 02:56:33 +0000 (02:56 +0000)
committercmzmasek@gmail.com <cmzmasek@gmail.com@ca865154-3058-d1c3-3e42-d8f55a55bdbd>
Fri, 18 Oct 2013 02:56:33 +0000 (02:56 +0000)
forester/java/src/org/forester/test/Test.java
forester/java/src/org/forester/ws/seqdb/EbiDbEntry.java
forester/java/src/org/forester/ws/seqdb/SequenceDatabaseEntry.java
forester/java/src/org/forester/ws/seqdb/SequenceDbWsTools.java
forester/java/src/org/forester/ws/seqdb/UniProtEntry.java

index f374e01..2a9ca57 100644 (file)
@@ -11051,8 +11051,7 @@ public final class Test {
 
     private static boolean testEbiEntryRetrieval() {
         try {
-            final SequenceDatabaseEntry entry = SequenceDbWsTools
-                    .obtainEmblEntry( new Accession( "AAK41263", Accession.Source.NCBI ) );
+            final SequenceDatabaseEntry entry = SequenceDbWsTools.obtainEntry( "AAK41263" );
             if ( !entry.getAccession().equals( "AAK41263" ) ) {
                 System.out.println( entry.getAccession() );
                 return false;
@@ -11078,12 +11077,102 @@ public final class Test {
                 System.out.println( entry.getTaxonomyIdentifier() );
                 return false;
             }
-            if ( !entry.getAnnotations().get( 0 ).getRefValue().equals( "3.2.1.33" ) ) {
-                System.out.println( entry.getAnnotations().get( 0 ).getRefValue() );
+            if ( !entry.getAnnotations().first().getRefValue().equals( "3.2.1.33" ) ) {
+                System.out.println( entry.getAnnotations().first().getRefValue() );
                 return false;
             }
-            if ( !entry.getAnnotations().get( 0 ).getRefSource().equals( "EC" ) ) {
-                System.out.println( entry.getAnnotations().get( 0 ).getRefSource() );
+            if ( !entry.getAnnotations().first().getRefSource().equals( "EC" ) ) {
+                System.out.println( entry.getAnnotations().first().getRefSource() );
+                return false;
+            }
+            if ( entry.getCrossReferences().size() != 5 ) {
+                return false;
+            }
+            //
+            final SequenceDatabaseEntry entry1 = SequenceDbWsTools.obtainEntry( "ABJ16409" );
+            if ( !entry1.getAccession().equals( "ABJ16409" ) ) {
+                return false;
+            }
+            if ( !entry1.getTaxonomyScientificName().equals( "Felis catus" ) ) {
+                System.out.println( entry1.getTaxonomyScientificName() );
+                return false;
+            }
+            if ( !entry1.getSequenceName().equals( "Felis catus (domestic cat) partial BCL2" ) ) {
+                System.out.println( entry1.getSequenceName() );
+                return false;
+            }
+            if ( !entry1.getTaxonomyIdentifier().equals( "9685" ) ) {
+                System.out.println( entry1.getTaxonomyIdentifier() );
+                return false;
+            }
+            if ( !entry1.getGeneName().equals( "BCL2" ) ) {
+                System.out.println( entry1.getGeneName() );
+                return false;
+            }
+            if ( entry1.getCrossReferences().size() != 6 ) {
+                return false;
+            }
+            //
+            final SequenceDatabaseEntry entry2 = SequenceDbWsTools.obtainEntry( "NM_184234" );
+            if ( !entry2.getAccession().equals( "NM_184234" ) ) {
+                return false;
+            }
+            if ( !entry2.getTaxonomyScientificName().equals( "Homo sapiens" ) ) {
+                System.out.println( entry2.getTaxonomyScientificName() );
+                return false;
+            }
+            if ( !entry2.getSequenceName()
+                    .equals( "Homo sapiens RNA binding motif protein 39 (RBM39), transcript variant 1, mRNA" ) ) {
+                System.out.println( entry2.getSequenceName() );
+                return false;
+            }
+            if ( !entry2.getTaxonomyIdentifier().equals( "9606" ) ) {
+                System.out.println( entry2.getTaxonomyIdentifier() );
+                return false;
+            }
+            if ( !entry2.getGeneName().equals( "RBM39" ) ) {
+                System.out.println( entry2.getGeneName() );
+                return false;
+            }
+            if ( entry2.getCrossReferences().size() != 3 ) {
+                return false;
+            }
+            //
+            final SequenceDatabaseEntry entry3 = SequenceDbWsTools.obtainEntry( "HM043801" );
+            if ( !entry3.getAccession().equals( "HM043801" ) ) {
+                return false;
+            }
+            if ( !entry3.getTaxonomyScientificName().equals( "Bursaphelenchus xylophilus" ) ) {
+                System.out.println( entry3.getTaxonomyScientificName() );
+                return false;
+            }
+            if ( !entry3.getSequenceName().equals( "Bursaphelenchus xylophilus RAF gene, complete cds" ) ) {
+                System.out.println( entry3.getSequenceName() );
+                return false;
+            }
+            if ( !entry3.getTaxonomyIdentifier().equals( "6326" ) ) {
+                System.out.println( entry3.getTaxonomyIdentifier() );
+                return false;
+            }
+            if ( !entry3.getSequenceSymbol().equals( "RAF" ) ) {
+                System.out.println( entry3.getSequenceSymbol() );
+                return false;
+            }
+            if ( !ForesterUtil.isEmpty( entry3.getGeneName() ) ) {
+                return false;
+            }
+            if ( entry3.getCrossReferences().size() != 8 ) {
+                return false;
+            }
+            //
+            //
+            final SequenceDatabaseEntry entry4 = SequenceDbWsTools.obtainEntry( "AAA36557.1" );
+            if ( !entry4.getAccession().equals( "AAA36557" ) ) {
+                return false;
+            }
+            //
+            final SequenceDatabaseEntry entry5 = SequenceDbWsTools.obtainEntry( "M30539" );
+            if ( !entry5.getAccession().equals( "HM043801" ) ) {
                 return false;
             }
         }
index ce72e2f..f3ae59c 100644 (file)
@@ -25,8 +25,9 @@
 
