JAL-3860 JAL-3892 extract genomic assembly mapping logic to static store
authorJim Procter <j.procter@dundee.ac.uk>
Tue, 29 Mar 2022 19:06:40 +0000 (20:06 +0100)
committerJim Procter <j.procter@dundee.ac.uk>
Tue, 29 Mar 2022 19:06:40 +0000 (20:06 +0100)
src/jalview/datamodel/GenomicAssemblies.java [new file with mode: 0644]
src/jalview/io/vcf/VCFLoader.java

diff --git a/src/jalview/datamodel/GenomicAssemblies.java b/src/jalview/datamodel/GenomicAssemblies.java
new file mode 100644 (file)
index 0000000..9754b90
--- /dev/null
@@ -0,0 +1,158 @@
+package jalview.datamodel;
+
+import java.util.HashMap;
+import java.util.Map;
+import java.util.Map.Entry;
+
+import jalview.ext.ensembl.EnsemblMap;
+import jalview.io.vcf.VCFLoader;
+import jalview.util.MappingUtils;
+
+public class GenomicAssemblies
+{
+
+  /*
+   * mappings between VCF and sequence reference assembly regions, as 
+   * key = "species!chromosome!fromAssembly!toAssembly
+   * value = Map{fromRange, toRange}
+   */
+  private static Map<String, Map<int[], int[]>> assemblyMappings = new HashMap<>();
+
+  /*
+   * internal delimiter used to build keys for assemblyMappings
+   * 
+   */
+  private static final String EXCL = "!";
+
+  /**
+   * Formats a ranges map lookup key
+   * 
+   * @param chromosome
+   * @param species
+   * @param fromRef
+   * @param toRef
+   * @return
+   */
+  public static String makeRangesKey(String chromosome, String species,
+          String fromRef, String toRef)
+  {
+    return species + EXCL + chromosome + EXCL + fromRef + EXCL + toRef;
+  }
+
+  /**
+   * Determines the location of the query range (chromosome positions) in a
+   * different reference assembly.
+   * <p>
+   * If the range is just a subregion of one for which we already have a mapping
+   * (for example, an exon sub-region of a gene), then the mapping is just
+   * computed arithmetically.
+   * <p>
+   * Otherwise, calls the Ensembl REST service that maps from one assembly
+   * reference's coordinates to another's
+   * 
+   * @param queryRange
+   *          start-end chromosomal range in 'fromRef' coordinates
+   * @param chromosome
+   * @param species
+   * @param fromRef
+   *          assembly reference for the query coordinates
+   * @param toRef
+   *          assembly reference we wish to translate to
+   * @return the start-end range in 'toRef' coordinates
+   */
+  public static int[] mapReferenceRange(int[] queryRange, String chromosome,
+          String species, String fromRef, String toRef)
+  {
+    /*
+     * first try shorcut of computing the mapping as a subregion of one
+     * we already have (e.g. for an exon, if we have the gene mapping)
+     */
+    int[] mappedRange = findSubsumedRangeMapping(queryRange, chromosome,
+            species, fromRef, toRef);
+    if (mappedRange != null)
+    {
+      return mappedRange;
+    }
+
+    /*
+     * call (e.g.) http://rest.ensembl.org/map/human/GRCh38/17:45051610..45109016:1/GRCh37
+     */
+    EnsemblMap mapper = new EnsemblMap();
+    int[] mapping = mapper.getAssemblyMapping(species, chromosome, fromRef,
