bin/combine_results

   1 #! /usr/bin/perl
   2
   3 # combine_results, is part of the gene search suite, and is released
   4 # under the terms of the GPL version 2, or any later version, at your
   5 # option. See the file README and COPYING for more information.
   6
   7 # Copyright 2006,2007 by Don Armstrong <don@donarmstrong.com>.
   8
   9
  10 use warnings;
  11 use strict;
  12
  13
  14 use Getopt::Long;
  15 use Pod::Usage;
  16
  17 =head1 NAME
  18
  19   combine_results -- combines parsed result files; outputs to stdout.
  20
  21 =head1 SYNOPSIS
  22
  23  combine_results parsed_results_1.txt [parsedresultfiles ...]
  24
  25  Options:
  26   --debug, -d debugging level [default 0]
  27   --help, -h display this help
  28   --man, -m display manual
  29
  30 =head1 OPTIONS
  31
  32 =over
  33
  34 =item B<--debug, -d>
  35
  36 Debug verbosity. (Default 0)
  37
  38 =item B<--help, -h>
  39
  40 Display brief useage information.
  41
  42 =item B<--man, -m>
  43
  44 Display this manual.
  45
  46 =back
  47
  48 =head1 EXAMPLES
  49
  50   combine_results foo_1.txt
  51
  52 Will pretty much do what you want
  53
  54 =cut
  55
  56
  57
  58 use vars qw($DEBUG);
  59
  60 BEGIN{
  61      $DEBUG = 0 unless defined $DEBUG;
  62 }
  63
  64 use XML::Parser::Expat;
  65 use IO::File;
  66
  67 # XXX parse config file
  68
  69 my %options = (debug    => 0,
  70                help     => 0,
  71                man      => 0,
  72               );
  73
  74 GetOptions(\%options,'keyword|k=s','debug|d+','help|h|?','man|m');
  75
  76
  77 pod2usage() if $options{help};
  78 pod2usage({verbose=>2}) if $options{man};
  79
  80 $DEBUG = $options{debug};
  81
  82 # CSV columns
  83 use constant {NAME        => 0,
  84               REFSEQ      => 1,
  85               LOCATION    => 2,
  86               ALIAS       => 3,
  87               FUNCTION    => 4,
  88               DESCRIPTION => 5,
  89               KEYWORD     => 6,
  90               DBNAME      => 7,
  91               FILENAME    => 8,
  92              };
  93
  94 my @csv_fields = qw(name hits rzscore refseq location alias database terms description function);
  95
  96 my %genes;
  97
  98 for my $file_name (@ARGV) {
  99      my $file = new IO::File $file_name, 'r' or die "Unable to open file $file_name $!";
 100      while (<$file>) {
 101           next if /^"Name"/;
 102           my @gene = map {s/^\"//; s/\"$//; $_;} split /(?<=\")\,(?=\")/, $_;
 103           $genes{$gene[NAME]}{name} = $gene[NAME];
 104           $genes{$gene[NAME]}{database}{$gene[DBNAME]}++;
 105           $genes{$gene[NAME]}{hits}++;
 106           $genes{$gene[NAME]}{terms}{$gene[KEYWORD]}++;
 107           $genes{$gene[NAME]}{terms}{$gene[KEYWORD].'['.$gene[DBNAME].']'}++;
 108           add_unique_parts($genes{$gene[NAME]},'refseq',$gene[REFSEQ]);
 109           add_if_better($genes{$gene[NAME]},'description',$gene[DESCRIPTION]);
 110           add_if_better($genes{$gene[NAME]},'location',$gene[LOCATION]);
 111           add_unique_parts($genes{$gene[NAME]},'function',split(/; /, $gene[FUNCTION]));
 112           add_unique_parts($genes{$gene[NAME]},'alias', split(/; /, $gene[ALIAS]));
 113      }
 114 }
 115
 116 print join(',',map {qq("$_")} @csv_fields),qq(\n);
 117 for my $gene (keys %genes) {
 118      $genes{$gene}{rzscore} = scalar grep {$_ !~ /\[/} keys %{$genes{$gene}{terms}};
 119      next if $genes{$gene}{rzscore} == 1 and exists $genes{$gene}{terms}{antigen};
 120      $genes{$gene}{rzscore} -= 1 if exists $genes{$gene}{terms}{antigen};
 121      print STDOUT join (',',
 122                         map {s/"//g; qq("$_")}
 123                         map {
 124                              my $value = $_;
 125                              if (ref $value eq 'HASH') {
 126                                   join('; ',map {qq($_:$$value{$_})} keys %$value);
 127                              }
 128                              elsif (ref $value eq 'ARRAY') {
 129                                   join('; ', @$value);
 130                              }
 131                              else {
 132                                   $value;
 133                              }
 134                         } @{$genes{$gene}}{@csv_fields}
 135                        ), qq(\n);
 136 }
 137
 138
 139 sub add_unique_parts{
 140      my ($hr,$key,@values) = @_;
 141      if (not defined $$hr{key}) {
 142           $$hr{$key} = [@values];
 143      }
 144      else {
 145           my %temp_hash;
 146           @temp_hash{@{$$hr{$key}}} = (1) x scalar @{$$hr{$key}};
 147           $temp_hash{@values} = (1) x scalar @values;
 148           $$hr{$key} = [keys %temp_hash];
 149      }
 150 }
 151
 152 sub add_if_better{
 153      my ($hash, $key, $value) = @_;
 154      if (not defined $$hash{$key}) {
 155           $$hash{$key} = $value;
 156      }
 157      elsif (length $$hash{$key} < length $value and $value !~ /^NO\s+(LOCATION|DESCRIPTION)+$/) {
 158           $$hash{$key} = $value;
 159      }
 160 }
 161
 162
 163
 164
 165 __END__