| 1 | #include <stdio.h> |
|---|
| 2 | #include <ctype.h> |
|---|
| 3 | #include <string.h> |
|---|
| 4 | #include "convert.h" |
|---|
| 5 | #include "global.h" |
|---|
| 6 | |
|---|
| 7 | extern int warning_out; |
|---|
| 8 | |
|---|
| 9 | /* -------------------------------------------------------------- |
|---|
| 10 | * Function init_alma(). |
|---|
| 11 | * Init. ALMA data. |
|---|
| 12 | */ |
|---|
| 13 | void init_alma() { |
|---|
| 14 | Freespace(&(data.alma.id)); |
|---|
| 15 | Freespace(&(data.alma.filename)); |
|---|
| 16 | Freespace(&(data.alma.sequence)); |
|---|
| 17 | data.alma.format=UNKNOWN; |
|---|
| 18 | data.alma.defgap='-'; |
|---|
| 19 | data.alma.num_of_sequence=0; |
|---|
| 20 | /* init. nbrf too */ |
|---|
| 21 | Freespace(&(data.nbrf.id)); |
|---|
| 22 | Freespace(&(data.nbrf.description)); |
|---|
| 23 | } |
|---|
| 24 | /* ---------------------------------------------------------------- |
|---|
| 25 | * Function alma_to_macke(). |
|---|
| 26 | * Convert from ALMA format to Macke format. |
|---|
| 27 | */ |
|---|
| 28 | void |
|---|
| 29 | alma_to_macke(inf, outf) |
|---|
| 30 | char *inf, *outf; |
|---|
| 31 | { |
|---|
| 32 | FILE *IFP, *ofp; |
|---|
| 33 | FILE_BUFFER ifp; |
|---|
| 34 | char temp[TOKENNUM]; |
|---|
| 35 | int indi, total_num; |
|---|
| 36 | |
|---|
| 37 | if((IFP=fopen(inf, "r"))==NULL) { |
|---|
| 38 | sprintf(temp, |
|---|
| 39 | "Cannot open input file %s, EXIT.", inf); |
|---|
| 40 | error(46, temp); |
|---|
| 41 | } |
|---|
| 42 | ifp = create_FILE_BUFFER(inf, IFP); |
|---|
| 43 | if(Lenstr(outf) <= 0) ofp = stdout; |
|---|
| 44 | else if((ofp=fopen(outf, "w"))==NULL) { |
|---|
| 45 | sprintf(temp, |
|---|
| 46 | "Cannot open output file %s, EXIT.", outf); |
|---|
| 47 | error(47, temp); |
|---|
| 48 | } |
|---|
| 49 | |
|---|
| 50 | init(); |
|---|
| 51 | /* macke format seq irrelenvant header */ |
|---|
| 52 | macke_out_header(ofp); |
|---|
| 53 | for(indi=0; indi<3; indi++) { |
|---|
| 54 | FILE_BUFFER_rewind(ifp); |
|---|
| 55 | init_seq_data(); |
|---|
| 56 | init_macke(); |
|---|
| 57 | init_alma(); |
|---|
| 58 | while(alma_in(ifp)!=EOF) { |
|---|
| 59 | data.numofseq++; |
|---|
| 60 | if(atom()) { |
|---|
| 61 | /* convert from alma form to macke form */ |
|---|
| 62 | switch(indi) { |
|---|
| 63 | case 0: |
|---|
| 64 | /* output seq display format */ |
|---|
| 65 | macke_out0(ofp, ALMA); |
|---|
| 66 | break; |
|---|
| 67 | case 1: |
|---|
| 68 | /* output seq information */ |
|---|
| 69 | macke_out1(ofp); |
|---|
| 70 | break; |
|---|
| 71 | case 2: |
|---|
| 72 | /* output seq data */ |
|---|
| 73 | macke_out2(ofp); |
|---|
| 74 | break; |
|---|
| 75 | default: ; |
|---|
| 76 | } |
|---|
| 77 | } else error(48, |
|---|
| 78 | "Conversion from alma to macke fails, Exit."); |
|---|
| 79 | init_alma(); |
|---|
| 80 | init_macke(); |
|---|
| 81 | } |
|---|
| 82 | total_num = data.numofseq; |
|---|
| 83 | if(indi==0) { |
|---|
| 84 | fprintf(ofp, "#-\n"); |
|---|
| 85 | /* no warning messages for next loop */ |
|---|
| 86 | warning_out = 0; |
|---|
| 87 | } |
|---|
| 88 | } /* for each seq; loop */ |
