src/jalview/analysis/AAFrequency.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.analysis;
  22
  23 import jalview.datamodel.AlignedCodonFrame;
  24 import jalview.datamodel.AlignmentAnnotation;
  25 import jalview.datamodel.AlignmentI;
  26 import jalview.datamodel.Annotation;
  27 import jalview.datamodel.Profile;
  28 import jalview.datamodel.ProfileI;
  29 import jalview.datamodel.Profiles;
  30 import jalview.datamodel.ProfilesI;
  31 import jalview.datamodel.ResidueCount;
  32 import jalview.datamodel.ResidueCount.SymbolCounts;
  33 import jalview.datamodel.SequenceI;
  34 import jalview.ext.android.SparseIntArray;
  35 import jalview.util.Comparison;
  36 import jalview.util.Format;
  37 import jalview.util.MappingUtils;
  38 import jalview.util.QuickSort;
  39
  40 import java.awt.Color;
  41 import java.util.Arrays;
  42 import java.util.Hashtable;
  43 import java.util.List;
  44
  45 /**
  46  * Takes in a vector or array of sequences and column start and column end and
  47  * returns a new Hashtable[] of size maxSeqLength, if Hashtable not supplied.
  48  * This class is used extensively in calculating alignment colourschemes that
  49  * depend on the amount of conservation in each alignment column.
  50  *
  51  * @author $author$
  52  * @version $Revision$
  53  */
  54 public class AAFrequency
  55 {
  56   public static final String PROFILE = "P";
  57
  58   /*
  59    * Quick look-up of String value of char 'A' to 'Z'
  60    */
  61   private static final String[] CHARS = new String['Z' - 'A' + 1];
  62
  63   static
  64   {
  65     for (char c = 'A'; c <= 'Z'; c++)
  66     {
  67       CHARS[c - 'A'] = String.valueOf(c);
  68     }
  69   }
  70
  71   public static final ProfilesI calculate(List<SequenceI> list, int start,
  72           int end)
  73   {
  74     return calculate(list, start, end, false);
  75   }
  76
  77   public static final ProfilesI calculate(List<SequenceI> sequences,
  78           int start, int end, boolean profile)
  79   {
  80     SequenceI[] seqs = new SequenceI[sequences.size()];
  81     int width = 0;
  82     synchronized (sequences)
  83     {
  84       for (int i = 0; i < sequences.size(); i++)
  85       {
  86         seqs[i] = sequences.get(i);
  87         int length = seqs[i].getLength();
  88         if (length > width)
  89         {
  90           width = length;
  91         }
  92       }
  93
  94       if (end >= width)
  95       {
  96         end = width;
  97       }
  98
  99       ProfilesI reply = calculate(seqs, width, start, end, profile);
 100       return reply;
 101     }
 102   }
 103
 104   /**
 105    * Calculate the consensus symbol(s) for each column in the given range.
 106    *
 107    * @param sequences
 108    * @param width
 109    *          the full width of the alignment
 110    * @param start
 111    *          start column (inclusive, base zero)
 112    * @param end
 113    *          end column (exclusive)
 114    * @param saveFullProfile
 115    *          if true, store all symbol counts
 116    */
 117   public static final ProfilesI calculate(final SequenceI[] sequences,
 118           int width, int start, int end, boolean saveFullProfile)
 119   {
 120     // long now = System.currentTimeMillis();
 121     int seqCount = sequences.length;
 122     boolean nucleotide = false;
 123     int nucleotideCount = 0;
 124     int peptideCount = 0;
 125
 126     ProfileI[] result = new ProfileI[width];
 127
 128     for (int column = start; column < end; column++)
 129     {
 130       /*
 131        * Apply a heuristic to detect nucleotide data (which can
 132        * be counted in more compact arrays); here we test for
 133        * more than 90% nucleotide; recheck every 10 columns in case
 134        * of misleading data e.g. highly conserved Alanine in peptide!
 135        * Mistakenly guessing nucleotide has a small performance cost,
 136        * as it will result in counting in sparse arrays.
