src/jalview/ws/dbsources/Uniprot.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.ws.dbsources;
  22
  23 import jalview.datamodel.Alignment;
  24 import jalview.datamodel.AlignmentI;
  25 import jalview.datamodel.DBRefEntry;
  26 import jalview.datamodel.DBRefSource;
  27 import jalview.datamodel.PDBEntry;
  28 import jalview.datamodel.Sequence;
  29 import jalview.datamodel.SequenceFeature;
  30 import jalview.datamodel.SequenceI;
  31 import jalview.datamodel.xdb.uniprot.UniprotEntry;
  32 import jalview.datamodel.xdb.uniprot.UniprotFeature;
  33 import jalview.datamodel.xdb.uniprot.UniprotFile;
  34 import jalview.ws.seqfetcher.DbSourceProxyImpl;
  35
  36 import java.io.InputStream;
  37 import java.io.InputStreamReader;
  38 import java.io.Reader;
  39 import java.net.URL;
  40 import java.net.URLConnection;
  41 import java.util.ArrayList;
  42 import java.util.Vector;
  43
  44 import org.exolab.castor.mapping.Mapping;
  45 import org.exolab.castor.xml.Unmarshaller;
  46
  47 import com.stevesoft.pat.Regex;
  48
  49 /**
  50  * @author JimP
  51  *
  52  */
  53 public class Uniprot extends DbSourceProxyImpl
  54 {
  55   private static final String BAR_DELIMITER = "|";
  56
  57   /*
  58    * Castor mapping loaded from uniprot_mapping.xml
  59    */
  60   private static Mapping map;
  61
  62   /**
  63    * Constructor
  64    */
  65   public Uniprot()
  66   {
  67     super();
  68   }
  69
  70   /*
  71    * (non-Javadoc)
  72    *
  73    * @see jalview.ws.DbSourceProxy#getAccessionSeparator()
  74    */
  75   @Override
  76   public String getAccessionSeparator()
  77   {
  78     return null;
  79   }
  80
  81   /*
  82    * (non-Javadoc)
  83    *
  84    * @see jalview.ws.DbSourceProxy#getAccessionValidator()
  85    */
  86   @Override
  87   public Regex getAccessionValidator()
  88   {
  89     return new Regex("([A-Z]+[0-9]+[A-Z0-9]+|[A-Z0-9]+_[A-Z0-9]+)");
  90   }
  91
  92   /*
  93    * (non-Javadoc)
  94    *
  95    * @see jalview.ws.DbSourceProxy#getDbSource()
  96    */
  97   @Override
  98   public String getDbSource()
  99   {
 100     return DBRefSource.UNIPROT;
 101   }
 102
 103   /*
 104    * (non-Javadoc)
 105    *
 106    * @see jalview.ws.DbSourceProxy#getDbVersion()
 107    */
 108   @Override
 109   public String getDbVersion()
 110   {
 111     return "0"; // we really don't know what version we're on.
