classifyseqscommand.h

   1 #ifndef CLASSIFYSEQSCOMMAND_H
   2 #define CLASSIFYSEQSCOMMAND_H
   3
   4 /*
   5  *  classifyseqscommand.h
   6  *  Mothur
   7  *
   8  *  Created by westcott on 11/2/09.
   9  *  Copyright 2009 Schloss Lab. All rights reserved.
  10  *
  11  */
  12
  13 #include "mothur.h"
  14 #include "command.hpp"
  15 #include "classify.h"
  16 #include "referencedb.h"
  17 #include "sequence.hpp"
  18 #include "bayesian.h"
  19 #include "phylotree.h"
  20 #include "phylosummary.h"
  21 #include "knn.h"
  22
  23
  24 //KNN and Bayesian methods modeled from algorithms in
  25 //Naı¨ve Bayesian Classiﬁer for Rapid Assignment of rRNA Sequences
  26 //into the New Bacterial Taxonomy􏰎†
  27 //Qiong Wang,1 George M. Garrity,1,2 James M. Tiedje,1,2 and James R. Cole1*
  28 //Center for Microbial Ecology1 and Department of Microbiology and Molecular Genetics,2 Michigan State University,
  29 //East Lansing, Michigan 48824
  30 //Received 10 January 2007/Accepted 18 June 2007
  31
  32
  33
  34 class ClassifySeqsCommand : public Command {
  35
  36 public:
  37         ClassifySeqsCommand(string);
  38         ClassifySeqsCommand();
  39         ~ClassifySeqsCommand();
  40
  41         vector<string> setParameters();
  42         string getCommandName()                 { return "classify.seqs";               }
  43         string getCommandCategory()             { return "Phylotype Analysis";  }
  44         string getHelpString();
  45         string getCitation() { return "Wang Q, Garrity GM, Tiedje JM, Cole JR (2007). Naive Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy. Appl Environ Microbiol 73: 5261-7. [ for Bayesian classifier ] \nAltschul SF, Madden TL, Schaffer AA, Zhang J, Zhang Z, Miller W, Lipman DJ (1997). Gapped BLAST and PSI-BLAST: a new generation of protein database search programs. Nucleic Acids Res 25: 3389-402. [ for BLAST ] \nDeSantis TZ, Hugenholtz P, Larsen N, Rojas M, Brodie EL, Keller K, Huber T, Dalevi D, Hu P, Andersen GL (2006). Greengenes, a chimera-checked 16S rRNA gene database and workbench compatible with ARB. Appl Environ Microbiol 72: 5069-72. [ for kmer ] \nhttp://www.mothur.org/wiki/Classify.seqs"; }
  46         string getDescription()         { return "classify sequences"; }
  47
  48         int execute();
  49         void help() { m->mothurOut(getHelpString()); }
  50
  51
  52
  53 private:
  54         struct linePair {
  55                 unsigned long long start;
  56                 unsigned long long end;
  57                 linePair(unsigned long long i, unsigned long long j) : start(i), end(j) {}
  58         };
  59
  60         vector<int> processIDS;   //processid
  61         vector<linePair*> lines;
  62         vector<string> fastaFileNames;
  63         vector<string> namefileNames;
  64         vector<string> groupfileNames;
  65         vector<string> outputNames;
  66         map<string, vector<string> > nameMap;
  67         map<string,  vector<string> >::iterator itNames;
  68
  69         Classify* classify;
  70         ReferenceDB* rdb;
  71
  72         string fastaFileName, templateFileName, distanceFileName, namefile, search, method, taxonomyFileName, outputDir, groupfile;
  73         int processors, kmerSize, numWanted, cutoff, iters;
  74         float match, misMatch, gapOpen, gapExtend;
  75         bool abort, probs, save, flip;
  76
  77         int driver(linePair*, string, string, string, string);
  78         void appendTaxFiles(string, string);
  79         int createProcesses(string, string, string, string);
  80         string addUnclassifieds(string, int);
  81
  82         int MPIReadNamesFile(string);
  83         #ifdef USE_MPI
  84         int driverMPI(int, int, MPI_File&, MPI_File&, MPI_File&, MPI_File&, vector<unsigned long long>&);
  85         #endif
  86 };
  87
  88 /**************************************************************************************************/
  89 //custom data structure for threads to use.
  90 // This is passed by void pointer so it can be any data type
  91 // that can be passed using a single void pointer (LPVOID).