 137        * Mistakenly guessing peptide has a small space cost,
 138        * as it will use a larger than necessary array to hold counts.
 139        */
 140       if (nucleotideCount > 100 && column % 10 == 0)
 141       {
 142         nucleotide = (9 * peptideCount < nucleotideCount);
 143       }
 144       ResidueCount residueCounts = new ResidueCount(nucleotide);
 145
 146       for (int row = 0; row < seqCount; row++)
 147       {
 148         if (sequences[row] == null)
 149         {
 150           System.err
 151                   .println("WARNING: Consensus skipping null sequence - possible race condition.");
 152           continue;
 153         }
 154         if (sequences[row].getLength() > column)
 155         {
 156           char c = sequences[row].getCharAt(column);
 157           residueCounts.add(c);
 158           if (Comparison.isNucleotide(c))
 159           {
 160             nucleotideCount++;
 161           }
 162           else if (!Comparison.isGap(c))
 163           {
 164             peptideCount++;
 165           }
 166         }
 167         else
 168         {
 169           /*
 170            * count a gap if the sequence doesn't reach this column
 171            */
 172           residueCounts.addGap();
 173         }
 174       }
 175
 176       int maxCount = residueCounts.getModalCount();
 177       String maxResidue = residueCounts.getResiduesForCount(maxCount);
 178       int gapCount = residueCounts.getGapCount();
 179       ProfileI profile = new Profile(seqCount, gapCount, maxCount,
 180               maxResidue);
 181
 182       if (saveFullProfile)
 183       {
 184         profile.setCounts(residueCounts);
 185       }
 186
 187       result[column] = profile;
 188     }
 189     return new Profiles(result);
 190     // long elapsed = System.currentTimeMillis() - now;
 191     // System.out.println(elapsed);
 192   }
 193
 194   /**
 195    * Make an estimate of the profile size we are going to compute i.e. how many
 196    * different characters may be present in it. Overestimating has a cost of
 197    * using more memory than necessary. Underestimating has a cost of needing to
 198    * extend the SparseIntArray holding the profile counts.
 199    *
 200    * @param profileSizes
 201    *          counts of sizes of profiles so far encountered
 202    * @return
 203    */
 204   static int estimateProfileSize(SparseIntArray profileSizes)
 205   {
 206     if (profileSizes.size() == 0)
 207     {
 208       return 4;
 209     }
 210
 211     /*
 212      * could do a statistical heuristic here e.g. 75%ile
 213      * for now just return the largest value
 214      */
 215     return profileSizes.keyAt(profileSizes.size() - 1);
 216   }
 217
 218   /**
 219    * Derive the consensus annotations to be added to the alignment for display.
 220    * This does not recompute the raw data, but may be called on a change in
 221    * display options, such as 'ignore gaps', which may in turn result in a
 222    * change in the derived values.
 223    *
 224    * @param consensus
 225    *          the annotation row to add annotations to
 226    * @param profiles
 227    *          the source consensus data
 228    * @param startCol
 229    *          start column (inclusive)
 230    * @param endCol
 231    *          end column (exclusive)
 232    * @param ignoreGaps
 233    *          if true, normalise residue percentages ignoring gaps
 234    * @param showSequenceLogo
 235    *          if true include all consensus symbols, else just show modal
 236    *          residue
 237    * @param nseq
 238    *          number of sequences
 239    */
 240   public static void completeConsensus(AlignmentAnnotation consensus,
 241           ProfilesI profiles, int startCol, int endCol, boolean ignoreGaps,
 242           boolean showSequenceLogo, long nseq)
 243   {
 244     // long now = System.currentTimeMillis();
 245     if (consensus == null || consensus.annotations == null
 246             || consensus.annotations.length < endCol)
 247     {
 248       /*
 249        * called with a bad alignment annotation row
 250        * wait for it to be initialised properly
 251        */
 252       return;
 253     }
 254
 255     for (int i = startCol; i < endCol; i++)
 256     {
 257       ProfileI profile = profiles.get(i);
 258       if (profile == null)
 259       {
 260         /*
 261          * happens if sequences calculated over were
 262          * shorter than alignment width
 263          */
 264         consensus.annotations[i] = null;
 265         return;
 266       }
 267
 268       final int dp = getPercentageDp(nseq);
 269
 270       float value = profile.getPercentageIdentity(ignoreGaps);
 271
 272       String description = getTooltip(profile, value, showSequenceLogo,
 273               ignoreGaps, dp);
 274
 275       String modalResidue = profile.getModalResidue();
 276       if ("".equals(modalResidue))
 277       {
 278         modalResidue = "-";
 279       }
 280       else if (modalResidue.length() > 1)
 281       {
 282         modalResidue = "+";
 283       }
 284       consensus.annotations[i] = new Annotation(modalResidue, description,
 285               ' ', value);
 286     }
 287     // long elapsed = System.currentTimeMillis() - now;
 288     // System.out.println(-elapsed);
 289   }
 290
 291   /**
 292    * Derive the gap count annotation row.
