test/jalview/io/EmblFlatFileTest.java

   1 package jalview.io;
   2
   3 import static org.testng.Assert.assertEquals;
   4 import static org.testng.Assert.assertTrue;
   5
   6 import java.io.File;
   7 import java.io.IOException;
   8 import java.net.MalformedURLException;
   9 import java.util.List;
  10 import java.util.Set;
  11
  12 import org.testng.annotations.Test;
  13
  14 import jalview.datamodel.DBRefEntry;
  15 import jalview.datamodel.Mapping;
  16 import jalview.datamodel.SequenceFeature;
  17 import jalview.datamodel.SequenceI;
  18 import jalview.datamodel.features.SequenceFeatures;
  19
  20 public class EmblFlatFileTest
  21 {
  22   /**
  23    * A fairly tough test, using J03321 (circular DNA), which has 8 CDS features,
  24    * one of them reverse strand
  25    *
  26    * @throws MalformedURLException
  27    * @throws IOException
  28    */
  29   @Test(groups = "Functional")
  30   public void testParse() throws MalformedURLException, IOException
  31   {
  32     File dataFile = new File("test/jalview/io/J03321.embl.txt");
  33     FileParse fp = new FileParse(dataFile, DataSourceType.FILE);
  34     EmblFlatFile parser = new EmblFlatFile(fp, "EmblTest");
  35     parser.parse();
  36     List<SequenceI> seqs = parser.getSeqs();
  37
  38     assertEquals(seqs.size(), 1);
  39     SequenceI seq = seqs.get(0);
  40     assertEquals(seq.getName(), "EmblTest|J03321");
  41     assertEquals(seq.getLength(), 7502);
  42     assertEquals(seq.getDescription(), "Chlamydia trachomatis plasmid pCHL1, complete sequence");
  43
  44     /*
  45      * should be 9 CDS features (one is a 'join' of two exons)
  46      */
  47     Set<String> featureTypes = seq.getFeatures().getFeatureTypes();
  48     assertEquals(featureTypes.size(), 1);
  49     assertTrue(featureTypes.contains("CDS"));
  50
  51     /*
  52      * inspect some features (sorted just for convenience of test assertions)
  53      */
  54     List<SequenceFeature> features = seq.getFeatures()
  55             .getAllFeatures("CDS");
  56     SequenceFeatures.sortFeatures(features,  true);
  57     assertEquals(features.size(), 9);
  58
  59     SequenceFeature sf = features.get(0);
  60     assertEquals(sf.getBegin(), 1);
  61     assertEquals(sf.getEnd(), 437);
  62     assertEquals(sf.getDescription(),
  63             "Exon 2 for protein EMBLCDS:AAA91567.1");
  64     assertEquals(sf.getFeatureGroup(), "EmblTest");
  65     assertEquals(sf.getEnaLocation(), "join(7022..7502,1..437)");
  66     assertEquals(sf.getPhase(), "0");
  67     assertEquals(sf.getStrand(), 1);
  68     assertEquals(sf.getValue("note"), "pGP7-D");
  69     // this is the second exon of circular CDS!
  70     assertEquals(sf.getValue("exon number"), 2);
  71     assertEquals(sf.getValue("product"), "hypothetical protein");
  72     assertEquals(sf.getValue("transl_table"), "11");
  73
  74     sf = features.get(1);
  75     assertEquals(sf.getBegin(), 488);
  76     assertEquals(sf.getEnd(), 1480);
  77     assertEquals(sf.getDescription(),
  78             "Exon 1 for protein EMBLCDS:AAA91568.1");
  79     assertEquals(sf.getFeatureGroup(), "EmblTest");
  80     assertEquals(sf.getEnaLocation(), "complement(488..1480)");
  81     assertEquals(sf.getPhase(), "0");
  82     assertEquals(sf.getStrand(), -1); // reverse strand!
  83     assertEquals(sf.getValue("note"), "pGP8-D");
  84     assertEquals(sf.getValue("exon number"), 1);
  85     assertEquals(sf.getValue("product"), "hypothetical protein");
  86
  87     sf = features.get(7);
  88     assertEquals(sf.getBegin(), 6045);
  89     assertEquals(sf.getEnd(), 6788);
  90     assertEquals(sf.getDescription(),
  91             "Exon 1 for protein EMBLCDS:AAA91574.1");
  92     assertEquals(sf.getFeatureGroup(), "EmblTest");
  93     assertEquals(sf.getEnaLocation(), "6045..6788");
  94     assertEquals(sf.getPhase(), "0");
  95     assertEquals(sf.getStrand(), 1);
  96     assertEquals(sf.getValue("note"), "pGP6-D (gtg start codon)");
  97     assertEquals(sf.getValue("exon number"), 1);
  98     assertEquals(sf.getValue("product"), "hypothetical protein");
  99
 100     /*
 101      * CDS at 7022-7502 is the first exon of the circular CDS
 102      */
 103     sf = features.get(8);
 104     assertEquals(sf.getBegin(), 7022);
 105     assertEquals(sf.getEnd(), 7502);
 106     assertEquals(sf.getDescription(),
 107             "Exon 1 for protein EMBLCDS:AAA91567.1");
 108     assertEquals(sf.getFeatureGroup(), "EmblTest");
 109     assertEquals(sf.getEnaLocation(), "join(7022..7502,1..437)");
 110     assertEquals(sf.getPhase(), "0");
 111     assertEquals(sf.getStrand(), 1);
 112     assertEquals(sf.getValue("note"), "pGP7-D");
 113     assertEquals(sf.getValue("exon number"), 1);
 114     assertEquals(sf.getValue("product"), "hypothetical protein");
 115
 116     /*
 117      * Jalview adds a dbref to 'self', and  there are 4 'direct' (DR) dbrefs,
 118      * and numerous CDS /db_xref entries (some e.g. INTERPRO are duplicates)
 119      * sample a few here
 120      * Note DBRefEntry constructor capitalises source
 121      */
 122     List<DBRefEntry> dbrefs = seq.getDBRefs();
 123     assertEquals(dbrefs.size(), 32);
 124     // xref to 'self':
 125     DBRefEntry selfRef = new DBRefEntry("EMBLTEST", "1", "J03321");
 126     int[] range = new int[] {1, seq.getLength()};
 127     selfRef.setMap(new Mapping(null, range, range, 1, 1));
 128     assertTrue(dbrefs.contains(selfRef));
 129
 130     // 1st DR line; note trailing period is removed
 131     assertTrue(dbrefs.contains(new DBRefEntry("MD5", "0",
 132             "d4c4942a634e3df4995fd5ac75c26a61")));
 133     // the 4th DR line:
 134     assertTrue(
 135             dbrefs.contains(new DBRefEntry("EUROPEPMC", "0", "PMC87941")));
 136     // from the first CDS feature; note canonicalisation to "UNIPROT"
 137     assertTrue(dbrefs.contains(new DBRefEntry("GOA", "0", "P0CE19")));
 138     assertTrue(dbrefs.contains(new DBRefEntry("UNIPROT", "0", "P0CE19")));
 139     // from the last CDS feature
 140     assertTrue(dbrefs.contains(new DBRefEntry("INTERPRO", "0", "IPR005350")));
 141
 142     // todo: mappings to, and sequences for, UNIPROT proteins
 143   }
 144 }