 package org.forester.ws.seqdb;
 
-import java.util.ArrayList;
 import java.util.List;
+import java.util.SortedSet;
+import java.util.TreeSet;
 import java.util.regex.Matcher;
 import java.util.regex.Pattern;
 
@@ -67,11 +68,14 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
         final Pattern chromosome_PATTERN = Pattern.compile( "\\s+/chromosome=\"(\\w+)\"" );
         final Pattern map_PATTERN = Pattern.compile( "\\s+/map=\"([\\w+\\.])\"" );
         final Pattern gene_PATTERN = Pattern.compile( "\\s+/gene=\"(.+)\"" );
-        final Pattern mim_xref_PATTERN = Pattern.compile( "\\s+/db_xref=\"MIM:(\\d+)\"" );
-        final Pattern taxon_xref_PATTERN = Pattern.compile( "\\s+/db_xref=\"taxon:(\\d+)\"" );
-        final Pattern interpro_PATTERN = Pattern.compile( "\\s+/db_xref=\"InterPro:(IP\\d+)\"" );
+        final Pattern mim_PATTERN = Pattern.compile( "\\s+/db_xref=\"MIM:(\\d+)\"" );
+        final Pattern taxon_PATTERN = Pattern.compile( "\\s+/db_xref=\"taxon:(\\d+)\"" );
+        final Pattern interpro_PATTERN = Pattern.compile( "\\s+/db_xref=\"InterPro:([A-Z0-9]+)\"" );
         final Pattern uniprot_PATTERN = Pattern.compile( "\\s+/db_xref=\"UniProtKB/TrEMBL:(\\w+)\"" );
+        final Pattern hgnc_PATTERN = Pattern.compile( "\\s+/db_xref=\"HGNC:(\\d+)\"" );
+        final Pattern geneid_PATTERN = Pattern.compile( "\\s+/db_xref=\"GeneID:(\\d+)\"" );
         final Pattern ec_PATTERN = Pattern.compile( "\\s+/EC_number=\"([\\.\\-\\d]+)\"" );
+        final Pattern product_PATTERN = Pattern.compile( "\\s+/product=\"(\\w{1,10})\"" );
         final EbiDbEntry e = new EbiDbEntry();
         final StringBuilder def = new StringBuilder();
         boolean in_definition = false;
@@ -79,6 +83,7 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
         boolean in_source = false;
         boolean in_gene = false;
         boolean in_cds = false;
+        boolean in_mrna = false;
         boolean in_protein = false;
         for( final String line : lines ) {
             if ( line.startsWith( "ACCESSION " ) ) {
@@ -159,6 +164,7 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
                 in_source = false;
                 in_gene = false;
                 in_cds = false;
+                in_mrna = false;
                 in_protein = false;
                 // in_def = false;
             }
@@ -169,42 +175,77 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
                 in_source = true;
                 in_gene = false;
                 in_cds = false;
+                in_mrna = false;
                 in_protein = false;
             }
             if ( in_features && ( line.startsWith( "     gene " ) || line.startsWith( "FT   gene " ) ) ) {
                 in_source = false;
                 in_gene = true;
                 in_cds = false;
+                in_mrna = false;
                 in_protein = false;
             }
             if ( in_features && ( line.startsWith( "     CDS " ) || line.startsWith( "FT   CDS " ) ) ) {
                 in_source = false;
                 in_gene = false;
                 in_cds = true;
+                in_mrna = false;
                 in_protein = false;
             }
             if ( in_features && ( line.startsWith( "     Protein " ) || line.startsWith( "FT   Protein " ) ) ) {
                 in_source = false;
                 in_gene = false;
                 in_cds = false;
+                in_mrna = false;
                 in_protein = true;
             }
+            if ( in_features && ( line.startsWith( "     mRNA " ) || line.startsWith( "FT   mRNA " ) ) ) {
+                in_source = false;
