source: branches/alilink/SL/PRONUC/iupac.cxx

Last change on this file was 18126, checked in by westram, 5 years ago
  • Property svn:eol-style set to native
  • Property svn:keywords set to Author Date Id Revision
File size: 10.5 KB
Line 
1// ================================================================ //
2//                                                                  //
3//   File      : iupac.cxx                                          //
4//   Purpose   :                                                    //
5//                                                                  //
6//   Institute of Microbiology (Technical University Munich)        //
7//   http://www.arb-home.de/                                        //
8//                                                                  //
9// ================================================================ //
10
11#include "iupac.h"
12#include <cctype>
13
14#define awt_assert(bed) arb_assert(bed)
15
16#define IUPAC_EMPTY "" // changed from " " to "" (2009-03-19 -- ralf)
17#define ILL_CODE    char(26)
18
19using namespace iupac;
20
21namespace iupac {
22#define _____________ {NULp,0}
23
24    const Nuc_Group nuc_group[26][2] = {
25        { { "A",    1 }, { "A",    1 } }, // A
26        { { "CGT",  3 }, { "CGU",  3 } }, // B
27        { { "C",    1 }, { "C",    1 } }, // C
28        { { "AGT",  3 }, { "AGU",  3 } }, // D
29        { _____________, _____________ }, // E
30        { _____________, _____________ }, // F
31        { { "G",    1 }, { "G",    1 } }, // G
32        { { "ACT",  3 }, { "ACU",  3 } }, // H
33        { _____________, _____________ }, // I
34        { _____________, _____________ }, // J
35        { { "GT",   2 }, { "GU",   2 } }, // K
36        { _____________, _____________ }, // L
37        { { "AC",   2 }, { "AC",   2 } }, // M
38        { { "ACGT", 1 }, { "ACGU", 1 } }, // N
39        { _____________, _____________ }, // O
40        { _____________, _____________ }, // P
41        { _____________, _____________ }, // Q
42        { { "AG",   2 }, { "AG",   2 } }, // R
43        { { "CG",   2 }, { "CG",   2 } }, // S
44        { { "T",    1 }, { "U",    1 } }, // T
45        { { "T",    1 }, { "U",    1 } }, // U
46        { { "ACG",  3 }, { "ACG",  3 } }, // V
47        { { "AT",   2 }, { "AU",   2 } }, // W
48        { _____________, _____________ }, // X
49        { { "CT",   2 }, { "CU",   2 } }, // Y
50        { _____________, _____________ }, // Z
51
52        // (In each single string the nucs have to be sorted alphabetically)
53    };
54
55#undef _____________
56
57    static const char *aminoGroupMembers[AA_GROUP_COUNT] = {
58        // Note: first character has to be the "representative character" of the group
59        "XOU",    // AA_GROUP_NONE
60        "AGPST",  // AA_GROUP_ALPHA
61        "DBENQZ", // AA_GROUP_BETA
62        "HKR",    // AA_GROUP_GAMMA
63        "IJLMV",  // AA_GROUP_DELTA
64        "FWY",    // AA_GROUP_EPSILON
65        "C",      // AA_GROUP_ZETA
66    };
67
68    static Amino_Group amino_group[26];
69
70    class Setup { // setup static data in this module
71        void setup_amino_group() {
72            for (int c = 0; c<26; ++c) amino_group[c] = AA_GROUP_ILLEGAL;
73            for (Amino_Group g = AA_GROUP_NONE; g<AA_GROUP_COUNT; g = Amino_Group(g+1)) {
74                const char *members = aminoGroupMembers[g];
75                for (int p = 0; members[p]; ++p) {
76                    int c = members[p];
77                    awt_assert(c >= 'A' && c <= 'Z');
78                    amino_group[c-'A'] = g;
79                }
80            }
81        }
82    public:
83        Setup() { setup_amino_group(); }
84    };
85    static Setup perform;
86
87};
88
89Amino_Group iupac::get_amino_group_for(char aa) {
90    aa = toupper(aa);
91    if (aa<'A' || aa>'Z') { return AA_GROUP_ILLEGAL; }
92    return amino_group[aa-'A'];
93}
94
95char iupac::get_amino_consensus_char(Amino_Group ag) {