 112   }
 113
 114   /**
 115    * Reads a file containing the reply to the EBI Fetch Uniprot data query,
 116    * unmarshals it to a UniprotFile object, and returns the list of UniprotEntry
 117    * data models (mapped from &lt;entry&gt; elements)
 118    *
 119    * @param fileReader
 120    * @return
 121    */
 122   public Vector<UniprotEntry> getUniprotEntries(Reader fileReader)
 123   {
 124     UniprotFile uni = new UniprotFile();
 125     try
 126     {
 127       if (map == null)
 128       {
 129         // 1. Load the mapping information from the file
 130         map = new Mapping(uni.getClass().getClassLoader());
 131         URL url = getClass().getResource("/uniprot_mapping.xml");
 132         map.loadMapping(url);
 133       }
 134
 135       // 2. Unmarshal the data
 136       Unmarshaller unmar = new Unmarshaller(uni);
 137       unmar.setIgnoreExtraElements(true);
 138       unmar.setMapping(map);
 139       if (fileReader != null)
 140       {
 141         uni = (UniprotFile) unmar.unmarshal(fileReader);
 142       }
 143     } catch (Exception e)
 144     {
 145       System.out.println("Error getUniprotEntries() " + e);
 146     }
 147
 148     return uni.getUniprotEntries();
 149   }
 150
 151   /*
 152    * (non-Javadoc)
 153    *
 154    * @see jalview.ws.DbSourceProxy#getSequenceRecords(java.lang.String[])
 155    */
 156   @Override
 157   public AlignmentI getSequenceRecords(String queries) throws Exception
 158   {
 159     startQuery();
 160     try
 161     {
 162       queries = queries.toUpperCase().replaceAll(
 163               "(UNIPROT\\|?|UNIPROT_|UNIREF\\d+_|UNIREF\\d+\\|?)", "");
 164       AlignmentI al = null;
 165
 166       String downloadstring = "http://www.uniprot.org/uniprot/" + queries
 167               + ".xml";
 168       URL url = null;
 169       URLConnection urlconn = null;
 170
 171       url = new URL(downloadstring);
 172       urlconn = url.openConnection();
 173       InputStream istr = urlconn.getInputStream();
 174       Vector<UniprotEntry> entries = getUniprotEntries(
 175               new InputStreamReader(istr, "UTF-8"));
 176
 177       if (entries != null)
 178       {
 179         ArrayList<SequenceI> seqs = new ArrayList<>();
 180         for (UniprotEntry entry : entries)
 181         {
 182           seqs.add(uniprotEntryToSequenceI(entry));
 183         }
 184         al = new Alignment(seqs.toArray(new SequenceI[0]));
 185
 186       }
 187       stopQuery();
 188       return al;
 189     } catch (Exception e)
 190     {
 191       throw (e);
 192     } finally
 193     {
 194       stopQuery();
 195     }
 196   }
 197
 198   /**
 199    *
 200    * @param entry
 201    *          UniprotEntry
 202    * @return SequenceI instance created from the UniprotEntry instance
 203    */
 204   public SequenceI uniprotEntryToSequenceI(UniprotEntry entry)
 205   {
 206     String id = getUniprotEntryId(entry);
 207     SequenceI sequence = new Sequence(id,
 208             entry.getUniprotSequence().getContent());
 209     sequence.setDescription(getUniprotEntryDescription(entry));
 210
 211     final String dbVersion = getDbVersion();
 212     ArrayList<DBRefEntry> dbRefs = new ArrayList<>();
 213     for (String accessionId : entry.getAccession())
 214     {
 215       DBRefEntry dbRef = new DBRefEntry(DBRefSource.UNIPROT, dbVersion,
 216               accessionId);
 217
 218       // mark dbRef as a primary reference for this sequence
 219       dbRefs.add(dbRef);
 220     }
 221
 222     Vector<PDBEntry> onlyPdbEntries = new Vector<>();
 223     for (PDBEntry pdb : entry.getDbReference())
 224     {
 225       DBRefEntry dbr = new DBRefEntry();
 226       dbr.setSource(pdb.getType());
 227       dbr.setAccessionId(pdb.getId());
 228       dbr.setVersion(DBRefSource.UNIPROT + ":" + dbVersion);
 229       dbRefs.add(dbr);
 230       if ("PDB".equals(pdb.getType()))
 231       {
 232         onlyPdbEntries.addElement(pdb);
 233       }
 234       if ("EMBL".equals(pdb.getType()))
 235       {
 236         // look for a CDS reference and add it, too.