+                in_gene = false;
+                in_cds = false;
+                in_mrna = true;
+                in_protein = false;
+            }
             if ( in_source ) {
-                final Matcher m = taxon_xref_PATTERN.matcher( line );
+                final Matcher m = taxon_PATTERN.matcher( line );
                 if ( m.find() ) {
                     e.setTaxId( m.group( 1 ) );
                 }
             }
-            if ( in_protein || in_cds ) {
-                final Matcher m = ec_PATTERN.matcher( line );
-                if ( m.find() ) {
-                    e.addAnnotation( new Annotation( "EC", m.group( 1 ) ) );
+            if ( in_cds || in_gene ) {
+                final Matcher hgnc = hgnc_PATTERN.matcher( line );
+                if ( hgnc.find() ) {
+                    e.addCrossReference( new Accession( hgnc.group( 1 ), "hgnc" ) );
+                }
+                final Matcher geneid = geneid_PATTERN.matcher( line );
+                if ( geneid.find() ) {
+                    e.addCrossReference( new Accession( geneid.group( 1 ), "geneid" ) );
                 }
             }
-            if ( in_protein || in_cds || in_gene ) {
-                final Matcher m = gene_PATTERN.matcher( line );
-                if ( m.find() ) {
-                    e.setGeneName( m.group( 1 ) );
+            if ( in_protein || in_cds || in_gene || in_mrna ) {
+                final Matcher ec = ec_PATTERN.matcher( line );
+                if ( ec.find() ) {
+                    e.addAnnotation( new Annotation( "EC", ec.group( 1 ) ) );
+                }
+                final Matcher gene = gene_PATTERN.matcher( line );
+                if ( gene.find() ) {
+                    e.setGeneName( gene.group( 1 ) );
+                }
+                final Matcher uniprot = uniprot_PATTERN.matcher( line );
+                if ( uniprot.find() ) {
+                    e.addCrossReference( new Accession( uniprot.group( 1 ), "uniprot" ) );
+                }
+                final Matcher interpro = interpro_PATTERN.matcher( line );
+                if ( interpro.find() ) {
+                    e.addCrossReference( new Accession( interpro.group( 1 ), "interpro" ) );
+                }
+                final Matcher mim = mim_PATTERN.matcher( line );
+                if ( mim.find() ) {
+                    e.addCrossReference( new Accession( mim.group( 1 ), "mim" ) );
+                }
+                final Matcher product = product_PATTERN.matcher( line );
+                if ( product.find() ) {
+                    e.setSequenceSymbol( product.group( 1 ) );
                 }
             }
         }
@@ -222,15 +263,15 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
     }
     // FIXME actually this is NCBI entry
     //http://www.ebi.ac.uk/Tools/dbfetch/dbfetch/emb/AAR37336/
-    private String           _pa;
-    private String           _de;
-    private String           _os;
-    private String           _tax_id;
-    private String           _symbol;
-    private String           _provider;
-    private List<Accession>  _cross_references;
-    private List<Annotation> _annotations;
-    private String           _gene_name;
+    private String                _pa;
+    private String                _de;
+    private String                _os;
+    private String                _tax_id;
+    private String                _symbol;
+    private String                _provider;
+    private SortedSet<Accession>  _cross_references;
+    private SortedSet<Annotation> _annotations;
+    private String                _gene_name;
 