 293    *
 294    * @param gaprow
 295    *          the annotation row to add annotations to
 296    * @param profiles
 297    *          the source consensus data
 298    * @param startCol
 299    *          start column (inclusive)
 300    * @param endCol
 301    *          end column (exclusive)
 302    */
 303   public static void completeGapAnnot(AlignmentAnnotation gaprow,
 304           ProfilesI profiles, int startCol, int endCol, long nseq)
 305   {
 306     if (gaprow == null || gaprow.annotations == null
 307             || gaprow.annotations.length < endCol)
 308     {
 309       /*
 310        * called with a bad alignment annotation row
 311        * wait for it to be initialised properly
 312        */
 313       return;
 314     }
 315     // always set ranges again
 316     gaprow.graphMax = nseq;
 317     gaprow.graphMin = 0;
 318     double scale = 0.8/nseq;
 319     for (int i = startCol; i < endCol; i++)
 320     {
 321       ProfileI profile = profiles.get(i);
 322       if (profile == null)
 323       {
 324         /*
 325          * happens if sequences calculated over were
 326          * shorter than alignment width
 327          */
 328         gaprow.annotations[i] = null;
 329         return;
 330       }
 331
 332       final int gapped = profile.getNonGapped();
 333
 334       String description = "" + gapped;
 335
 336       gaprow.annotations[i] = new Annotation("", description,
 337               '\0', gapped, jalview.util.ColorUtils.bleachColour(
 338                       Color.DARK_GRAY, (float) scale * gapped));
 339     }
 340   }
 341
 342   /**
 343    * Returns a tooltip showing either
 344    * <ul>
 345    * <li>the full profile (percentages of all residues present), if
 346    * showSequenceLogo is true, or</li>
 347    * <li>just the modal (most common) residue(s), if showSequenceLogo is false</li>
 348    * </ul>
 349    * Percentages are as a fraction of all sequence, or only ungapped sequences
 350    * if ignoreGaps is true.
 351    *
 352    * @param profile
 353    * @param pid
 354    * @param showSequenceLogo
 355    * @param ignoreGaps
 356    * @param dp
 357    *          the number of decimal places to format percentages to
 358    * @return
 359    */
 360   static String getTooltip(ProfileI profile, float pid,
 361           boolean showSequenceLogo, boolean ignoreGaps, int dp)
 362   {
 363     ResidueCount counts = profile.getCounts();
 364
 365     String description = null;
 366     if (counts != null && showSequenceLogo)
 367     {
 368       int normaliseBy = ignoreGaps ? profile.getNonGapped() : profile
 369               .getHeight();
 370       description = counts.getTooltip(normaliseBy, dp);
 371     }
 372     else
 373     {
 374       StringBuilder sb = new StringBuilder(64);
 375       String maxRes = profile.getModalResidue();
 376       if (maxRes.length() > 1)
 377       {
 378         sb.append("[").append(maxRes).append("]");
 379       }
 380       else
 381       {
 382         sb.append(maxRes);
 383       }
 384       if (maxRes.length() > 0)
 385       {
 386         sb.append(" ");
 387         Format.appendPercentage(sb, pid, dp);
 388         sb.append("%");
 389       }
 390       description = sb.toString();
 391     }
 392     return description;
 393   }
 394
 395   /**
 396    * Returns the sorted profile for the given consensus data. The returned array
 397    * contains
 398    *
 399    * <pre>
 400    *    [profileType, numberOfValues, nonGapCount, charValue1, percentage1, charValue2, percentage2, ...]
