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 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 while ( $record = Maasha::Biopieces::get_record( $in ) )
 108 {
 109     if ( $options->{ "genome" } and not $record->{ "SEQ" } )
 110     {
 111         if ( $record->{ "REC_TYPE" } eq "BED" and exists $lookup_hash{ $record->{ "CHR" } } )
 112         {
 113             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "CHR" } } };
 114
 115             $beg = $record->{ "CHR_BEG" } + $index_beg;
 116             $len = $record->{ "CHR_END" } - $record->{ "CHR_BEG" } + 1;
 117         }
 118         elsif ( $record->{ "REC_TYPE" } eq "PSL" and exists $lookup_hash{ $record->{ "S_ID" } } )
 119         {
 120             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 121
 122             $beg = $record->{ "S_BEG" } + $index_beg;
 123             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 124         }
 125         elsif ( $record->{ "REC_TYPE" } eq "VMATCH" and exists $lookup_hash{ $record->{ "S_ID" } } )
 126         {
 127             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 128
 129             $beg = $record->{ "S_BEG" } + $index_beg;
 130             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 131         }
 132         elsif ( $record->{ "REC_TYPE" } eq "BLAST" and exists $lookup_hash{ $record->{ "S_ID" } } )
 133         {
 134             ( $index_beg, $index_len ) = @{ $lookup_hash{ $record->{ "S_ID" } } };
 135
 136             $beg = $record->{ "S_BEG" } + $index_beg;
 137             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 138         }
 139
 140         $beg -= $options->{ "flank" };
 141         $len += 2 * $options->{ "flank" };
 142
 143         if ( $beg <= $index_beg )
 144         {
 145             $len -= $index_beg - $beg;
 146             $beg = $index_beg;
 147         }
 148
 149         $len = $index_beg + $index_len - $beg if $beg + $len > $index_beg + $index_len;
 150
 151         next if $beg > $index_beg + $index_len;
 152
 153         $record->{ "CHR_BEG" } = $beg - $index_beg;
 154         $record->{ "CHR_END" } = $record->{ "CHR_BEG" } + $len - 1;
 155
 156         $record->{ "SEQ" } = Maasha::Filesys::file_read( $fh, $beg, $len );
 157
 158         if ( $record->{ "STRAND" } and $record->{ "STRAND" } eq "-" )
 159         {
 160             Maasha::Seq::dna_comp( \$record->{ "SEQ" } );
 161             $record->{ "SEQ" } = reverse $record->{ "SEQ" };
 162         }
 163
 164         if ( $options->{ "mask" } )
 165         {
 166             if ( $record->{ "BLOCK_COUNT" } > 1 ) # uppercase hit block segments and lowercase the rest.
 167             {
 168                 $record->{ "SEQ" } = lc $record->{ "SEQ" };
 169
 170                 @begs = split ",", $record->{ "Q_BEGS" };
 171                 @lens = split ",", $record->{ "BLOCK_LENS" };
 172
 173                 for ( $i = 0; $i < @begs; $i++ ) {
 174                     substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ], uc substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 175                 }
 176             }
 177         }
 178         elsif ( $options->{ "splice" } )
 179         {
 180             if ( $record->{ "BLOCK_COUNT" } > 1 ) # splice block sequences
 181             {
 182                 $seq  = "";
 183                 @begs = split ",", $record->{ "Q_BEGS" };
 184                 @lens = split ",", $record->{ "BLOCK_LENS" };
 185
 186                 for ( $i = 0; $i < @begs; $i++ ) {
 187                     $seq .= substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 188                 }
 189
 190                 $record->{ "SEQ" } = $seq;
 191             }
 192         }
 193
 194         $record->{ "SEQ_LEN" } = length $record->{ "SEQ" };
 195     }
 196
 197     Maasha::Biopieces::put_record( $record, $out );
 198 }
 199
 200 Maasha::Biopieces::close_stream( $in );
 201 Maasha::Biopieces::close_stream( $out );
 202
 203
 204 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 205
 206
 207 BEGIN
 208 {
 209     Maasha::Biopieces::status_set();
 210 }
 211
 212
 213 END
 214 {
 215     Maasha::Biopieces::status_log();
 216 }
 217
 218
 219 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 220
 221
 222 __END__