 237         String cdsId = (String) pdb.getProperty("protein sequence ID");
 238         if (cdsId != null && cdsId.trim().length() > 0)
 239         {
 240           // remove version
 241           String[] vrs = cdsId.split("\\.");
 242           dbr = new DBRefEntry(DBRefSource.EMBLCDS, vrs.length > 1 ? vrs[1]
 243                   : DBRefSource.UNIPROT + ":" + dbVersion, vrs[0]);
 244           dbRefs.add(dbr);
 245         }
 246       }
 247       if ("Ensembl".equals(pdb.getType()))
 248       {
 249         /*UniprotXML
 250          * <dbReference type="Ensembl" id="ENST00000321556">
 251         * <molecule id="Q9BXM7-1"/>
 252         * <property type="protein sequence ID" value="ENSP00000364204"/>
 253         * <property type="gene ID" value="ENSG00000158828"/>
 254         * </dbReference>
 255          */
 256         String cdsId = (String) pdb.getProperty("protein sequence ID");
 257         if (cdsId != null && cdsId.trim().length() > 0)
 258         {
 259           dbr = new DBRefEntry(DBRefSource.ENSEMBL,
 260                   DBRefSource.UNIPROT + ":" + dbVersion, cdsId.trim());
 261           dbRefs.add(dbr);
 262
 263         }
 264       }
 265     }
 266
 267     sequence.setPDBId(onlyPdbEntries);
 268     if (entry.getFeature() != null)
 269     {
 270       for (UniprotFeature uf : entry.getFeature())
 271       {
 272         SequenceFeature copy = new SequenceFeature(uf.getType(),
 273                 uf.getDescription(), uf.getBegin(), uf.getEnd(), "Uniprot");
 274         copy.setStatus(uf.getStatus());
 275         sequence.addSequenceFeature(copy);
 276       }
 277     }
 278     for (DBRefEntry dbr : dbRefs)
 279     {
 280       sequence.addDBRef(dbr);
 281     }
 282     return sequence;
 283   }
 284
 285   /**
 286    *
 287    * @param entry
 288    *          UniportEntry
 289    * @return protein name(s) delimited by a white space character
 290    */
 291   public static String getUniprotEntryDescription(UniprotEntry entry)
 292   {
 293     StringBuilder desc = new StringBuilder(32);
 294     if (entry.getProtein() != null && entry.getProtein().getName() != null)
 295     {
 296       boolean first = true;
 297       for (String nm : entry.getProtein().getName())
 298       {
 299         if (!first)
 300         {
 301           desc.append(" ");
 302         }
 303         first = false;
 304         desc.append(nm);
 305       }
 306     }
 307     return desc.toString();
 308   }
 309
 310   /**
 311    *
 312    * @param entry
 313    *          UniportEntry
 314    * @return The accession id(s) and name(s) delimited by '|'.
 315    */
 316   public static String getUniprotEntryId(UniprotEntry entry)
 317   {
 318     StringBuilder name = new StringBuilder(32);
 319     // name.append("UniProt/Swiss-Prot");
 320     // use 'canonicalised' name for optimal id matching
 321     name.append(DBRefSource.UNIPROT);
 322     for (String accessionId : entry.getAccession())
 323     {
 324       name.append(BAR_DELIMITER);
 325       name.append(accessionId);
 326     }
 327     for (String n : entry.getName())
 328     {
 329       name.append(BAR_DELIMITER);
 330       name.append(n);
 331     }
 332     return name.toString();
 333   }
 334
 335   /*
 336    * (non-Javadoc)
 337    *
 338    * @see jalview.ws.DbSourceProxy#isValidReference(java.lang.String)
 339    */
 340   @Override
 341   public boolean isValidReference(String accession)
 342   {
 343     // TODO: make the following a standard validator
 344     return (accession == null || accession.length() < 2) ? false
 345             : getAccessionValidator().search(accession);
 346   }
 347
 348   /**
 349    * return LDHA_CHICK uniprot entry
 350    */
 351   @Override
 352   public String getTestQuery()
 353   {
 354     return "P00340";
 355   }
 356
 357   @Override
 358   public String getDbName()
 359   {
 360     return "Uniprot"; // getDbSource();
 361   }
 362
 363   @Override
 364   public int getTier()
 365   {
 366     return 0;
 367   }
 368 }