source: branches/items/GDE/SATIVA/sativa/epac/ete2/phylip.py

Last change on this file was 12906, checked in by akozlov, 10 years ago

add sativa files and scripts for ARB integration
File size: 7.9 KB
Line 
1__VERSION__="ete2-2.2rev1026" 
2# -*- coding: utf-8 -*-
3# #START_LICENSE###########################################################
4#
5#
6# This file is part of the Environment for Tree Exploration program
7# (ETE).  http://ete.cgenomics.org
8# 
9# ETE is free software: you can redistribute it and/or modify it
10# under the terms of the GNU General Public License as published by
11# the Free Software Foundation, either version 3 of the License, or
12# (at your option) any later version.
13# 
14# ETE is distributed in the hope that it will be useful, but WITHOUT
15# ANY WARRANTY; without even the implied warranty of MERCHANTABILITY
16# or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public
17# License for more details.
18# 
19# You should have received a copy of the GNU General Public License
20# along with ETE.  If not, see <http://www.gnu.org/licenses/>.
21#
22#
23#                     ABOUT THE ETE PACKAGE
24#                     =====================
25#
26# ETE is distributed under the GPL copyleft license (2008-2011). 
27#
28# If you make use of ETE in published work, please cite:
29#
30# Jaime Huerta-Cepas, Joaquin Dopazo and Toni Gabaldon.
31# ETE: a python Environment for Tree Exploration. Jaime BMC
32# Bioinformatics 2010,:24doi:10.1186/1471-2105-11-24
33#
34# Note that extra references to the specific methods implemented in
35# the toolkit are available in the documentation.
36#
37# More info at http://ete.cgenomics.org
38#
39#
40# #END_LICENSE#############################################################
41
42import os
43import re
44from sys import stderr as STDERR
45
46def read_phylip(source, interleaved=True, obj=None,
47                relaxed=False, fix_duplicates=True):
48    if obj is None:
49        from ete2.coretype import SeqGroup
50        SG = SeqGroup()
51    else:
52        SG = obj
53
54    # Prepares handle from which read sequences
55    if os.path.isfile(source):
56        _source = open(source, "rU")
57    else:
58        _source = iter(source.split("\n"))
59
60    nchar, ntax = None, None
61    counter = 0
62    id_counter = 0
63    for line in _source:
64        line = line.strip("\n")
65        # Passes comments and blank lines
66        if not line or line[0] == "#":
67            continue
68        # Reads head
69        if not nchar or not ntax:
70            m = re.match("^\s*(\d+)\s+(\d+)",line)
71            if m:
72                ntax  = int (m.groups()[0])
73                nchar = int (m.groups()[1])
74            else:
75                raise Exception, \
76                    "A first line with the alignment dimension is required"
77        # Reads sequences
78        else:
79            if not interleaved:
80                # Reads names and sequences
81                if SG.id2name.get(id_counter, None) is None:
82                    if relaxed:
83                        m = re.match("^([^ ]+)(.+)", line)
84                    else:
85                        m = re.match("^(.{10})(.+)", line)
86                    if m:
87                        name = m.groups()[0].strip()
88                        if fix_duplicates and name in SG.name2id:
89                            tag = str(len([k for k in SG.name2id.keys() \
90                                              if k.endswith(name)]))
91                            old_name = name
92                            # Tag is in the beginning to avoid being
93                            # cut it by the 10 chars limit
94                            name = tag+"_"+name
95                            print >>STDERR, \
96                                "Duplicated entry [%s] was renamed to [%s]" %\
97                                (old_name, name)
98                        SG.id2name[id_counter] = name
99                        SG.name2id[name] = id_counter
100                        SG.id2seq[id_counter] = ""
101                        line = m.groups()[1]
102                    else:
103                        raise Exception, \
104                            "Wrong phylip sequencial format."