+            toRef, queryRange);
+
+    if (mapping == null)
+    {
+      // mapping service failure
+      return null;
+    }
+
+    /*
+     * save mapping for possible future re-use
+     */
+    String key = GenomicAssemblies.makeRangesKey(chromosome, species, fromRef, toRef);
+    if (!assemblyMappings.containsKey(key))
+    {
+      assemblyMappings.put(key, new HashMap<int[], int[]>());
+    }
+
+    assemblyMappings.get(key).put(queryRange, mapping);
+
+    return mapping;
+  }
+
+  /**
+   * If we already have a 1:1 contiguous mapping which subsumes the given query
+   * range, this method just calculates and returns the subset of that mapping,
+   * else it returns null. In practical terms, if a gene has a contiguous
+   * mapping between (for example) GRCh37 and GRCh38, then we assume that its
+   * subsidiary exons occupy unchanged relative positions, and just compute
+   * these as offsets, rather than do another lookup of the mapping.
+   * <p>
+   * If in future these assumptions prove invalid (e.g. for bacterial dna?!),
+   * simply remove this method or let it always return null.
+   * <p>
+   * Warning: many rapid calls to the /map service map result in a 429 overload
+   * error response
+   * 
+   * @param queryRange
+   * @param chromosome
+   * @param species
+   * @param fromRef
+   * @param toRef
+   * @return
+   */
+  protected static int[] findSubsumedRangeMapping(int[] queryRange,
+          String chromosome, String species, String fromRef, String toRef)
+  {
+    String key = GenomicAssemblies.makeRangesKey(chromosome, species, fromRef, toRef);
+    if (assemblyMappings.containsKey(key))
+    {
+      Map<int[], int[]> mappedRanges = assemblyMappings.get(key);
+      for (Entry<int[], int[]> mappedRange : mappedRanges.entrySet())
+      {
+        int[] fromRange = mappedRange.getKey();
+        int[] toRange = mappedRange.getValue();
+        if (fromRange[1] - fromRange[0] == toRange[1] - toRange[0])
+        {
+          /*
+           * mapping is 1:1 in length, so we trust it to have no discontinuities
+           */
+          if (MappingUtils.rangeContains(fromRange, queryRange))
+          {
+            /*
+             * fromRange subsumes our query range
+             */
+            int offset = queryRange[0] - fromRange[0];
+            int mappedRangeFrom = toRange[0] + offset;
+            int mappedRangeTo = mappedRangeFrom
+                    + (queryRange[1] - queryRange[0]);
+            return new int[] { mappedRangeFrom, mappedRangeTo };
+          }
+        }
+      }
+    }
+    return null;
+  }
+
+}
index ea5b8e0..bd03448 100644 (file)
@@ -54,6 +54,7 @@ import jalview.bin.Cache;
 import jalview.bin.Console;
 import jalview.datamodel.DBRefEntry;
 import jalview.datamodel.GeneLociI;
+import jalview.datamodel.GenomicAssemblies;
 import jalview.datamodel.Mapping;
 import jalview.datamodel.SequenceFeature;
 import jalview.datamodel.SequenceI;
@@ -186,23 +187,10 @@ public class VCFLoader
   private static final String FEATURE_GROUP_VCF = "VCF";
 