96    if (ag>AA_GROUP_NONE && ag<AA_GROUP_ILLEGAL) {
97        return aminoGroupMembers[ag][0];
98    }
99    return '?';
100}
101
102static char IUPAC_add[26][26]; // uses T
103static int IUPAC_add_initialized = 0;
104
105static void initialize_IUPAC_add() {
106    int c1, c2;
107
108    for (c1=0; c1<26; c1++) {
109        const char *decoded1 = nuc_group[c1][0].members;
110
111        if (!decoded1) {
112            for (c2=0; c2<=c1; c2++) {
113                IUPAC_add[c1][c2] = ILL_CODE;
114                IUPAC_add[c2][c1] = ILL_CODE;
115            }
116        }
117        else {
118            IUPAC_add[c1][c1] = char(c1);       // add char to same char
119
120            for (c2=0; c2<c1; c2++) {
121                if (strchr(decoded1, 'A'+c2)) {      // char is already contained in this IUPAC
122                    IUPAC_add[c1][c2] = char(c1);
123                }
124                else {
125                    const char *decoded2 = nuc_group[c2][0].members;
126
127                    if (!decoded2) { // char is illegal
128                        IUPAC_add[c1][c2] = ILL_CODE;
129                    }
130                    else {
131#define MAX_MIXED 5
132                        char mixed[MAX_MIXED];
133                        char *mp = mixed;
134                        const char *d1 = decoded1;
135                        const char *d2 = decoded2;
136
137                        while (1) {
138                            char z1 = *d1;
139                            char z2 = *d2;
140
141                            if (!z1 && !z2) break;
142
143                            if (z1==z2) {
144                                *mp++ = z1;
145                                d1++;
146                                d2++;
147                            }
148                            else if (!z2 || (z1 && z1<z2)) {
149                                *mp++ = z1;
150                                d1++;
151                            }
152                            else {
153                                awt_assert(!z1 || (z2 && z2<z1));
154                                *mp++ = z2;
155                                d2++;
156                            }
157                        }
158
159                        awt_assert((mp-mixed)<MAX_MIXED);
160                        *mp++ = 0;
161
162#if !defined(NDEBUG) && 0
163                        printf("Mix '%s' + '%s' = '%s'\n", decoded1, decoded2, mixed);
164#endif
165
166                        int c3;
167
168                        for (c3=0; c3<26; c3++) {
169                            if (nuc_group[c3][0].members && strcmp(mixed, nuc_group[c3][0].members)==0) {
170                                IUPAC_add[c1][c2] = char(c3);
171                                break;
172                            }
173                        }
174
175                        if (c3>=26) {
176                            IUPAC_add[c1][c2] = 0;
177                        }
178                    }
179                }
180
181                if (IUPAC_add[c1][c2]==('U'-'A')) {
182                    IUPAC_add[c1][c2] = 'T'-'A';
183                }
184
185                IUPAC_add[c2][c1] = IUPAC_add[c1][c2];
186            }
187        }
188
189    }
190}
191
192char iupac::encode(const char bases[], GB_alignment_type ali) {
193    if (!IUPAC_add_initialized) {
194        initialize_IUPAC_add();
195        IUPAC_add_initialized = 1;
196    }
197
198    if (ali==GB_AT_AA) {
199        return '?';
200    }
201
202    int i = 0;
203    unsigned char c1;
204
205    while (1) {
206        c1 = bases[i++];
207        if (!c1) return '-';
208        if (isalpha(c1)) break;
209    }
210
211    c1 = toupper(c1)-'A';
212    unsigned char c = IUPAC_add[c1][c1];
213
214    while (c!=ILL_CODE && bases[i]) {
215        if (isalpha(bases[i])) {
216            int c2 = toupper(bases[i])-'A';
217            c = IUPAC_add[c][c2];
218        }
219        i++;
220    }
221