     // TODO  PUBMED   15798186
     //TODO  (FEATURES) 
@@ -488,7 +529,7 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
 
     private void addCrossReference( final Accession accession ) {
         if ( _cross_references == null ) {
-            _cross_references = new ArrayList<Accession>();
+            _cross_references = new TreeSet<Accession>();
         }
         System.out.println( "XREF ADDED: " + accession );
         _cross_references.add( accession );
@@ -505,7 +546,7 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
     }
 
     @Override
-    public List<Accession> getCrossReferences() {
+    public SortedSet<Accession> getCrossReferences() {
         return _cross_references;
     }
 
@@ -515,7 +556,7 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
     }
 
     @Override
-    public List<GoTerm> getGoTerms() {
+    public SortedSet<GoTerm> getGoTerms() {
         return null;
     }
 
@@ -534,6 +575,10 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
         return _symbol;
     }
 
+    private void setSequenceSymbol( String symbol ) {
+        _symbol = symbol;
+    }
+
     @Override
     public String getTaxonomyIdentifier() {
         return _tax_id;
@@ -586,13 +631,13 @@ public final class EbiDbEntry implements SequenceDatabaseEntry {
     }
 
     @Override
-    public List<Annotation> getAnnotations() {
+    public SortedSet<Annotation> getAnnotations() {
         return _annotations;
     }
 
     private void addAnnotation( final Annotation annotation ) {
         if ( _annotations == null ) {
-            _annotations = new ArrayList<Annotation>();
+            _annotations = new TreeSet<Annotation>();
         }
         _annotations.add( annotation );
     }
index b060d0d..38c3437 100644 (file)
@@ -25,7 +25,7 @@
 
 package org.forester.ws.seqdb;
 
-import java.util.List;
+import java.util.SortedSet;
 
 import org.forester.go.GoTerm;
 import org.forester.phylogeny.data.Accession;
@@ -37,9 +37,9 @@ public interface SequenceDatabaseEntry {
 
     public String getGeneName();
 
-    public List<GoTerm> getGoTerms();
+    public SortedSet<GoTerm> getGoTerms();
 
-    public List<Annotation> getAnnotations();
+    public SortedSet<Annotation> getAnnotations();
 
     public String getProvider();
 
@@ -53,5 +53,5 @@ public interface SequenceDatabaseEntry {
 
     public boolean isEmpty();
 
-    public List<Accession> getCrossReferences();
+    public SortedSet<Accession> getCrossReferences();
 }
\ No newline at end of file
index 209d284..c65fb2a 100644 (file)
@@ -54,35 +54,15 @@ import org.forester.util.SequenceAccessionTools;
 