 401    * in descending order of percentage value
 402    * </pre>
 403    *
 404    * @param profile
 405    *          the data object from which to extract and sort values
 406    * @param ignoreGaps
 407    *          if true, only non-gapped values are included in percentage
 408    *          calculations
 409    * @return
 410    */
 411   public static int[] extractProfile(ProfileI profile, boolean ignoreGaps)
 412   {
 413     int[] rtnval = new int[64];
 414     ResidueCount counts = profile.getCounts();
 415     if (counts == null)
 416     {
 417       return null;
 418     }
 419
 420     SymbolCounts symbolCounts = counts.getSymbolCounts();
 421     char[] symbols = symbolCounts.symbols;
 422     int[] values = symbolCounts.values;
 423     QuickSort.sort(values, symbols);
 424     int nextArrayPos = 2;
 425     int totalPercentage = 0;
 426     final int divisor = ignoreGaps ? profile.getNonGapped() : profile
 427             .getHeight();
 428
 429     /*
 430      * traverse the arrays in reverse order (highest counts first)
 431      */
 432     for (int i = symbols.length - 1; i >= 0; i--)
 433     {
 434       int theChar = symbols[i];
 435       int charCount = values[i];
 436
 437       rtnval[nextArrayPos++] = theChar;
 438       final int percentage = (charCount * 100) / divisor;
 439       rtnval[nextArrayPos++] = percentage;
 440       totalPercentage += percentage;
 441     }
 442     rtnval[0] = symbols.length;
 443     rtnval[1] = totalPercentage;
 444     int[] result = new int[rtnval.length + 1];
 445     result[0] = AlignmentAnnotation.SEQUENCE_PROFILE;
 446     System.arraycopy(rtnval, 0, result, 1, rtnval.length);
 447
 448     return result;
 449   }
 450
 451   /**
 452    * Extract a sorted extract of cDNA codon profile data. The returned array
 453    * contains
 454    *
 455    * <pre>
 456    *    [profileType, numberOfValues, totalCount, charValue1, percentage1, charValue2, percentage2, ...]
 457    * in descending order of percentage value, where the character values encode codon triplets
 458    * </pre>
 459    *
 460    * @param hashtable
 461    * @return
 462    */
 463   public static int[] extractCdnaProfile(Hashtable hashtable,
 464           boolean ignoreGaps)
 465   {
 466     // this holds #seqs, #ungapped, and then codon count, indexed by encoded
 467     // codon triplet
 468     int[] codonCounts = (int[]) hashtable.get(PROFILE);
 469     int[] sortedCounts = new int[codonCounts.length - 2];
 470     System.arraycopy(codonCounts, 2, sortedCounts, 0,
 471             codonCounts.length - 2);
 472
 473     int[] result = new int[3 + 2 * sortedCounts.length];
 474     // first value is just the type of profile data
 475     result[0] = AlignmentAnnotation.CDNA_PROFILE;
 476
 477     char[] codons = new char[sortedCounts.length];
 478     for (int i = 0; i < codons.length; i++)
 479     {
 480       codons[i] = (char) i;
 481     }
 482     QuickSort.sort(sortedCounts, codons);
 483     int totalPercentage = 0;
 484     int distinctValuesCount = 0;
 485     int j = 3;
 486     int divisor = ignoreGaps ? codonCounts[1] : codonCounts[0];
 487     for (int i = codons.length - 1; i >= 0; i--)
 488     {
 489       final int codonCount = sortedCounts[i];
 490       if (codonCount == 0)
 491       {
 492         break; // nothing else of interest here
 493       }
 494       distinctValuesCount++;
 495       result[j++] = codons[i];
 496       final int percentage = codonCount * 100 / divisor;
 497       result[j++] = percentage;
 498       totalPercentage += percentage;
 499     }
 500     result[2] = totalPercentage;
 501
 502     /*
 503      * Just return the non-zero values
 504      */
 505     // todo next value is redundant if we limit the array to non-zero counts
 506     result[1] = distinctValuesCount;
 507     return Arrays.copyOfRange(result, 0, j);
 508   }
 509
 510   /**
 511    * Compute a consensus for the cDNA coding for a protein alignment.
