bp_bin/cluster_seq

   1 #!/usr/bin/env perl
   2
   3 # Copyright (C) 2007-2009 Martin A. Hansen.
   4
   5 # This program is free software; you can redistribute it and/or
   6 # modify it under the terms of the GNU General Public License
   7 # as published by the Free Software Foundation; either version 2
   8 # of the License, or (at your option) any later version.
   9
  10 # This program is distributed in the hope that it will be useful,
  11 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  12 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  13 # GNU General Public License for more details.
  14
  15 # You should have received a copy of the GNU General Public License
  16 # along with this program; if not, write to the Free Software
  17 # Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.
  18
  19 # http://www.gnu.org/copyleft/gpl.html
  20
  21
  22 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> DESCRIPTION <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  23
  24 # Cluster sequences in the stream.
  25
  26 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  27
  28
  29 use warnings;
  30 use strict;
  31 use Data::Dumper;
  32 use Maasha::Common;
  33 use Maasha::Biopieces;
  34 use Maasha::Fasta;
  35 use Maasha::Seq;
  36 use Maasha::Filesys;
  37
  38
  39 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  40
  41
  42 my ( $options, $in, $out, $tmp_dir, $tmp_file, $tmp_fh, $record, $entry, @args, $arg_str, @fields, $line );
  43
  44 $options = Maasha::Biopieces::parse_options(
  45     [
  46         { long => 'identity', short => 'i', type => 'float', mandatory => 'no', default => "0.9", allowed => undef, disallowed => undef },
  47         { long => 'library',  short => 'l', type => 'file!', mandatory => 'no', default => undef, allowed => undef, disallowed => undef },
  48         { long => 'no_sort',  short => 'n', type => 'flag',  mandatory => 'no', default => undef, allowed => undef, disallowed => undef },
  49     ]
  50 );
  51
  52 $in  = Maasha::Biopieces::read_stream( $options->{ "stream_in" } );
  53 $out = Maasha::Biopieces::write_stream( $options->{ "stream_out" } );
  54
  55 $tmp_dir  = Maasha::Biopieces::get_tmpdir();
  56 $tmp_file = "$tmp_dir/uclust.fasta";
  57 $tmp_fh   = Maasha::Filesys::file_write_open( $tmp_file );
  58
  59 while ( $record = Maasha::Biopieces::get_record( $in ) )
  60 {
  61     if ( $entry = Maasha::Fasta::biopiece2fasta( $record ) ) {
  62         Maasha::Fasta::put_entry( $entry, $tmp_fh );
  63     }
  64
  65     Maasha::Biopieces::put_record( $record, $out );
  66 }
  67
  68 close $tmp_fh;
  69
  70 uclust_sort( $tmp_file, $tmp_dir, $options->{ 'verbose' } ) if not $options->{ 'no_sort' };
  71
  72 push @args, "--input $tmp_file";
  73 push @args, "--id $options->{ 'identity' }";
  74 push @args, "--tmpdir $tmp_dir";
  75 push @args, "--uc $tmp_file.out";
  76 push @args, "--lib $options->{ 'library' }" if $options->{ 'library' };
  77 push @args, "--libonly"                     if $options->{ 'library' };
  78 push @args, "--quiet"                       if not $options->{ 'verbose' };
  79 push @args, "> /dev/null 2>&1"              if not $options->{ 'verbose' };
  80
  81 $arg_str = join " ", @args;
  82
  83 Maasha::Common::run( "uclust", $arg_str );
  84
  85 $tmp_fh = Maasha::Filesys::file_read_open( "$tmp_file.out" );
  86
  87 while ( $line = <$tmp_fh> )
  88 {
  89     next if $line =~ /^#/;
  90
  91     chomp $line;
  92
  93     @fields = split "\t", $line;
  94
  95     $record = {
  96         REC_TYPE => 'UCLUST',
  97         TYPE     => $fields[ 0 ],
  98         CLUSTER  => $fields[ 1 ],
  99         SIZE     => $fields[ 2 ],
 100         IDENT    => $fields[ 3 ],
 101         STRAND   => $fields[ 4 ],
 102         Q_BEG    => $fields[ 5 ],
 103         S_BEG    => $fields[ 6 ],
 104         CIGAR    => $fields[ 7 ],
 105         SEQ_NAME => $fields[ 8 ],
 106     };
 107
 108     Maasha::Biopieces::put_record( $record, $out );
 109 }
 110
 111 close $tmp_fh;
 112
 113 Maasha::Biopieces::close_stream( $in );
 114 Maasha::Biopieces::close_stream( $out );
 115
 116
 117 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> SUBROUTINES <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 118
 119
 120 sub uclust_sort
 121 {
 122     # Martin A. Hansen, January 2010.
 123
 124     # Sorts a FASTA file according to sequence length
 125     # - longest first -  using uclust.
 126
 127     my ( $file,      # file to sort
 128          $tmp_dir,   # temporary directory for sorting
 129          $verbose,   # verbose flag  -  OPTIONAL
 130        ) = @_;
 131
 132     # Returns nothing.
 133
 134     my ( @args, $arg_str );
 135
 136     push @args, "--mergesort $file";
 137     push @args, "--output $file.sort";
 138     push @args, "--tmpdir $tmp_dir";
 139     push @args, "--quiet"          if not $verbose;
 140     push @args, "> /dev/null 2>&1" if not $verbose;
 141
 142     $arg_str = join " ", @args;
 143
 144     Maasha::Common::run( "uclust", $arg_str );
 145
 146     rename "$file.sort", $file;
 147 }
 148
 149
 150 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 151
 152
 153 BEGIN
 154 {
 155     Maasha::Biopieces::status_set();
 156 }
 157
 158
 159 END
 160 {
 161     Maasha::Biopieces::status_log();
 162 }
 163
 164
 165 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 166
 167
 168 __END__