   /*
-   * internal delimiter used to build keys for assemblyMappings
-   * 
-   */
-  private static final String EXCL = "!";
-
-  /*
    * the VCF file we are processing
    */
   protected String vcfFilePath;
 
-  /*
-   * mappings between VCF and sequence reference assembly regions, as 
-   * key = "species!chromosome!fromAssembly!toAssembly
-   * value = Map{fromRange, toRange}
-   */
-  private Map<String, Map<int[], int[]>> assemblyMappings;
-
   private VCFReader reader;
 
   /*
@@ -280,9 +268,6 @@ public class VCFLoader
     {
       System.err.println("Error opening VCF file: " + e.getMessage());
     }
-
-    // map of species!chromosome!fromAssembly!toAssembly to {fromRange, toRange}
-    assemblyMappings = new HashMap<>();
   }
 
   /**
@@ -827,7 +812,7 @@ public class VCFLoader
         continue;
       }
 
-      int[] newRange = mapReferenceRange(range, chromosome, "human", seqRef,
+      int[] newRange = GenomicAssemblies.mapReferenceRange(range, chromosome, "human", seqRef,
               vcfAssembly);
       if (newRange == null)
       {
@@ -1517,122 +1502,6 @@ public class VCFLoader
   }
 
   /**
-   * Determines the location of the query range (chromosome positions) in a
-   * different reference assembly.
-   * <p>
-   * If the range is just a subregion of one for which we already have a mapping
-   * (for example, an exon sub-region of a gene), then the mapping is just
-   * computed arithmetically.
-   * <p>
-   * Otherwise, calls the Ensembl REST service that maps from one assembly
-   * reference's coordinates to another's
-   * 
-   * @param queryRange
-   *          start-end chromosomal range in 'fromRef' coordinates
-   * @param chromosome
-   * @param species
-   * @param fromRef
-   *          assembly reference for the query coordinates
-   * @param toRef
-   *          assembly reference we wish to translate to
-   * @return the start-end range in 'toRef' coordinates
-   */
-  protected int[] mapReferenceRange(int[] queryRange, String chromosome,
-          String species, String fromRef, String toRef)
-  {
-    /*
-     * first try shorcut of computing the mapping as a subregion of one
-     * we already have (e.g. for an exon, if we have the gene mapping)
-     */
-    int[] mappedRange = findSubsumedRangeMapping(queryRange, chromosome,
-            species, fromRef, toRef);
-    if (mappedRange != null)
-    {
-      return mappedRange;
-    }
-
-    /*
-     * call (e.g.) http://rest.ensembl.org/map/human/GRCh38/17:45051610..45109016:1/GRCh37
-     */
-    EnsemblMap mapper = new EnsemblMap();
-    int[] mapping = mapper.getAssemblyMapping(species, chromosome, fromRef,
-            toRef, queryRange);
-
-    if (mapping == null)
-    {
-      // mapping service failure
-      return null;
-    }
-
-    /*
-     * save mapping for possible future re-use
-     */
-    String key = makeRangesKey(chromosome, species, fromRef, toRef);
-    if (!assemblyMappings.containsKey(key))
-    {
-      assemblyMappings.put(key, new HashMap<int[], int[]>());
-    }
-
-    assemblyMappings.get(key).put(queryRange, mapping);
-
-    return mapping;
-  }
-
-  /**
-   * If we already have a 1:1 contiguous mapping which subsumes the given query
-   * range, this method just calculates and returns the subset of that mapping,
-   * else it returns null. In practical terms, if a gene has a contiguous
-   * mapping between (for example) GRCh37 and GRCh38, then we assume that its
-   * subsidiary exons occupy unchanged relative positions, and just compute
-   * these as offsets, rather than do another lookup of the mapping.
-   * <p>
-   * If in future these assumptions prove invalid (e.g. for bacterial dna?!),
-   * simply remove this method or let it always return null.
-   * <p>
-   * Warning: many rapid calls to the /map service map result in a 429 overload
-   * error response
-   * 
-   * @param queryRange
-   * @param chromosome
-   * @param species
-   * @param fromRef
-   * @param toRef
-   * @return
-   */
-  protected int[] findSubsumedRangeMapping(int[] queryRange,
-          String chromosome, String species, String fromRef, String toRef)
-  {
-    String key = makeRangesKey(chromosome, species, fromRef, toRef);
-    if (assemblyMappings.containsKey(key))
-    {
-      Map<int[], int[]> mappedRanges = assemblyMappings.get(key);
-      for (Entry<int[], int[]> mappedRange : mappedRanges.entrySet())
-      {
-        int[] fromRange = mappedRange.getKey();
-        int[] toRange = mappedRange.getValue();
-        if (fromRange[1] - fromRange[0] == toRange[1] - toRange[0])
-        {
-          /*
-           * mapping is 1:1 in length, so we trust it to have no discontinuities
-           */
-          if (MappingUtils.rangeContains(fromRange, queryRange))
-          {
-            /*
-             * fromRange subsumes our query range
-             */
-            int offset = queryRange[0] - fromRange[0];
-            int mappedRangeFrom = toRange[0] + offset;
-            int mappedRangeTo = mappedRangeFrom
-                    + (queryRange[1] - queryRange[0]);
-            return new int[] { mappedRangeFrom, mappedRangeTo };
-          }
-        }
-      }
-    }
-    return null;
-  }
-
-  /**
    * Transfers the sequence feature to the target sequence, locating its start
    * and end range based on the mapping. Features which do not overlap the
    * target sequence are ignored.
@@ -1657,19 +1526,4 @@ public class VCFLoader
       targetSequence.addSequenceFeature(copy);
     }
   }
-
-  /**
-   * Formats a ranges map lookup key
-   * 
-   * @param chromosome
-   * @param species
-   * @param fromRef
-   * @param toRef
-   * @return
-   */
-  protected static String makeRangesKey(String chromosome, String species,
-          String fromRef, String toRef)
-  {
-    return species + EXCL + chromosome + EXCL + fromRef + EXCL + toRef;
-  }
 }