222    if (c==ILL_CODE) {
223        return '-';
224    }
225
226    c += 'A';
227    if (c=='T' && ali==GB_AT_RNA) c = 'U';
228    return c;
229}
230
231char iupac::combine(char c1, char c2, GB_alignment_type ali) {
232    char buffer[3];
233    buffer[0] = c1;
234    buffer[1] = c2;
235    buffer[2] = 0;
236    return iupac::encode(buffer, ali);
237}
238
239const char* iupac::decode(char iupac, GB_alignment_type ali, bool decode_amino_iupac_groups) {
240    if (!isalpha(iupac)) {
241        return IUPAC_EMPTY;
242    }
243
244    if (ali==GB_AT_AA) {
245        if (decode_amino_iupac_groups) {
246            Amino_Group group = get_amino_group_for(iupac);
247            if (group == AA_GROUP_NONE) {
248                return "";
249            }
250            else {
251                awt_assert(group >= AA_GROUP_NONE && group<AA_GROUP_COUNT);
252                return aminoGroupMembers[group];
253            }
254        }
255        return "?";
256    }
257
258    const char *decoded = nuc_group[toupper(iupac)-'A'][ali==GB_AT_RNA ? 1 : 0].members;
259
260    return decoded ? decoded : IUPAC_EMPTY;
261}
262
263// --------------------------------------------------------------------------------
264
265#ifdef UNIT_TESTS
266
267#include <test_unit.h>
268
269void TEST_amino_groups() {
270    TEST_EXPECT_EQUAL(decode('x', GB_AT_AA, true), "");
271    TEST_EXPECT_EQUAL(decode('A', GB_AT_AA, true), "AGPST");
272
273    // each character (A-Z) shall be member of a group:
274    for (char c = 'A'; c <= 'Z'; ++c) {
275        Amino_Group group = get_amino_group_for(c);
276        TEST_EXPECT_LESS(group, AA_GROUP_COUNT);
277        TEST_EXPECT_DIFFERENT(group, AA_GROUP_ILLEGAL);
278        TEST_EXPECT_IN_RANGE(group, AA_GROUP_NONE, AA_GROUP_ZETA);
279
280        {
281            const char * const members = aminoGroupMembers[group];
282            const char * const found   = strchr(members, c);
283            TEST_EXPECT_EQUAL(found ? found[0] : 0, c); // char has to be a member of its group
284        }
285
286        if (group != AA_GROUP_NONE) {
287            const char * const decoded = decode(c, GB_AT_AA, true);
288            const char * const found   = strchr(decoded, c);
289
290            TEST_EXPECT_EQUAL(found ? found[0] : 0, c); // check char is
291        }
292    }
293
294    // no character may be member of two groups
295    for (Amino_Group group = AA_GROUP_NONE; group < AA_GROUP_COUNT; group = Amino_Group(group+1)) {
296        const char * const member = aminoGroupMembers[group];
297        for (int pos = 0; member[pos]; ++pos) {
298            Amino_Group groupOfChar = get_amino_group_for(member[pos]);
299            TEST_EXPECT_EQUAL(groupOfChar, group);
300        }
301    }
302}
303
304void TEST_nuc_groups() {
305    for (int base = 0; base<26; base++) {
306        TEST_EXPECT_EQUAL(nuc_group[base][0].count, nuc_group[base][1].count);
307        for (int alitype = 0; alitype<2; alitype++) {
308            const Nuc_Group& group = nuc_group[base][alitype];
309            if (group.members) {
310                if ((base+'A') == 'N') {
311                    TEST_EXPECT_EQUAL__BROKEN(group.count, strlen(group.members), 1);
312                    // @@@ fails because count is 1 for "ACGT" [N]
313                    // maybe be expected by resolve_IUPAC_target_string (fix this first)
314                    TEST_EXPECT_EQUAL(group.count, 1U); // fixture for behavior
315                }
316                else {
317                    TEST_EXPECT_EQUAL(group.count, strlen(group.members));
318                }
319               
320                for (size_t pos = 1; pos<group.count; ++pos) {
321                    TEST_EXPECT_LESS(group.members[pos-1], group.members[pos]);
322                }
323            }
324            else {
325                TEST_REJECT(group.count);
326            }
327        }
328    }
329}
330
331#endif // UNIT_TESTS
Note: See TracBrowser for help on using the repository browser.