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                keywords => [],
  73               );
  74
  75 GetOptions(\%options,'keywords|k=s@','debug|d+','help|h|?','man|m');
  76
  77
  78 pod2usage() if $options{help};
  79 pod2usage({verbose=>2}) if $options{man};
  80
  81 $DEBUG = $options{debug};
  82
  83 # CSV columns
  84 use constant {NAME        => 0,
  85               REFSEQ      => 1,
  86               LOCATION    => 2,
  87               ALIAS       => 3,
  88               FUNCTION    => 4,
  89               DESCRIPTION => 5,
  90               KEYWORD     => 6,
  91               DBNAME      => 7,
  92               FILENAME    => 8,
  93              };
  94
  95 my @csv_fields = qw(name hits rzscore refseq location alias database terms description function);
  96
  97 my %genes;
  98
  99 for my $file_name (@ARGV) {
 100      my $file = new IO::File $file_name, 'r' or die "Unable to open file $file_name $!";
 101      while (<$file>) {
 102           next if /^"Name"/;
 103           my @gene = map {s/^\"//; s/\"$//; $_;} split /(?<=\")\,(?=\")/, $_;
 104           $genes{$gene[NAME]}{name} = $gene[NAME];
 105           $genes{$gene[NAME]}{database}{$gene[DBNAME]}++;
 106           $genes{$gene[NAME]}{hits}++;
 107           $genes{$gene[NAME]}{terms}{$gene[KEYWORD]}++;
 108           $genes{$gene[NAME]}{terms}{$gene[KEYWORD].'['.$gene[DBNAME].']'}++;
 109           add_unique_parts($genes{$gene[NAME]},'refseq',$gene[REFSEQ]);
 110           add_if_better($genes{$gene[NAME]},'description',$gene[DESCRIPTION]);
 111           add_if_better($genes{$gene[NAME]},'location',$gene[LOCATION]);
 112           add_unique_parts($genes{$gene[NAME]},'function',split(/; /, $gene[FUNCTION]));
 113           add_unique_parts($genes{$gene[NAME]},'alias', split(/; /, $gene[ALIAS]));
 114      }
 115 }
 116
 117 print join(',',map {qq("$_")} @csv_fields),qq(\n);
 118 for my $gene (keys %genes) {
 119      $genes{$gene}{rzscore} = scalar grep {$_ !~ /\[/} keys %{$genes{$gene}{terms}};
 120      print STDOUT join (',',
 121                         map {s/"//g; qq("$_")}
 122                         map {
 123                              my $value = $_;
 124                              if (ref $value eq 'HASH') {
 125                                   join('; ',map {qq($_:$$value{$_})} keys %$value);
 126                              }
 127                              elsif (ref $value eq 'ARRAY') {
 128                                   join('; ', @$value);
 129                              }
 130                              else {
 131                                   $value;
 132                              }
 133                         } @{$genes{$gene}}{@csv_fields}
 134                        ), qq(\n);
 135 }
 136
 137
 138 sub add_unique_parts{
 139      my ($hr,$key,@values) = @_;
 140      if (not defined $$hr{key}) {
 141           $$hr{$key} = [@values];
 142      }
 143      else {
 144           my %temp_hash;
 145           @temp_hash{@{$$hr{$key}}} = (1) x scalar @{$$hr{$key}};
 146           $temp_hash{@values} = (1) x scalar @values;
 147           $$hr{$key} = [keys %temp_hash];
 148      }
 149 }
 150
 151 sub add_if_better{
 152      my ($hash, $key, $value) = @_;
 153      if (not defined $$hash{$key}) {
 154           $$hash{$key} = $value;
 155      }
 156      elsif (length $$hash{$key} < length $value and $value !~ /^NO\s+(LOCATION|DESCRIPTION)+$/) {
 157           $$hash{$key} = $value;
 158      }
 159 }
 160
 161
 162
 163
 164 __END__