 512    *
 513    * @param alignment
 514    *          the protein alignment (which should hold mappings to cDNA
 515    *          sequences)
 516    * @param hconsensus
 517    *          the consensus data stores to be populated (one per column)
 518    */
 519   public static void calculateCdna(AlignmentI alignment,
 520           Hashtable[] hconsensus)
 521   {
 522     final char gapCharacter = alignment.getGapCharacter();
 523     List<AlignedCodonFrame> mappings = alignment.getCodonFrames();
 524     if (mappings == null || mappings.isEmpty())
 525     {
 526       return;
 527     }
 528
 529     int cols = alignment.getWidth();
 530     for (int col = 0; col < cols; col++)
 531     {
 532       // todo would prefer a Java bean for consensus data
 533       Hashtable<String, int[]> columnHash = new Hashtable<String, int[]>();
 534       // #seqs, #ungapped seqs, counts indexed by (codon encoded + 1)
 535       int[] codonCounts = new int[66];
 536       codonCounts[0] = alignment.getSequences().size();
 537       int ungappedCount = 0;
 538       for (SequenceI seq : alignment.getSequences())
 539       {
 540         if (seq.getCharAt(col) == gapCharacter)
 541         {
 542           continue;
 543         }
 544         List<char[]> codons = MappingUtils
 545                 .findCodonsFor(seq, col, mappings);
 546         for (char[] codon : codons)
 547         {
 548           int codonEncoded = CodingUtils.encodeCodon(codon);
 549           if (codonEncoded >= 0)
 550           {
 551             codonCounts[codonEncoded + 2]++;
 552             ungappedCount++;
 553           }
 554         }
 555       }
 556       codonCounts[1] = ungappedCount;
 557       // todo: sort values here, save counts and codons?
 558       columnHash.put(PROFILE, codonCounts);
 559       hconsensus[col] = columnHash;
 560     }
 561   }
 562
 563   /**
 564    * Derive displayable cDNA consensus annotation from computed consensus data.
 565    *
 566    * @param consensusAnnotation
 567    *          the annotation row to be populated for display
 568    * @param consensusData
 569    *          the computed consensus data
 570    * @param showProfileLogo
 571    *          if true show all symbols present at each position, else only the
 572    *          modal value
 573    * @param nseqs
 574    *          the number of sequences in the alignment
 575    */
 576   public static void completeCdnaConsensus(
 577           AlignmentAnnotation consensusAnnotation,
 578           Hashtable[] consensusData, boolean showProfileLogo, int nseqs)
 579   {
 580     if (consensusAnnotation == null
 581             || consensusAnnotation.annotations == null
 582             || consensusAnnotation.annotations.length < consensusData.length)
 583     {
 584       // called with a bad alignment annotation row - wait for it to be
 585       // initialised properly
 586       return;
 587     }
 588
 589     // ensure codon triplet scales with font size
 590     consensusAnnotation.scaleColLabel = true;
 591     for (int col = 0; col < consensusData.length; col++)
 592     {
 593       Hashtable hci = consensusData[col];
 594       if (hci == null)
 595       {
 596         // gapped protein column?
