bp_bin/get_genome_seq

   1 #!/usr/bin/env perl -w
   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 # Extract subsequences from a genome sequence.
  25
  26 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  27
  28
  29 use strict;
  30 use Maasha::Biopieces;
  31 use Maasha::Filesys;
  32 use Maasha::Seq;
  33
  34
  35 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  36
  37
  38 my ( $options, $in, $out, $record, $genome_file, $index_file, $fh, $genome,
  39      $beg, $end, $len, $index_beg, $index_len, @begs, @lens, $index, $seq, $i, %lookup_hash );
  40
  41 $options = Maasha::Biopieces::parse_options(
  42     [
  43         { long => 'genome', short => 'g', type => 'genome', mandatory => 'yes', default => undef, allowed => undef, disallowed => undef },
  44         { long => 'chr',    short => 'c', type => 'string', mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  45         { long => 'beg',    short => 'b', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  46         { long => 'end',    short => 'e', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  47         { long => 'len',    short => 'l', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  48         { long => 'flank',  short => 'f', type => 'uint',   mandatory => 'no',  default => 0,     allowed => undef, disallowed => undef },
  49         { long => 'mask',   short => 'm', type => 'flag',   mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  50         { long => 'splice', short => 's', type => 'flag',   mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  51     ]
  52 );
  53
  54 $in  = Maasha::Biopieces::read_stream( $options->{ "stream_in" } );
  55 $out = Maasha::Biopieces::write_stream( $options->{ "stream_out" } );
  56
  57 if ( $options->{ "genome" } )
  58 {
  59     $genome      = $options->{ "genome" };
  60
  61     $genome_file = "$ENV{ 'BP_DATA' }/genomes/$genome/fasta/$genome.fna";
  62     $index_file  = "$ENV{ 'BP_DATA' }/genomes/$genome/fasta/$genome.index";
  63
  64     $fh          = Maasha::Filesys::file_read_open( $genome_file );
  65     $index       = Maasha::Fasta::index_retrieve( $index_file );
  66
  67     shift @{ $index }; # Get rid of the file size info
  68
  69     map { $lookup_hash{ $_->[ 0 ] } = [ $_->[ 1 ], $_->[ 2 ] ] } @{ $index };
  70
  71     if ( defined $options->{ "chr" } and exists $lookup_hash{ $options->{ "chr" } } and defined $options->{ "beg" } and ( defined $options->{ "end" } or defined $options->{ "len" } ) )
  72     {
  73         ( $index_beg, $index_len ) = @{ $lookup_hash{ $options->{ "chr" } } };
  74
  75         $beg = $index_beg + $options->{ "beg" } - 1;
  76
  77         if ( $options->{ "len" } ) {
  78             $len = $options->{ "len" };
  79         } elsif ( $options->{ "end" } ) {
  80             $len = ( $options->{ "end" } - $options->{ "beg" } + 1 );
  81         }
  82
  83         $beg -= $options->{ "flank" };
  84         $len += 2 * $options->{ "flank" };
  85
  86         if ( $beg <= $index_beg )
  87         {
  88             $len -= $index_beg - $beg;
  89             $beg = $index_beg;
  90         }
  91
  92         $len = $index_beg + $index_len - $beg if $beg + $len > $index_beg + $index_len;
  93
  94         next if $beg > $index_beg + $index_len;
  95
  96         $record->{ "CHR" }     = $options->{ "chr" };
  97         $record->{ "CHR_BEG" } = $beg - $index_beg;
  98         $record->{ "CHR_END" } = $record->{ "CHR_BEG" } + $len - 1;
  99
 100         $record->{ "SEQ" }     = Maasha::Filesys::file_read( $fh, $beg, $len );
 101         $record->{ "SEQ_LEN" } = $len;
 102
 103         Maasha::Biopieces::put_record( $record, $out );
 104     }
 105 }
 106
 107
 108 while ( $record = Maasha::Biopieces::get_record( $in ) )
 109 {
 110     if ( $options->{ "genome" } and not $record->{ "SEQ" } )
 111     {
 112         if ( $record->{ "REC_TYPE" } eq "BED" and exists $lookup_hash{ $record->{ "CHR" } } )
 113         {
 114             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "CHR" } } };
 115
 116             $beg = $record->{ "CHR_BEG" } + $index_beg;
 117             $len = $record->{ "CHR_END" } - $record->{ "CHR_BEG" } + 1;
 118         }
 119         elsif ( $record->{ "REC_TYPE" } eq "PSL" and exists $lookup_hash{ $record->{ "S_ID" } } )
 120         {
 121             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 122
 123             $beg = $record->{ "S_BEG" } + $index_beg;
 124             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 125         }
 126         elsif ( $record->{ "REC_TYPE" } eq "BLAST" and exists $lookup_hash{ $record->{ "S_ID" } } )
 127         {
 128             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 129
 130             $beg = $record->{ "S_BEG" } + $index_beg;
 131             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 132         }
 133
 134         $beg -= $options->{ "flank" };
 135         $len += 2 * $options->{ "flank" };
 136
 137         if ( $beg <= $index_beg )
 138         {
 139             $len -= $index_beg - $beg;
 140             $beg = $index_beg;
 141         }
 142
 143         $len = $index_beg + $index_len - $beg if $beg + $len > $index_beg + $index_len;
 144
 145         next if $beg > $index_beg + $index_len;
 146
 147         $record->{ "CHR_BEG" } = $beg - $index_beg;
 148         $record->{ "CHR_END" } = $record->{ "CHR_BEG" } + $len - 1;
 149
 150         $record->{ "SEQ" } = Maasha::Filesys::file_read( $fh, $beg, $len );
 151
 152         if ( $record->{ "STRAND" } and $record->{ "STRAND" } eq "-" )
 153         {
 154             Maasha::Seq::dna_comp( \$record->{ "SEQ" } );
 155             $record->{ "SEQ" } = reverse $record->{ "SEQ" };
 156         }
 157
 158         if ( $options->{ "mask" } )
 159         {
 160             if ( $record->{ "BLOCK_COUNT" } > 1 ) # uppercase hit block segments and lowercase the rest.
 161             {
 162                 $record->{ "SEQ" } = lc $record->{ "SEQ" };
 163
 164                 @begs = split ",", $record->{ "Q_BEGS" };
 165                 @lens = split ",", $record->{ "BLOCK_LENS" };
 166
 167                 for ( $i = 0; $i < @begs; $i++ ) {
 168                     substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ], uc substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 169                 }
 170             }
 171         }
 172         elsif ( $options->{ "splice" } )
 173         {
 174             if ( $record->{ "BLOCK_COUNT" } > 1 ) # splice block sequences
 175             {
 176                 $seq  = "";
 177                 @begs = split ",", $record->{ "Q_BEGS" };
 178                 @lens = split ",", $record->{ "BLOCK_LENS" };
 179
 180                 for ( $i = 0; $i < @begs; $i++ ) {
 181                     $seq .= substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 182                 }
 183
 184                 $record->{ "SEQ" } = $seq;
 185             }
 186         }
 187
 188         $record->{ "SEQ_LEN" } = length $record->{ "SEQ" };
 189     }
 190
 191     Maasha::Biopieces::put_record( $record, $out );
 192 }
 193
 194 Maasha::Biopieces::close_stream( $in );
 195 Maasha::Biopieces::close_stream( $out );
 196
 197
 198 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 199
 200
 201 BEGIN
 202 {
 203     Maasha::Biopieces::status_set();
 204 }
 205
 206
 207 END
 208 {
 209     Maasha::Biopieces::status_log();
 210 }
 211
 212
 213 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 214
 215
 216 __END__