105                SG.id2seq[id_counter] += re.sub("\s","", line)
106                if len(SG.id2seq[id_counter]) == nchar:
107                    id_counter += 1
108                    name = None
109                elif len(SG.id2seq[id_counter]) > nchar:
110                    raise Exception, \
111                        "Unexpected length of sequence [%s] [%s]." %(name,SG.id2seq[id_counter])
112            else:
113                if len(SG)<ntax:
114                    if relaxed:
115                        m = re.match("^([^ ]+)(.+)", line)
116                    else:
117                        m = re.match("^(.{10})(.+)",line)
118                    if m:
119                        name = m.groups()[0].strip()
120
121                        seq = re.sub("\s","",m.groups()[1])
122                        SG.id2seq[id_counter] = seq
123                        SG.id2name[id_counter] = name
124                        if fix_duplicates and name in SG.name2id:
125                            tag = str(len([k for k in SG.name2id.keys() \
126                                              if k.endswith(name)]))
127                            old_name = name
128                            name = tag+"_"+name
129                            print >>STDERR, \
130                                "Duplicated entry [%s] was renamed to [%s]" %\
131                                (old_name, name)
132                        SG.name2id[name] = id_counter
133                        id_counter += 1
134                    else:
135                        raise Exception, \
136                            "Unexpected number of sequences."
137                else:
138                    seq = re.sub("\s", "", line)
139                    if id_counter == len(SG):
140                        id_counter = 0
141                    SG.id2seq[id_counter] += seq
142                    id_counter += 1
143
144    if len(SG) != ntax:
145        raise Exception, \
146            "Unexpected number of sequences."
147
148    # Check lenght of all seqs
149    for i in SG.id2seq.keys():
150        if len(SG.id2seq[i]) != nchar:
151            raise Exception, \
152                "Unexpected lenght of sequence [%s]" %SG.id2name[i]
153
154    return SG
155
156def write_phylip(aln, outfile=None, interleaved=True, relaxed=False):
157    width = 60
158    seq_visited = set([])
159
160    show_name_warning = False
161    lenghts = set((len(seq) for seq in aln.id2seq.values()))
162    if len(lenghts) >1:
163        raise Exception, "Phylip format requires sequences of equal lenght."
164    seqlength = lenghts.pop()
165
166    if not relaxed:
167        name_fix = 10
168    else:
169        name_fix = max([len(name) for name in aln.id2name.values()])
170
171    alg_lines = []
172    alg_text = " %d %d" %(len(aln), seqlength)
173    alg_lines.append(alg_text)
174    if interleaved:
175        visited = set([])
176        for i in xrange(0, seqlength, width):
177            for j in aln.id2name.iterkeys(): #xrange(len(aln)):
178                name =  aln.id2name[j]
179                if not relaxed and len(name)>name_fix:
180                    name = name[:name_fix]
181                    show_name_warning = True
182
183                seq = aln.id2seq[j][i:i+width]
184                if j not in visited:
185                    name_str = "%s   " %name.ljust(name_fix)
186                    visited.add(j)
187                else:
188                    name_str = "".ljust(name_fix+3)
189
190                seq_str = ' '.join([seq[k:k+10] for k in xrange(0, len(seq), 10)])
191                line_str = "%s%s" %(name_str, seq_str)
192                alg_lines.append(line_str)
193            alg_lines.append("")
194    else:
195        for name, seq, comments in aln.iter_entries():
196            if not relaxed and len(name)>10:
197                name = name[:name_fix]
198                show_name_warning = True
199            line_str = "%s   %s\n%s" %\
200                (name.ljust(name_fix), seq[0:width-name_fix-3], '\n'.join([seq[k:k+width]  \
201                                      for k in xrange(width-name_fix-3, len(seq), width)]))
202            alg_lines.append(line_str)
203        alg_lines.append("")
204           
205           
206    if show_name_warning:
207        print >>STDERR, "Warning! Some sequence names were cut to 10 characters!!"
208    alg_text = '\n'.join(alg_lines)
209    if outfile is not None:
210        OUT = open(outfile, "w")
211        OUT.write(alg_text)
212        OUT.close()
213    else:
214        return alg_text
Note: See TracBrowser for help on using the repository browser.