 public final class SequenceDbWsTools {
 
-    public final static String   EMBL_REFSEQ             = "http://www.ebi.ac.uk/Tools/dbfetch/dbfetch?db=REFSEQ&style=raw&id=";
-    public final static String   EMBL_GENBANK            = "http://www.ebi.ac.uk/Tools/dbfetch/dbfetch?db=GENBANK&style=raw&id=";
     public final static String   BASE_UNIPROT_URL        = "http://www.uniprot.org/";
+    public final static int      DEFAULT_LINES_TO_RETURN = 4000;
     //public final static String   EMBL_DBS_EMBL           = "embl";
     public final static String   EMBL_DBS_REFSEQ_N       = "refseqn";
     public final static String   EMBL_DBS_REFSEQ_P       = "refseqp";
+    public final static String   EMBL_GENBANK            = "http://www.ebi.ac.uk/Tools/dbfetch/dbfetch?db=GENBANK&style=raw&id=";
+    public final static String   EMBL_REFSEQ             = "http://www.ebi.ac.uk/Tools/dbfetch/dbfetch?db=REFSEQ&style=raw&id=";
     private final static boolean DEBUG                   = true;
     private final static String  URL_ENC                 = "UTF-8";
-    public final static int      DEFAULT_LINES_TO_RETURN = 4000;
-
-    final static String extractFrom( final String target, final String a ) {
-        final int i_a = target.indexOf( a );
-        return target.substring( i_a + a.length() ).trim();
-    }
-
-    final static String extractFromTo( final String target, final String a, final String b ) {
-        final int i_a = target.indexOf( a );
-        final int i_b = target.indexOf( b );
-        if ( ( i_a < 0 ) || ( i_b < i_a ) ) {
-            throw new IllegalArgumentException( "attempt to extract from \"" + target + "\" between \"" + a
-                    + "\" and \"" + b + "\"" );
-        }
-        return target.substring( i_a + a.length(), i_b ).trim();
-    }
-
-    final static String extractTo( final String target, final String b ) {
-        final int i_b = target.indexOf( b );
-        return target.substring( 0, i_b ).trim();
-    }
 
     public static List<UniProtTaxonomy> getTaxonomiesFromCommonNameStrict( final String cn,
                                                                            final int max_taxonomies_return )
@@ -142,22 +122,40 @@ public final class SequenceDbWsTools {
         return null;
     }
 
+    public static SequenceDatabaseEntry obtainEmblEntry( final Accession acc ) throws IOException {
+        return obtainEmblEntry( acc, DEFAULT_LINES_TO_RETURN );
+    }
+
     public static SequenceDatabaseEntry obtainEmblEntry( final Accession acc, final int max_lines_to_return )
             throws IOException {
         final List<String> lines = queryEmblDb( acc, max_lines_to_return );
         return EbiDbEntry.createInstanceFromPlainTextForRefSeq( lines );
     }
 
-    public static SequenceDatabaseEntry obtainEmblEntry( final Accession acc ) throws IOException {
-        return obtainEmblEntry( acc, DEFAULT_LINES_TO_RETURN );
+    public static SequenceDatabaseEntry obtainEntry( final String acc_str ) throws IOException {
+        if ( ForesterUtil.isEmpty( acc_str ) ) {
+            throw new IllegalArgumentException( "cannot not extract sequence db accessor from null or empty string" );
+        }
+        final Accession acc = SequenceAccessionTools.parseAccessorFromString( acc_str );
+        if ( acc == null ) {
+            throw new IllegalArgumentException( "could not extract acceptable sequence db accessor from \"" + acc_str
+                    + "\"" );
+        }
+        if ( acc.getSource().equals( Source.REFSEQ.toString() ) || acc.getSource().equals( Source.EMBL.toString() )
+                || acc.getSource().equals( Source.NCBI.toString() ) ) {
+            return obtainEmblEntry( acc, DEFAULT_LINES_TO_RETURN );
+        }
+        else if ( acc.getSource().equals( Source.UNIPROT.toString() ) ) {
+            return obtainUniProtEntry( acc.getValue(), DEFAULT_LINES_TO_RETURN );
+        }
+        else {
+            throw new IllegalArgumentException( "don't know how to handle request for source \"" + acc.getSource()
+                    + "\"" );
+        }
     }
 