 597         continue;
 598       }
 599       // array holds #seqs, #ungapped, then codon counts indexed by codon
 600       final int[] codonCounts = (int[]) hci.get(PROFILE);
 601       int totalCount = 0;
 602
 603       /*
 604        * First pass - get total count and find the highest
 605        */
 606       final char[] codons = new char[codonCounts.length - 2];
 607       for (int j = 2; j < codonCounts.length; j++)
 608       {
 609         final int codonCount = codonCounts[j];
 610         codons[j - 2] = (char) (j - 2);
 611         totalCount += codonCount;
 612       }
 613
 614       /*
 615        * Sort array of encoded codons by count ascending - so the modal value
 616        * goes to the end; start by copying the count (dropping the first value)
 617        */
 618       int[] sortedCodonCounts = new int[codonCounts.length - 2];
 619       System.arraycopy(codonCounts, 2, sortedCodonCounts, 0,
 620               codonCounts.length - 2);
 621       QuickSort.sort(sortedCodonCounts, codons);
 622
 623       int modalCodonEncoded = codons[codons.length - 1];
 624       int modalCodonCount = sortedCodonCounts[codons.length - 1];
 625       String modalCodon = String.valueOf(CodingUtils
 626               .decodeCodon(modalCodonEncoded));
 627       if (sortedCodonCounts.length > 1
 628               && sortedCodonCounts[codons.length - 2] == sortedCodonCounts[codons.length - 1])
 629       {
 630         /*
 631          * two or more codons share the modal count
 632          */
 633         modalCodon = "+";
 634       }
 635       float pid = sortedCodonCounts[sortedCodonCounts.length - 1] * 100
 636               / (float) totalCount;
 637
 638       /*
 639        * todo ? Replace consensus hashtable with sorted arrays of codons and
 640        * counts (non-zero only). Include total count in count array [0].
 641        */
 642
 643       /*
 644        * Scan sorted array backwards for most frequent values first. Show
 645        * repeated values compactly.
 646        */
 647       StringBuilder mouseOver = new StringBuilder(32);
 648       StringBuilder samePercent = new StringBuilder();
 649       String percent = null;
 650       String lastPercent = null;
 651       int percentDecPl = getPercentageDp(nseqs);
 652
 653       for (int j = codons.length - 1; j >= 0; j--)
 654       {
 655         int codonCount = sortedCodonCounts[j];
 656         if (codonCount == 0)
 657         {
 658           /*
 659            * remaining codons are 0% - ignore, but finish off the last one if
 660            * necessary
 661            */
 662           if (samePercent.length() > 0)
 663           {
 664             mouseOver.append(samePercent).append(": ").append(percent)
 665                     .append("% ");
 666           }
 667           break;
 668         }
 669         int codonEncoded = codons[j];
 670         final int pct = codonCount * 100 / totalCount;
 671         String codon = String
 672                 .valueOf(CodingUtils.decodeCodon(codonEncoded));
 673         StringBuilder sb = new StringBuilder();
 674         Format.appendPercentage(sb, pct, percentDecPl);
 675         percent = sb.toString();
 676         if (showProfileLogo || codonCount == modalCodonCount)
 677         {
 678           if (percent.equals(lastPercent) && j > 0)
 679           {
 680             samePercent.append(samePercent.length() == 0 ? "" : ", ");
 681             samePercent.append(codon);
 682           }
 683           else
 684           {
 685             if (samePercent.length() > 0)
 686             {
 687               mouseOver.append(samePercent).append(": ")
 688                       .append(lastPercent).append("% ");
 689             }
 690             samePercent.setLength(0);
 691             samePercent.append(codon);
 692           }
 693           lastPercent = percent;
 694         }
 695       }
 696
 697       consensusAnnotation.annotations[col] = new Annotation(modalCodon,
 698               mouseOver.toString(), ' ', pid);
 699     }
 700   }
 701
 702   /**
 703    * Returns the number of decimal places to show for profile percentages. For
 704    * less than 100 sequences, returns zero (the integer percentage value will be
 705    * displayed). For 100-999 sequences, returns 1, for 1000-9999 returns 2, etc.
 706    *
 707    * @param nseq
 708    * @return
 709    */
 710   protected static int getPercentageDp(long nseq)
 711   {
 712     int scale = 0;
 713     while (nseq >= 100)
 714     {
 715       scale++;
 716       nseq /= 10;
 717     }
 718     return scale;
 719   }
 720 }