src/jalview/analysis/scoremodels/FeatureDistanceModel.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.scoremodels;
  22
  23 import jalview.api.AlignmentViewPanel;
  24 import jalview.api.FeatureRenderer;
  25 import jalview.api.analysis.ScoreModelI;
  26 import jalview.api.analysis.SimilarityParamsI;
  27 import jalview.datamodel.AlignmentView;
  28 import jalview.datamodel.SeqCigar;
  29 import jalview.datamodel.SequenceFeature;
  30 import jalview.math.Matrix;
  31 import jalview.math.MatrixI;
  32 import jalview.util.SetUtils;
  33
  34 import java.util.HashMap;
  35 import java.util.HashSet;
  36 import java.util.List;
  37 import java.util.Map;
  38 import java.util.Set;
  39
  40 public class FeatureDistanceModel extends DistanceScoreModel
  41 {
  42   private static final String NAME = "Sequence Feature Similarity";
  43
  44   private String description;
  45
  46   FeatureRenderer fr;
  47
  48   /**
  49    * Constructor
  50    */
  51   public FeatureDistanceModel()
  52   {
  53   }
  54
  55   @Override
  56   public ScoreModelI getInstance(AlignmentViewPanel view)
  57   {
  58     FeatureDistanceModel instance;
  59     try
  60     {
  61       instance = this.getClass().newInstance();
  62       instance.configureFromAlignmentView(view);
  63       return instance;
  64     } catch (InstantiationException | IllegalAccessException e)
  65     {
  66       System.err.println("Error in " + getClass().getName()
  67               + ".getInstance(): " + e.getMessage());
  68       return null;
  69     }
  70   }
  71
  72   boolean configureFromAlignmentView(AlignmentViewPanel view)
  73
  74   {
  75     fr = view.cloneFeatureRenderer();
  76     return true;
  77   }
  78
  79   /**
  80    * Calculates a distance measure [i][j] between each pair of sequences as the
  81    * average number of features they have but do not share. That is, find the
  82    * features each sequence pair has at each column, ignore feature types they
  83    * have in common, and count the rest. The totals are normalised by the number
  84    * of columns processed.
  85    * <p>
  86    * The parameters argument provides settings for treatment of gap-residue
  87    * aligned positions, and whether the score is over the longer or shorter of
  88    * each pair of sequences
  89    *
  90    * @param seqData
  91    * @param params
  92    */
  93   @Override
  94   public MatrixI findDistances(AlignmentView seqData,
  95           SimilarityParamsI params)
  96   {
  97     SeqCigar[] seqs = seqData.getSequences();
  98     int noseqs = seqs.length;
  99     int cpwidth = 0;// = seqData.getWidth();
 100     double[][] distances = new double[noseqs][noseqs];
 101     List<String> dft = null;
 102     if (fr != null)
 103     {
 104       dft = fr.getDisplayedFeatureTypes();
 105     }
 106     if (dft == null || dft.isEmpty())
 107     {
 108       return new Matrix(distances);
 109     }
 110
 111     // need to get real position for view position
 112     int[] viscont = seqData.getVisibleContigs();
 113
 114     /*
 115      * scan each column, compute and add to each distance[i, j]
 116      * the number of feature types that seqi and seqj do not share
 117      */
 118     for (int vc = 0; vc < viscont.length; vc += 2)
 119     {
 120       for (int cpos = viscont[vc]; cpos <= viscont[vc + 1]; cpos++)
 121       {
 122         cpwidth++;
 123
 124         /*
 125          * first record feature types in this column for each sequence
 126          */
 127         Map<SeqCigar, Set<String>> sfap = findFeatureTypesAtColumn(
 128                 seqs, cpos);
 129
 130         /*
 131          * count feature types on either i'th or j'th sequence but not both
 132          * and add this 'distance' measure to the total for [i, j] for j > i
 133          */
 134         for (int i = 0; i < (noseqs - 1); i++)
 135         {
 136           for (int j = i + 1; j < noseqs; j++)
 137           {
 138             SeqCigar sc1 = seqs[i];
 139             SeqCigar sc2 = seqs[j];
 140             Set<String> set1 = sfap.get(sc1);
 141             Set<String> set2 = sfap.get(sc2);
 142             boolean gap1 = set1 == null;
 143             boolean gap2 = set2 == null;
 144
 145             /*
 146              * gap-gap always scores zero
 147              * residue-residue is always scored
 148              * include gap-residue score if params say to do so
 149              */
 150             if ((!gap1 && !gap2) || params.includeGaps())
 151             {
 152               int seqDistance = SetUtils.countDisjunction(set1, set2);
 153               distances[i][j] += seqDistance;
 154             }
 155           }
 156         }
 157       }
 158     }
 159
 160     /*
 161      * normalise the distance scores (summed over columns) by the
 162      * number of visible columns used in the calculation
 163      * and fill in the bottom half of the matrix
 164      */
 165     // TODO JAL-2424 cpwidth may be out by 1 - affects scores but not tree shape
 166     for (int i = 0; i < noseqs; i++)
 167     {
 168       for (int j = i + 1; j < noseqs; j++)
 169       {
 170         distances[i][j] /= cpwidth;
 171         distances[j][i] = distances[i][j];
 172       }
 173     }
 174     return new Matrix(distances);
 175   }
 176
 177   /**
 178    * Builds and returns a map containing a (possibly empty) list (one per
 179    * SeqCigar) of visible feature types at the given column position. The map
 180    * has no entry for sequences which are gapped at the column position.
 181    *
 182    * @param seqs
 183    * @param columnPosition
 184    * @return
 185    */
 186   protected Map<SeqCigar, Set<String>> findFeatureTypesAtColumn(
 187           SeqCigar[] seqs, int columnPosition)
 188   {
 189     Map<SeqCigar, Set<String>> sfap = new HashMap<SeqCigar, Set<String>>();
 190     for (SeqCigar seq : seqs)
 191     {
 192       int spos = seq.findPosition(columnPosition);
 193       if (spos != -1)
 194       {
 195         Set<String> types = new HashSet<String>();
 196         List<SequenceFeature> sfs = fr.findFeaturesAtRes(seq.getRefSeq(),
 197                 spos);
 198         for (SequenceFeature sf : sfs)
 199         {
 200           types.add(sf.getType());
 201         }
 202         sfap.put(seq, types);
 203       }
 204     }
 205     return sfap;
 206   }
 207
 208   @Override
 209   public String getName()
 210   {
 211     return NAME;
 212   }
 213
 214   @Override
 215   public String getDescription()
 216   {
 217     return description;
 218   }
 219
 220   @Override
 221   public boolean isDNA()
 222   {
 223     return true;
 224   }
 225
 226   @Override
 227   public boolean isProtein()
 228   {
 229     return true;
 230   }
 231
 232   @Override
 233   public String toString()
 234   {
 235     return "Score between sequences based on hamming distance between binary vectors marking features displayed at each column";
 236   }
 237 }