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 Data::Dumper;
  32 use Maasha::Biopieces;
  33 use Maasha::Filesys;
  34 use Maasha::Fasta;
  35 use Maasha::Seq;
  36
  37
  38 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  39
  40
  41 my ( $options, $in, $out, $record, $genome_file, $index_file, $fh, $genome,
  42      $beg, $end, $len, $index_beg, $index_len, @begs, @lens, $index, $seq, $i );
  43
  44 $options = Maasha::Biopieces::parse_options(
  45     [
  46         { long => 'genome', short => 'g', type => 'genome', mandatory => 'yes', default => undef, allowed => undef, disallowed => undef },
  47         { long => 'chr',    short => 'c', type => 'string', mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  48         { long => 'beg',    short => 'b', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  49         { long => 'end',    short => 'e', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  50         { long => 'len',    short => 'l', type => 'uint',   mandatory => 'no',  default => undef, allowed => undef, disallowed => 0 },
  51         { long => 'flank',  short => 'f', type => 'uint',   mandatory => 'no',  default => 0,     allowed => undef, disallowed => undef },
  52         { long => 'mask',   short => 'm', type => 'flag',   mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  53         { long => 'splice', short => 's', type => 'flag',   mandatory => 'no',  default => undef, allowed => undef, disallowed => undef },
  54     ]
  55 );
  56
  57 $in  = Maasha::Biopieces::read_stream( $options->{ "stream_in" } );
  58 $out = Maasha::Biopieces::write_stream( $options->{ "stream_out" } );
  59
  60 if ( $options->{ "genome" } )
  61 {
  62     $genome      = $options->{ "genome" };
  63
  64     $genome_file = "$ENV{ 'BP_DATA' }/genomes/$genome/fasta/$genome.fna";
  65     $index_file  = "$ENV{ 'BP_DATA' }/genomes/$genome/fasta/$genome.index";
  66
  67     $fh          = Maasha::Filesys::file_read_open( $genome_file );
  68     $index       = Maasha::Fasta::index_retrieve( $index_file );
  69
  70     if ( defined $options->{ "chr" } and exists $index->{ $options->{ "chr" } } and defined $options->{ "beg" } and ( defined $options->{ "end" } or defined $options->{ "len" } ) )
  71     {
  72         ( $index_beg, $index_len ) = @{ $index->{ $options->{ "chr" } } };
  73
  74         $beg = $index_beg + $options->{ "beg" } - 1;
  75
  76         if ( $options->{ "len" } ) {
  77             $len = $options->{ "len" };
  78         } elsif ( $options->{ "end" } ) {
  79             $len = ( $options->{ "end" } - $options->{ "beg" } + 1 );
  80         }
  81
  82         $beg -= $options->{ "flank" };
  83         $len += 2 * $options->{ "flank" };
  84
  85         if ( $beg <= $index_beg )
  86         {
  87             $len -= $index_beg - $beg;
  88             $beg = $index_beg;
  89         }
  90
  91         if ( $beg + $len > $index_beg + $index_len ) {
  92             $len = $index_beg + $index_len - $beg;
  93         }
  94
  95         next if $beg > $index_beg + $index_len;
  96
  97         $record->{ "CHR" }     = $options->{ "chr" };
  98         $record->{ "CHR_BEG" } = $beg - $index_beg;
  99         $record->{ "CHR_END" } = $record->{ "CHR_BEG" } + $len - 1;
 100
 101         $record->{ "SEQ" }     = Maasha::Filesys::file_read( $fh, $beg, $len );
 102         $record->{ "SEQ_LEN" } = $len;
 103
 104         Maasha::Biopieces::put_record( $record, $out );
 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 $index->{ $record->{ "CHR" } } )
 113         {
 114             ( $index_beg, $index_len ) = @{ $index->{ $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 $index->{ $record->{ "S_ID" } } )
 120         {
 121             ( $index_beg, $index_len ) = @{ $index->{ $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 "VMATCH" and exists $index->{ $record->{ "S_ID" } } )
 127         {
 128             ( $index_beg, $index_len ) = @{ $index->{ $record->{ "S_ID" } } };
 129
 130             $beg = $record->{ "S_BEG" } + $index_beg;
 131             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 132         }
 133         elsif ( $record->{ "REC_TYPE" } eq "BLAST" and exists $index->{ $record->{ "S_ID" } } )
 134         {
 135             ( $index_beg, $index_len ) = @{ $index->{ $record->{ "S_ID" } } };
 136
 137             $beg = $record->{ "S_BEG" } + $index_beg;
 138             $len = $record->{ "S_END" } - $record->{ "S_BEG" } + 1;
 139         }
 140
 141         $beg -= $options->{ "flank" };
 142         $len += 2 * $options->{ "flank" };
 143
 144         if ( $beg <= $index_beg )
 145         {
 146             $len -= $index_beg - $beg;
 147             $beg = $index_beg;
 148         }
 149
 150         $len = $index_beg + $index_len - $beg if $beg + $len > $index_beg + $index_len;
 151
 152         next if $beg > $index_beg + $index_len;
 153
 154         $record->{ "CHR_BEG" } = $beg - $index_beg;
 155         $record->{ "CHR_END" } = $record->{ "CHR_BEG" } + $len - 1;
 156
 157         $record->{ "SEQ" } = Maasha::Filesys::file_read( $fh, $beg, $len );
 158
 159         if ( $record->{ "STRAND" } and $record->{ "STRAND" } eq "-" )
 160         {
 161             Maasha::Seq::dna_comp( \$record->{ "SEQ" } );
 162             $record->{ "SEQ" } = reverse $record->{ "SEQ" };
 163         }
 164
 165         if ( $options->{ "mask" } )
 166         {
 167             if ( $record->{ "BLOCK_COUNT" } > 1 ) # uppercase hit block segments and lowercase the rest.
 168             {
 169                 $record->{ "SEQ" } = lc $record->{ "SEQ" };
 170
 171                 @begs = split ",", $record->{ "Q_BEGS" };
 172                 @lens = split ",", $record->{ "BLOCK_LENS" };
 173
 174                 for ( $i = 0; $i < @begs; $i++ ) {
 175                     substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ], uc substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 176                 }
 177             }
 178         }
 179         elsif ( $options->{ "splice" } )
 180         {
 181             if ( $record->{ "BLOCK_COUNT" } > 1 ) # splice block sequences
 182             {
 183                 $seq  = "";
 184                 @begs = split ",", $record->{ "Q_BEGS" };
 185                 @lens = split ",", $record->{ "BLOCK_LENS" };
 186
 187                 for ( $i = 0; $i < @begs; $i++ ) {
 188                     $seq .= substr $record->{ "SEQ" }, $begs[ $i ], $lens[ $i ];
 189                 }
 190
 191                 $record->{ "SEQ" } = $seq;
 192             }
 193         }
 194
 195         $record->{ "SEQ_LEN" } = length $record->{ "SEQ" };
 196     }
 197
 198     Maasha::Biopieces::put_record( $record, $out );
 199 }
 200
 201 Maasha::Biopieces::close_stream( $in );
 202 Maasha::Biopieces::close_stream( $out );
 203
 204
 205 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 206
 207
 208 BEGIN
 209 {
 210     Maasha::Biopieces::status_set();
 211 }
 212
 213
 214 END
 215 {
 216     Maasha::Biopieces::status_log();
 217 }
 218
 219
 220 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
 221
 222
 223 __END__