-    public final static Accession obtainSeqAccession( final PhylogenyNode node ) {
-        Accession acc = SequenceAccessionTools.obtainFromSeqAccession( node );
-        if ( !isAccessionAcceptable( acc ) ) {
-            acc = SequenceAccessionTools.obtainAccessorFromDataFields( node );
-        }
-        return acc;
+    public static SequenceDatabaseEntry obtainRefSeqEntryFromEmbl( final Accession acc ) throws IOException {
+        return obtainRefSeqEntryFromEmbl( acc, DEFAULT_LINES_TO_RETURN );
     }
 
     public static SequenceDatabaseEntry obtainRefSeqEntryFromEmbl( final Accession acc, final int max_lines_to_return )
@@ -166,8 +164,12 @@ public final class SequenceDbWsTools {
         return EbiDbEntry.createInstanceFromPlainTextForRefSeq( lines );
     }
 
-    public static SequenceDatabaseEntry obtainRefSeqEntryFromEmbl( final Accession acc ) throws IOException {
-        return obtainRefSeqEntryFromEmbl( acc, DEFAULT_LINES_TO_RETURN );
+    public final static Accession obtainSeqAccession( final PhylogenyNode node ) {
+        Accession acc = SequenceAccessionTools.obtainFromSeqAccession( node );
+        if ( !isAccessionAcceptable( acc ) ) {
+            acc = SequenceAccessionTools.obtainAccessorFromDataFields( node );
+        }
+        return acc;
     }
 
     public final static void obtainSeqInformation( final boolean allow_to_set_taxonomic_data,
@@ -191,10 +193,6 @@ public final class SequenceDbWsTools {
         obtainSeqInformation( allow_to_set_taxonomic_data, DEFAULT_LINES_TO_RETURN, not_found, node );
     }
 
-    public final static void obtainSeqInformation( final PhylogenyNode node ) throws IOException {
-        obtainSeqInformation( true, DEFAULT_LINES_TO_RETURN, new TreeSet<String>(), node );
-    }
-
     public final static SortedSet<String> obtainSeqInformation( final Phylogeny phy,
                                                                 final boolean ext_nodes_only,
                                                                 final boolean allow_to_set_taxonomic_data,
@@ -209,16 +207,20 @@ public final class SequenceDbWsTools {
         return not_found;
     }
 
-    public static SequenceDatabaseEntry obtainUniProtEntry( final String query, final int max_lines_to_return )
-            throws IOException {
-        final List<String> lines = queryUniprot( "uniprot/" + query + ".txt", max_lines_to_return );
-        return UniProtEntry.createInstanceFromPlainText( lines );
+    public final static void obtainSeqInformation( final PhylogenyNode node ) throws IOException {
+        obtainSeqInformation( true, DEFAULT_LINES_TO_RETURN, new TreeSet<String>(), node );
     }
 
     public static SequenceDatabaseEntry obtainUniProtEntry( final String query ) throws IOException {
         return obtainUniProtEntry( query, DEFAULT_LINES_TO_RETURN );
     }
 
+    public static SequenceDatabaseEntry obtainUniProtEntry( final String query, final int max_lines_to_return )
+            throws IOException {
+        final List<String> lines = queryUniprot( "uniprot/" + query + ".txt", max_lines_to_return );
+        return UniProtEntry.createInstanceFromPlainText( lines );
+    }
+
     public static List<String> queryDb( final String query, int max_lines_to_return, final String base_url )
             throws IOException {
         if ( ForesterUtil.isEmpty( query ) ) {
@@ -255,13 +257,6 @@ public final class SequenceDbWsTools {
         return result;
     }
 
-    public static List<String> queryEmblDbForRefSeqEntry( final Accession id, final int max_lines_to_return )
-            throws IOException {
-        final StringBuilder url_sb = new StringBuilder();
-        url_sb.append( EMBL_REFSEQ );
-        return queryDb( id.getValue(), max_lines_to_return, url_sb.toString() );
-    }
-
     public static List<String> queryEmblDb( final Accession id, final int max_lines_to_return ) throws IOException {
         final StringBuilder url_sb = new StringBuilder();
         //  url_sb.append( BASE_EMBL_DB_URL );
@@ -286,10 +281,37 @@ public final class SequenceDbWsTools {
         return queryDb( id.getValue(), max_lines_to_return, url_sb.toString() );
     }
 
