bin/parse_ensembl_results

   1 #! /usr/bin/perl
   2
   3 # parse_genecard_results retreives files of search results from ncbi,
   4 # and is released under the terms of the GPL version 2, or any later
   5 # version, at your option. See the file README and COPYING for more
   6 # information.
   7
   8 # Copyright 2004 by Don Armstrong <don@donarmstrong.com>.
   9
  10 # $Id: ss,v 1.1 2004/06/29 05:26:35 don Exp $
  11
  12
  13 use warnings;
  14 use strict;
  15
  16
  17 use Getopt::Long;
  18 use Pod::Usage;
  19
  20 =head1 NAME
  21
  22   parse_genecard_results [options]
  23
  24 =head1 SYNOPSIS
  25
  26
  27  Options:
  28   --dir, -D directory to stick results into [default .]
  29   --name, -n file naming scheme [default ${search}_results.$format]
  30   --terms, -t file of search terms [default -]
  31   --debug, -d debugging level [default 0]
  32   --help, -h display this help
  33   --man, -m display manual
  34
  35 =head1 OPTIONS
  36
  37 =over
  38
  39 =item B<--debug, -d>
  40
  41 Debug verbosity. (Default 0)
  42
  43 =item B<--help, -h>
  44
  45 Display brief useage information.
  46
  47 =item B<--man, -m>
  48
  49 Display this manual.
  50
  51 =back
  52
  53 =head1 EXAMPLES
  54
  55   parse_harvester_results -D ./harvester_results/ -n '${search}_name.html' < search_parameters
  56
  57 Will pretty much do what you want
  58
  59 =cut
  60
  61
  62
  63 use vars qw($DEBUG $REVISION);
  64
  65 BEGIN{
  66      ($REVISION) = q$LastChangedRevision: 1$ =~ /LastChangedRevision:\s+([^\s]+)/;
  67      $DEBUG = 0 unless defined $DEBUG;
  68 }
  69
  70 use IO::File;
  71 use IO::Dir;
  72
  73 use HTML::TreeBuilder;
  74 use HTML::ElementTable;
  75
  76 my %options = (debug    => 0,
  77                help     => 0,
  78                man      => 0,
  79                dir      => '.',
  80                keyword  => undef,
  81                keywords => 0,
  82               );
  83
  84 GetOptions(\%options,'keyword|k=s','dir|D=s','debug|d+','help|h|?','man|m',
  85            'keywords',
  86           );
  87
  88
  89 pod2usage() if $options{help};
  90 pod2usage({verbose=>2}) if $options{man};
  91
  92 $DEBUG = $options{debug};
  93
  94 # CSV columns
  95 use constant {NAME        => 0,
  96               REFSEQ      => 1,
  97               LOCATION    => 2,
  98               ALIAS       => 3,
  99               FUNCTION    => 4,
 100               DESCRIPTION => 5,
 101               KEYWORD     => 6,
 102               DBNAME      => 7,
 103               FILENAME    => 8,
 104              };
 105
 106 if ($options{keywords}) {
 107      if (@ARGV != 1) {
 108           pod2usage("If the --keywords option is used, exactly one argument (the keyword) must be passed");
 109      }
 110      $options{dir} = "$ARGV[0]_results_ensembl";
 111 }
 112
 113 if (not -d $options{dir}) {
 114      die "$options{dir} does not exist or is not a directory";
 115 }
 116
 117 my $dir = new IO::Dir $options{dir} or die "Unable to open dir $options{dir}: $!";
 118
 119 print join(",", map {qq("$_");} qw(Name RefSeq Location Alias Function Description Keyword DBName Filename)),qq(\n);
 120
 121 my ($keyword) = $options{keyword} || $options{dir} =~ m#(?:^|/)([^\/]+)_results_ensembl#;
 122
 123 while ($_ = $dir->read) {
 124      my $file_name = $_;
 125      next if $file_name =~ /^\./;
 126      next unless -f "$options{dir}/$file_name" and -r "$options{dir}/$file_name";
 127
 128      my $file = new IO::File "$options{dir}/$file_name", 'r' or die "Unable to open file $file_name";
 129
 130      local $/;
 131      my $result = <$file>;
 132      next if $result =~ m/is not present in the current release/;
 133
 134      my @results;
 135
 136      # Find gene name
 137      ($results[NAME]) = $result =~ m{a\s+href=\"[^"]+genenames.org[^"]+">\s*([^<]+?)\s*</a>}xis;
 138
 139      $results[NAME] ||= 'NO NAME';
 140      # strip of leading : bits
 141      $results[NAME] =~ s/^[^\:]+\://;
 142      # Find REF SEQ number
 143      ($results[REFSEQ]) = $result =~ m{for\s*(ENSG\d+)}xis;
 144
 145      $results[REFSEQ] ||= 'NO REFSEQ';
 146
 147      # Find Gene Location
 148      my @location = $result =~ m{on\s+Chromosome\s+([\dX]+)\s+at\s+location\s+<[^>]+>([\d,]+)}xis;
 149      if (@location) {
 150           $results[LOCATION] = "$location[0] $location[1]";
 151      }
 152      $results[LOCATION] ||= 'NO LOCATION';
 153
 154      # Find gene aliases
 155      my @gene_aliases = map {split/,\s+/;} $result =~ m{<b>Synonyms:\s+</b>\s*([^<]+)\s*</td>}gxis;
 156
 157      $results[ALIAS] = join('; ', @gene_aliases);
 158      $results[ALIAS] ||= 'NO ALIASES';
 159
 160      # Find gene function(s)
 161 #
 162 #      my @functions;
 163 #      # GO Functions
 164 #      push @functions, (map {s/\n//g; $_;}
 165 #                      map {s#\s*</a>(?:</td><td>\s*)?\s*# #g; $_;}
 166 #                      $result =~ m{(GO:\d+\s*</a>(?:</td><td>\s*)?.+?)(?:</font>|</td>|<dd>|<p>)}gis
 167 #                     );
 168 #      $results[FUNCTION] = join('; ', map {(defined $_)?($_):()} @functions);
 169      $results[FUNCTION] ||= 'NO FUNCTION';
 170
 171      # Figure out the keyword used
 172      $results[KEYWORD] ||= $keyword || 'NO KEYWORD';
 173
 174      my @description = (map {s/\n/ /g;
 175                              s/\s+/ /g;
 176                              $_;
 177                         }
 178                         $result =~ m{<th\s*class="two-column">\s*
 179                                      Description\s*
 180                                      </th>\s*
 181                                      <td\s*class="two-column">\s*
 182                                      <p>\s*([^<]+)}xgis
 183                        );
 184      # Figure out what the description is
 185      $results[DESCRIPTION] = join('; ',
 186                                   map {(defined $_)?($_):()}
 187                                   @description);
 188
 189      # Database searched
 190      $results[DBNAME] = 'ensembl';
 191      $results[FILENAME] = $file_name;
 192
 193      print join(',',map {qq("$_")} @results),qq(\n);
 194 }
 195
 196
 197
 198
 199
 200
 201 __END__