  92 struct classifyData {
  93         string taxFName;
  94         string tempTFName;
  95         string filename;
  96         string search, taxonomyFileName, templateFileName, method, accnos;
  97         unsigned long long start;
  98         unsigned long long end;
  99         MothurOut* m;
 100         float match, misMatch, gapOpen, gapExtend;
 101         int count, kmerSize, threadID, cutoff, iters, numWanted;
 102         bool probs, flip;
 103
 104         classifyData(){}
 105         classifyData(string acc, bool p, string me, string te, string tx, string a, string r, string f, string se, int ks, int i, int numW, MothurOut* mout, unsigned long long st, unsigned long long en, float ma, float misMa, float gapO, float gapE, int cut, int tid, bool fli) {
 106                 accnos = acc;
 107                 taxonomyFileName = tx;
 108                 templateFileName = te;
 109                 taxFName = a;
 110                 tempTFName = r;
 111                 filename = f;
 112                 search = se;
 113                 method = me;
 114                 m = mout;
 115                 start = st;
 116                 end = en;
 117                 match = ma;
 118                 misMatch = misMa;
 119                 gapOpen = gapO;
 120                 gapExtend = gapE;
 121                 kmerSize = ks;
 122                 cutoff = cut;
 123                 iters = i;
 124                 numWanted = numW;
 125                 threadID = tid;
 126                 probs = p;
 127                 count = 0;
 128                 flip = fli;
 129         }
 130 };
 131
 132 /**************************************************************************************************/
 133 #if defined (__APPLE__) || (__MACH__) || (linux) || (__linux)
 134 #else
 135 static DWORD WINAPI MyClassThreadFunction(LPVOID lpParam){
 136         classifyData* pDataArray;
 137         pDataArray = (classifyData*)lpParam;
 138
 139         try {
 140                 ofstream outTax;
 141                 pDataArray->m->openOutputFile(pDataArray->taxFName, outTax);
 142
 143                 ofstream outTaxSimple;
 144                 pDataArray->m->openOutputFile(pDataArray->tempTFName, outTaxSimple);
 145
 146                 ofstream outAcc;
 147                 pDataArray->m->openOutputFile(pDataArray->accnos, outAcc);
 148
 149                 ifstream inFASTA;
 150                 pDataArray->m->openInputFile(pDataArray->filename, inFASTA);
 151
 152                 string taxonomy;
 153
 154                 //print header if you are process 0
 155                 if ((pDataArray->start == 0) || (pDataArray->start == 1)) {
 156                         inFASTA.seekg(0);
 157                 }else { //this accounts for the difference in line endings.
 158                         inFASTA.seekg(pDataArray->start-1); pDataArray->m->gobble(inFASTA);
 159                 }
 160
 161                 pDataArray->count = pDataArray->end;
 162
 163                 //make classify
 164                 Classify* myclassify;
 165                 if(pDataArray->method == "bayesian"){   myclassify = new Bayesian(pDataArray->taxonomyFileName, pDataArray->templateFileName, pDataArray->search, pDataArray->kmerSize, pDataArray->cutoff, pDataArray->iters, pDataArray->threadID, pDataArray->flip);         }
 166                 else if(pDataArray->method == "knn"){   myclassify = new Knn(pDataArray->taxonomyFileName, pDataArray->templateFileName, pDataArray->search, pDataArray->kmerSize, pDataArray->gapOpen, pDataArray->gapExtend, pDataArray->match, pDataArray->misMatch, pDataArray->numWanted, pDataArray->threadID);                           }
 167                 else {
 168                         pDataArray->m->mothurOut(pDataArray->search + " is not a valid method option. I will run the command using bayesian.");
 169                         pDataArray->m->mothurOutEndLine();
 170                         myclassify = new Bayesian(pDataArray->taxonomyFileName, pDataArray->templateFileName, pDataArray->search, pDataArray->kmerSize, pDataArray->cutoff, pDataArray->iters, pDataArray->threadID, pDataArray->flip);
 171                 }
 172
 173                 if (pDataArray->m->control_pressed) { delete myclassify; return 0; }
 174
 175                 int count = 0;
 176                 for(int i = 0; i < pDataArray->end; i++){ //end is the number of sequences to process
 177
 178                         if (pDataArray->m->control_pressed) { delete myclassify; return 0; }
 179
 180                         Sequence* candidateSeq = new Sequence(inFASTA); pDataArray->m->gobble(inFASTA);
 181
 182                         if (candidateSeq->getName() != "") {
 183
 184                                 taxonomy = myclassify->getTaxonomy(candidateSeq);
 185
 186                                 if (pDataArray->m->control_pressed) { delete candidateSeq; return 0; }
 187
 188                                 if (taxonomy == "unknown;") { pDataArray->m->mothurOut("[WARNING]: " + candidateSeq->getName() + " could not be classified. You can use the remove.lineage command with taxon=unknown; to remove such sequences."); pDataArray->m->mothurOutEndLine(); }
 189
 190                                 //output confidence scores or not
 191                                 if (pDataArray->probs) {
 192                                         outTax << candidateSeq->getName() << '\t' << taxonomy << endl;
 193                                 }else{
 194                                         outTax << candidateSeq->getName() << '\t' << myclassify->getSimpleTax() << endl;
 195                                 }
 196
 197                                 outTaxSimple << candidateSeq->getName() << '\t' << myclassify->getSimpleTax() << endl;
 198
 199                                 if (myclassify->getFlipped()) { outAcc << candidateSeq->getName() << endl; }
 200
 201                                 count++;
 202                         }
 203                         delete candidateSeq;
 204                         //report progress
 205                         if((count) % 100 == 0){ pDataArray->m->mothurOut("Processing sequence: " + toString(count)); pDataArray->m->mothurOutEndLine();         }
 206
 207                 }
 208                 //report progress
 209                 if((count) % 100 != 0){ pDataArray->m->mothurOut("Processing sequence: " + toString(count)); pDataArray->m->mothurOutEndLine();         }
 210
 211                 delete myclassify;
 212                 inFASTA.close();
 213                 outTax.close();
 214                 outTaxSimple.close();
 215
 216         }
 217         catch(exception& e) {
 218                 pDataArray->m->errorOut(e, "ClassifySeqsCommand", "MyClassThreadFunction");
 219                 exit(1);
 220         }
 221 }
 222 #endif
 223
 224
 225
 226
 227 #endif
 228