bp_bin/get_genome_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 # Extract subsequences from a genome sequence.
  25
  26 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  27
  28
  29 use warnings;
  30 use strict;
  31 use Maasha::Biopieces;
  32 use Maasha::Filesys;
  33 use Maasha::Fasta;
  34 use Maasha::Seq;
  35
  36
  37 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  38
  39
  40 my ( $options, $in, $out, $record, $genome_file, $index_file, $fh, $genome,
  41      $beg, $end, $len, $index_beg, $index_len, @begs, @lens, $index, $seq, $i, %lookup_hash );
  42
  43 $options = Maasha::Biopieces::parse_options(
  44     [
  45         { long => 'genome', short => 'g', type => 'genome', mandatory => 'yes', default => undef, allowed => undef, disallowed => undef },
  46         { long => 'chr',    short => 'c', type => 'string', mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  47         { long => 'beg',    short => 'b', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  48         { long => 'end',    short => 'e', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  49         { long => 'len',    short => 'l', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  50         { long => 'flank',  short => 'f', type => 'uint',   mandatory => 'no',  default => 0,     allowed => undef, disallowed => undef },
  51         { long => 'mask',   short => 'm', type => 'flag',   mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  52         { long => 'splice', short => 's', type => 'flag',   mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  53     ]
  54 );
  55
  56 $in  = Maasha::Biopieces::read_stream( $options->{ "stream_in" } );
  57 $out = Maasha::Biopieces::write_stream( $options->{ "stream_out" } );
  58
  59 if ( $options->{ "genome" } )
  60 {
  61     $genome      = $options->{ "genome" };
  62
  63     $genome_file = "$ENV{ 'BP_DATA' }/genomes/$genome/fasta/$genome.fna";
  64     $index_file  = "$ENV{ 'BP_DATA' }/genomes/$genome/fasta/$genome.index";
  65
  66     $fh          = Maasha::Filesys::file_read_open( $genome_file );
  67     $index       = Maasha::Fasta::index_retrieve( $index_file );
  68
  69     shift @{ $index }; # Get rid of the file size info
  70
  71     map { $lookup_hash{ $_->[ 0 ] } = [ $_->[ 1 ], $_->[ 2 ] ] } @{ $index };
  72
  73     if ( defined $options->{ "chr" } and exists $lookup_hash{ $options->{ "chr" } } and defined $options->{ "beg" } and ( defined $options->{ "end" } or defined $options->{ "len" } ) )
  74     {
  75         ( $index_beg, $index_len ) = @{ $lookup_hash{ $options->{ "chr" } } };
  76
  77         $beg = $index_beg + $options->{ "beg" } - 1;
  78
  79         if ( $options->{ "len" } ) {
  80             $len = $options->{ "len" };
  81         } elsif ( $options->{ "end" } ) {
  82             $len = ( $options->{ "end" } - $options->{ "beg" } + 1 );
  83         }
  84
  85         $beg -= $options->{ "flank" };
  86         $len += 2 * $options->{ "flank" };
  87
  88         if ( $beg <= $index_beg )
  89         {
  90             $len -= $index_beg - $beg;
  91             $beg = $index_beg;
  92         }
  93
  94         if ( $beg + $len > $index_beg + $index_len ) {
  95             $len = $index_beg + $index_len - $beg;
  96         }
  97
  98         next if $beg > $index_beg + $index_len;
  99
 100         $record->{ "CHR" }     = $options->{ "chr" };
 101         $record->{ "CHR_BEG" } = $beg - $index_beg;
 102         $record->{ "CHR_END" } = $record->{ "CHR_BEG" } + $len - 1;
 103
 104         $record->{ "SEQ" }     = Maasha::Filesys::file_read( $fh, $beg, $len );
 105         $record->{ "SEQ_LEN" } = $len;
 106
 107         Maasha::Biopieces::put_record( $record, $out );
 108     }
 109 }
 110
 111 while ( $record = Maasha::Biopieces::get_record( $in ) )
 112 {
 113     if ( $options->{ "genome" } and not $record->{ "SEQ" } )
 114     {
 115         if ( $record->{ "REC_TYPE" } eq "BED" and exists $lookup_hash{ $record->{ "CHR" } } )
