]> git.donarmstrong.com Git - biopieces.git/blobdiff - bp_bin/classify_taxonomy
refactoring of assemble_pairs
[biopieces.git] / bp_bin / classify_taxonomy
index 8c211ded4e29ff10b38411dac3563152fdd3d8e3..64303fb6b582432ae052b2ceebb36684c3443f84 100755 (executable)
 require 'pp'
 require 'maasha/biopieces'
 
-# Class containing methods to construct a taxonomic tree for the classification of
-# organisms. Currently only works with GreenGenes type of entries.
-class TaxTree
-  # Method to initialize a new TaxTree object.
-  def initialize
-    @tree = TaxNode.new("root", "Root", 0, 0, 0.0)
+# Class containing methods to construct a taxonomic tree recursively
+# for the classification of organisms. Currently only works with GreenGenes type of entries
+class TaxNode
+  attr_accessor :level, :name, :count, :score, :children
+
+  # Method to initalize a TaxNode object.
+  def initialize(level, name, count, score)
+    @level    = level   # Taxonomic level e.g. phylum, class, etc
+    @name     = name    # Name of organism
+    @count    = count   # Number of times this organism was encountered
+    @score    = score   # Similarity score
+    @children = {}
   end
 
-  # Method to add to the TaxTree a GreenGenes entry.
+  # Method to add to the taxonomic tree a GreenGenes entry.
   def add_gg(s_id, score, size)
-    node = @tree
+    node = self
 
-    s_id.scan(/ ([\w])__([^;]+)/) do
+    s_id.scan(/([\w])__([^;]+)/) do
       level = expand_level($1)
       name  = $2
 
       if node.children[name].nil?
-        node.children[name] = TaxNode.new(level, name, 1, size, score)
+        node.children[name] = TaxNode.new(level, name, size * 1, size * score)
       else
-        node.children[name].count += 1
-        node.children[name].score += score
+        node.children[name].count += size * 1
+        node.children[name].score += size * score
       end
 
       node = node.children[name]
     end
   end
 
-  # Method to merge two TaxTrees.
-  def merge(tree)
-    node = @tree
+  # Method to merge two TaxNodes.
+  def merge(node_new, node_old = self)
+    node_new.children.each do |name, child|
+      if node_old.children[name]
+        node_old.children[name].count += child.count
+        node_old.children[name].score += child.score
 
-    tree.flatten.each do |new_node|
-      next if new_node.level == 'root'
-
-      new_node.score = new_node.score / new_node.count
-      new_node.count = 1
-
-      if node.children[new_node.name].nil?
-        node.children[new_node.name] = new_node
+        merge(child, node_old.children[name])
       else
-        node.children[new_node.name].count += new_node.count
-        node.children[new_node.name].score += new_node.score
-        node.children[new_node.name].size  += new_node.size
+        node_old.children[name] = child
       end
+    end
+  end
+
+  # Method to flatten a taxonomic tree turning this into a list by recursive depth first traversal.
+  def flatten(node = self, list = [])
+    list << TaxNode.new(node.level, node.name, node.count, node.score)
 
-      node = node.children[new_node.name]
+    node.children.each_value do |child|
+      flatten(child, list)
     end
+
+    list
   end
 
-  # Method to flatten a TaxTree turning this into a list by recursive depth first traversal.
-  def flatten(node = @tree, list = [])
-    list << TaxNode.new(node.level, node.name, node.count, node.size, node.score)
+  # Method to recursively remove branches in taxonomic tree where the child count is less than or
+  # equal to a given minimum.
+  def debranch(min_count = nil)
+    node = self
 
     node.children.each do |name, child|
-      list = flatten(child, list.dup)
+      node.children.delete(name) if child.count <= min_count
     end
 
-    list
+    node.children.each_value do |child|
+      child.debranch(min_count)
+    end
   end
 
-  # Method to recursively trim a TaxTree show that it only contains a unbranched tree,
+  # Method to recursively trim a taxonomic tree so that it only contains an unbranched tree,
   # which gives the lowest common ancestor.
-  def lowest_common_ancestor(node = @tree)
+  def lowest_common_ancestor
+    node = self
+
     node.children = {} if node.children.size > 1
 
-    node.children.each do |name, child|
-      lowest_common_ancestor(child)
+    node.children.each_value do |child|
+      child.lowest_common_ancestor
     end
   end
 
