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