src/jalview/analysis/scoremodels/FeatureScoreModel.java

   1 package jalview.analysis.scoremodels;
   2
   3 import jalview.api.analysis.ScoreModelI;
   4 import jalview.api.analysis.ViewBasedAnalysisI;
   5 import jalview.datamodel.AlignmentView;
   6 import jalview.datamodel.SequenceFeature;
   7 import jalview.datamodel.SequenceI;
   8 import jalview.util.Comparison;
   9
  10 import java.util.ArrayList;
  11 import java.util.Arrays;
  12 import java.util.Hashtable;
  13 import java.util.List;
  14
  15 public class FeatureScoreModel implements ScoreModelI, ViewBasedAnalysisI
  16 {
  17   jalview.api.FeatureRenderer fr;
  18
  19   @Override
  20   public boolean configureFromAlignmentView(
  21           jalview.api.AlignmentViewPanel view)
  22   {
  23     fr = view.cloneFeatureRenderer();
  24     return true;
  25   }
  26
  27   @Override
  28   public float[][] findDistances(AlignmentView seqData)
  29   {
  30     int nofeats = 0;
  31     List<String> dft = Arrays.asList(fr.getDisplayedFeatureTypes());
  32
  33     if (dft != null)
  34     {
  35       nofeats = dft.size();
  36     }
  37
  38     SequenceI[] sequenceString = seqData.getVisibleAlignment(
  39             Comparison.GapChars.charAt(0)).getSequencesArray();
  40     int noseqs = sequenceString.length;
  41     int cpwidth = seqData.getWidth();
  42     float[][] distance = new float[noseqs][noseqs];
  43     if (nofeats == 0)
  44     {
  45       for (float[] d : distance)
  46       {
  47         for (int i = 0; i < d.length; d[i++] = 0f)
  48         {
  49           ;
  50         }
  51       }
  52       return distance;
  53     }
  54     float max = 0;
  55     for (int cpos = 0; cpos < cpwidth; cpos++)
  56     {
  57       // get visible features at cpos under view's display settings and compare
  58       // them
  59       List<Hashtable<String, SequenceFeature>> sfap = new ArrayList<Hashtable<String, SequenceFeature>>();
  60       for (int i = 0; i < noseqs; i++)
  61       {
  62         Hashtable<String, SequenceFeature> types = new Hashtable<String, SequenceFeature>();
  63         List<SequenceFeature> sfs = fr.findFeaturesAtRes(sequenceString[i],
  64                 sequenceString[i].findPosition(cpos));
  65         for (SequenceFeature sf : sfs)
  66         {
  67           types.put(sf.getType(), sf);
  68         }
  69         sfap.add(types);
  70       }
  71       for (int i = 0; i < (noseqs - 1); i++)
  72       {
  73         if (cpos == 0)
  74         {
  75           distance[i][i] = 0f;
  76         }
  77         for (int j = i + 1; j < noseqs; j++)
  78         {
  79           int sfcommon = 0;
  80           // compare the two lists of features...
  81           Hashtable<String, SequenceFeature> fi = sfap.get(i), fk, fj = sfap
  82                   .get(j);
  83           if (fi.size() > fj.size())
  84           {
  85             fk = fj;
  86           }
  87           else
  88           {
  89             fk = fi;
  90             fi = fj;
  91           }
  92           for (String k : fi.keySet())
  93           {
  94             SequenceFeature sfj = fk.get(k);
  95             if (sfj != null)
  96             {
  97               sfcommon++;
  98             }
  99           }
 100           distance[i][j] += (fi.size() + fk.size() - 2f * sfcommon);
 101           distance[j][i] += distance[i][j];
 102         }
 103       }
 104     }
 105     for (int i = 0; i < noseqs; i++)
 106     {
 107       for (int j = i + 1; j < noseqs; j++)
 108       {
 109         distance[i][j] /= cpwidth;
 110         distance[j][i] = distance[i][j];
 111       }
 112     }
 113     return distance;
 114   }
 115
 116   @Override
 117   public String getName()
 118   {
 119     return "Sequence Feature Similarity";
 120   }
 121
 122   @Override
 123   public boolean isDNA()
 124   {
 125     return true;
 126   }
 127
 128   @Override
 129   public boolean isProtein()
 130   {
 131     return true;
 132   }
 133
 134   public String toString()
 135   {
 136     return "Score between sequences based on hamming distance between binary vectors marking features displayed at each column";
 137   }
 138 }