-  # Method for iterating over a TaxTree.
+  # Method for iterating over a taxonomic tree.
   def each
     self.flatten.each do |node|
       yield node
@@ -110,6 +124,18 @@ class TaxTree
     self
   end
 
+  # Method to convert a TaxNode to a Biopiece record.
+  def to_bp
+    record = {}
+    record[:REC_TYPE] = "Classification"
+    record[:LEVEL]    = @level
+    record[:NAME]     = @name
+    record[:COUNT]    = @count
+    record[:SCORE]    = @count == 0 ? 0.0 : (@score / @count).round(2)
+
+    record
+  end
+
   private
 
   # Method containing a helper hash to expand the phylogenetic level name.
@@ -129,41 +155,16 @@ class TaxTree
 
     hash[level]
   end
-
-  # Nested class for TaxTree nodes.
-  class TaxNode
-    attr_accessor :level, :name, :count, :size, :score, :children
-
-    def initialize(level, name, count, size, score)
-      @level    = level
-      @name     = name
-      @count    = count
-      @size     = size
-      @score    = score
-      @children = {}
-    end
-
-    # Method to convert a TaxNode to a Biopiece record.
-    def to_bp
-      record = {}
-      record[:REC_TYPE] = "Classification"
-      record[:LEVEL]    = @level
-      record[:NAME]     = @name
-      record[:COUNT]    = @size
-      record[:SCORE]    = @count == 0 ? 0.0 : (@score / @count).round(2)
-
-      record
-    end
-  end
 end
 
 casts = []
-casts << {:long=>'LCA',  :short=>'l', :type=>'flag', :mandatory=>false, :default=>nil, :allowed=>nil, :disallowed=>nil}
-casts << {:long=>'size', :short=>'s', :type=>'uint', :mandatory=>false, :default=>nil, :allowed=>nil, :disallowed=>nil}
+casts << {:long=>'LCA',       :short=>'l', :type=>'flag', :mandatory=>false, :default=>nil, :allowed=>nil, :disallowed=>nil}
+casts << {:long=>'size',      :short=>'s', :type=>'flag', :mandatory=>false, :default=>nil, :allowed=>nil, :disallowed=>nil}
+casts << {:long=>'min_count', :short=>'m', :type=>'uint', :mandatory=>false, :default=>nil, :allowed=>nil, :disallowed=>nil}
 
 options = Biopieces.options_parse(ARGV, casts)
 
-tax_tree = TaxTree.new
+tax_tree = TaxNode.new("root", "Root", 0, 0.0)
 tax_hash = {}
 
 Biopieces.open(options[:stream_in], options[:stream_out]) do |input, output|
@@ -174,26 +175,31 @@ Biopieces.open(options[:stream_in], options[:stream_out]) do |input, output|
       if options[:size]
         if record[:Q_ID].match(/_(\d+)$/)
           size = $1.to_i
-        else
-          raise BiopiecesError, "Could not extract size from Q_ID: #{record[:Q_ID]}"
+#        else
+#          raise BiopiecesError, "Could not extract size from Q_ID: #{record[:Q_ID]}"
         end
       end
 
-      tax_hash[record[:Q_ID]] = TaxTree.new unless tax_hash[record[:Q_ID]]
-      tax_hash[record[:Q_ID]].add_gg(record[:S_ID], record[:SCORE].to_f, size)
+      if options[:LCA]
+        tax_hash[record[:Q_ID]] = TaxNode.new("root", "Root", 0, 0.0) unless tax_hash[record[:Q_ID]]
+        tax_hash[record[:Q_ID]].add_gg(record[:S_ID], record[:SCORE].to_f, size)
+      else
+        tax_tree.add_gg(record[:S_ID], record[:SCORE].to_f, size)
+      end
     else
       output.puts record
     end
   end
 
   if options[:LCA]
-    tax_hash.each do |q_id, tree|
+    tax_hash.each_value do |tree|
+      tree.debranch(options[:min_count]) if options[:min_count]
       tree.lowest_common_ancestor
     end
-  end
 
-  tax_hash.each do |q_id, tree|
-    tax_tree.merge(tree)
+    tax_hash.each_value do |tree|
+      tax_tree.merge(tree)
+    end
   end
 
   tax_tree.each do |node|