+    public static List<String> queryEmblDbForRefSeqEntry( final Accession id, final int max_lines_to_return )
+            throws IOException {
+        final StringBuilder url_sb = new StringBuilder();
+        url_sb.append( EMBL_REFSEQ );
+        return queryDb( id.getValue(), max_lines_to_return, url_sb.toString() );
+    }
+
     public static List<String> queryUniprot( final String query, final int max_lines_to_return ) throws IOException {
         return queryDb( query, max_lines_to_return, BASE_UNIPROT_URL );
     }
 
+    final static String extractFrom( final String target, final String a ) {
+        final int i_a = target.indexOf( a );
+        return target.substring( i_a + a.length() ).trim();
+    }
+
+    final static String extractFromTo( final String target, final String a, final String b ) {
+        final int i_a = target.indexOf( a );
+        final int i_b = target.indexOf( b );
+        if ( ( i_a < 0 ) || ( i_b < i_a ) ) {
+            throw new IllegalArgumentException( "attempt to extract from \"" + target + "\" between \"" + a
+                    + "\" and \"" + b + "\"" );
+        }
+        return target.substring( i_a + a.length(), i_b ).trim();
+    }
+
+    final static String extractTo( final String target, final String b ) {
+        final int i_b = target.indexOf( b );
+        return target.substring( 0, i_b ).trim();
+    }
+
     private static void addDataFromDbToNode( final boolean allow_to_set_taxonomic_data,
                                              final int lines_to_return,
                                              final SortedSet<String> not_found,
index 1345523..029c4b1 100644 (file)
@@ -25,8 +25,9 @@
 
 package org.forester.ws.seqdb;
 
-import java.util.ArrayList;
 import java.util.List;
+import java.util.SortedSet;
+import java.util.TreeSet;
 import java.util.regex.Matcher;
 import java.util.regex.Pattern;
 
@@ -51,9 +52,9 @@ public final class UniProtEntry implements SequenceDatabaseEntry {
     public final static Pattern  PharmGKB_PATTERN  = Pattern.compile( "PharmGKB;\\s+([0-9A-Z]+);" );
     public final static Pattern  Reactome_PATTERN  = Pattern.compile( "Reactome;\\s+([0-9A-Z]+);\\s+([^\\.]+)" );
     private String               _ac;
-    private ArrayList<Accession> _cross_references;
+    private SortedSet<Accession> _cross_references;
     private String               _gene_name;
-    private List<GoTerm>         _go_terms;
+    private SortedSet<GoTerm>    _go_terms;
     private String               _name;
     private String               _os_scientific_name;
     private String               _symbol;
@@ -73,7 +74,7 @@ public final class UniProtEntry implements SequenceDatabaseEntry {
     }
 
     @Override
-    public List<Accession> getCrossReferences() {
+    public SortedSet<Accession> getCrossReferences() {
         return _cross_references;
     }
 
@@ -83,7 +84,7 @@ public final class UniProtEntry implements SequenceDatabaseEntry {
     }
 
     @Override
-    public List<GoTerm> getGoTerms() {
+    public SortedSet<GoTerm> getGoTerms() {
         return _go_terms;
     }
 
@@ -123,14 +124,14 @@ public final class UniProtEntry implements SequenceDatabaseEntry {
 
     private void addCrossReference( final Accession accession ) {
         if ( _cross_references == null ) {
-            _cross_references = new ArrayList<Accession>();
+            _cross_references = new TreeSet<Accession>();
         }
         _cross_references.add( accession );
     }
 
     private void addGoTerm( final BasicGoTerm g ) {
         if ( _go_terms == null ) {
-            _go_terms = new ArrayList<GoTerm>();
+            _go_terms = new TreeSet<GoTerm>();
         }
         _go_terms.add( g );
     }
@@ -290,7 +291,7 @@ public final class UniProtEntry implements SequenceDatabaseEntry {
     }
 
     @Override
-    public List<Annotation> getAnnotations() {
+    public SortedSet<Annotation> getAnnotations() {
         return null;
     }
 }