 116         {
 117             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "CHR" } } };
 118
 119             $beg = $record->{ "CHR_BEG" } + $index_beg;
 120             $len = $record->{ "CHR_END" } - $record->{ "CHR_BEG" } + 1;
 121         }
 122         elsif ( $record->{ "REC_TYPE" } eq "PSL" and exists $lookup_hash{ $record->{ "S_ID" } } )
 123         {
 124             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 125
 126             $beg = $record->{ "S_BEG" } + $index_beg;
 127             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 128         }
 129         elsif ( $record->{ "REC_TYPE" } eq "VMATCH" and exists $lookup_hash{ $record->{ "S_ID" } } )
 130         {
 131             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 132
 133             $beg = $record->{ "S_BEG" } + $index_beg;
 134             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 135         }
 136         elsif ( $record->{ "REC_TYPE" } eq "BLAST" and exists $lookup_hash{ $record->{ "S_ID" } } )
 137         {
 138             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 139
 140             $beg = $record->{ "S_BEG" } + $index_beg;
 141             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 142         }
 143
 144         $beg -= $options->{ "flank" };
 145         $len += 2 * $options->{ "flank" };
 146
 147         if ( $beg <= $index_beg )
 148         {
 149             $len -= $index_beg - $beg;
 150             $beg = $index_beg;
 151         }
 152
 153         $len = $index_beg + $index_len - $beg if $beg + $len > $index_beg + $index_len;
 154
 155         next if $beg > $index_beg + $index_len;
 156
 157         $record->{ "CHR_BEG" } = $beg - $index_beg;
 158         $record->{ "CHR_END" } = $record->{ "CHR_BEG" } + $len - 1;
 159
 160         $record->{ "SEQ" } = Maasha::Filesys::file_read( $fh, $beg, $len );
 161
 162         if ( $record->{ "STRAND" } and $record->{ "STRAND" } eq "-" )
 163         {
 164             Maasha::Seq::dna_comp( \$record->{ "SEQ" } );
 165             $record->{ "SEQ" } = reverse $record->{ "SEQ" };
 166         }
 167
 168         if ( $options->{ "mask" } )
 169         {
 170             if ( $record->{ "BLOCK_COUNT" } > 1 ) # uppercase hit block segments and lowercase the rest.
 171             {
 172                 $record->{ "SEQ" } = lc $record->{ "SEQ" };
 173
 174                 @begs = split ",", $record->{ "Q_BEGS" };
 175                 @lens = split ",", $record->{ "BLOCK_LENS" };
 176
 177                 for ( $i = 0; $i < @begs; $i++ ) {
 178                     substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ], uc substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 179                 }
 180             }
 181         }
 182         elsif ( $options->{ "splice" } )
 183         {
 184             if ( $record->{ "BLOCK_COUNT" } > 1 ) # splice block sequences
 185             {
 186                 $seq  = "";
 187                 @begs = split ",", $record->{ "Q_BEGS" };
 188                 @lens = split ",", $record->{ "BLOCK_LENS" };
 189
 190                 for ( $i = 0; $i < @begs; $i++ ) {
 191                     $seq .= substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 192                 }
 193
 194                 $record->{ "SEQ" } = $seq;
 195             }
 196         }
 197
 198         $record->{ "SEQ_LEN" } = length $record->{ "SEQ" };
 199     }
 200
 201     Maasha::Biopieces::put_record( $record, $out );
 202 }
 203
 204 Maasha::Biopieces::close_stream( $in );
 205 Maasha::Biopieces::close_stream( $out );
 206
 207
 208 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 209
 210
 211 BEGIN
 212 {
 213     Maasha::Biopieces::status_set();
 214 }
 215
 216
 217 END
 218 {
 219     Maasha::Biopieces::status_log();
 220 }
 221
 222
 223 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 224
 225
 226 __END__