|---|
| 89 | warning_out = 1; /* resume warning messages */ |
|---|
| 90 | |
|---|
| 91 | #ifdef log |
|---|
| 92 | fprintf(stderr, |
|---|
| 93 | "Total %d sequences have been processed\n", |
|---|
| 94 | total_num); |
|---|
| 95 | #endif |
|---|
| 96 | } |
|---|
| 97 | /* ---------------------------------------------------------------- |
|---|
| 98 | * Function alma_to_genbank(). |
|---|
| 99 | * Convert from ALMA format to GenBank format. |
|---|
| 100 | */ |
|---|
| 101 | void |
|---|
| 102 | alma_to_genbank(inf, outf) |
|---|
| 103 | char *inf, *outf; |
|---|
| 104 | { |
|---|
| 105 | FILE *IFP, *ofp; |
|---|
| 106 | FILE_BUFFER ifp; |
|---|
| 107 | char temp[TOKENNUM]; |
|---|
| 108 | |
|---|
| 109 | if((IFP=fopen(inf, "r"))==NULL) { |
|---|
| 110 | sprintf(temp, |
|---|
| 111 | "Cannot open input file %s, EXIT.", inf); |
|---|
| 112 | error(73, temp); |
|---|
| 113 | } |
|---|
| 114 | ifp = create_FILE_BUFFER(inf, IFP); |
|---|
| 115 | if(Lenstr(outf) <= 0) ofp = stdout; |
|---|
| 116 | else if((ofp=fopen(outf, "w"))==NULL) { |
|---|
| 117 | sprintf(temp, |
|---|
| 118 | "Cannot open output file %s, EXIT.", outf); |
|---|
| 119 | error(74, temp); |
|---|
| 120 | } |
|---|
| 121 | |
|---|
| 122 | init(); |
|---|
| 123 | init_seq_data(); |
|---|
| 124 | init_macke(); |
|---|
| 125 | init_genbank(); |
|---|
| 126 | init_alma(); |
|---|
| 127 | while(alma_in(ifp)!=EOF) { |
|---|
| 128 | data.numofseq++; |
|---|
| 129 | if(atom()&&mtog()) { |
|---|
| 130 | genbank_out(ofp); |
|---|
| 131 | init_alma(); |
|---|
| 132 | init_macke(); |
|---|
| 133 | init_genbank(); |
|---|
| 134 | } |
|---|
| 135 | } /* for each seq; loop */ |
|---|
| 136 | |
|---|
| 137 | #ifdef log |
|---|
| 138 | fprintf(stderr, |
|---|
| 139 | "Total %d sequences have been processed\n", |
|---|
| 140 | data.numofseq); |
|---|
| 141 | #endif |
|---|
| 142 | } |
|---|
| 143 | /* ---------------------------------------------------------------- |
|---|
| 144 | * Function alma_in(). |
|---|
| 145 | * Read in one ALMA sequence data. |
|---|
| 146 | */ |
|---|
| 147 | char |
|---|
| 148 | alma_in(fp) |
|---|
| 149 | FILE_BUFFER fp; |
|---|
| 150 | { |
|---|
| 151 | char eoen, *eof, line[LINENUM]; |
|---|
| 152 | /* char temp[LINENUM]; */ |
|---|
| 153 | char key[TOKENNUM], *format; |
|---|
| 154 | int indi, len, index; |
|---|
| 155 | /* int alma_key_word(); */ |
|---|
| 156 | /* void alma_one_entry(), Freespace(), error(); */ |
|---|
| 157 | |
|---|
| 158 | /* end-of-entry; set to be 'y' after reaching end of entry */ |
|---|
| 159 | format=NULL; |
|---|
| 160 | eoen = ' '; |
|---|
| 161 | for(eof=Fgetline(line, LINENUM, fp); eof!=NULL&&eoen!='y'; ) |
|---|
| 162 | { |
|---|
| 163 | if(Lenstr(line)<=1) { |
|---|
| 164 | eof=Fgetline(line, LINENUM, fp); |
|---|
| 165 | continue; /* skip empty line */ |
|---|
| 166 | } |
|---|
| 167 | index = alma_key_word(line, 0, key, TOKENNUM); |
|---|
| 168 | eoen='n'; |
|---|
| 169 | if((Cmpstr(key, "NXT ENTRY"))==EQ) { |
|---|
| 170 | /* do nothing, just indicate beginning of entry */ |
|---|
| 171 | } else if((Cmpstr(key, "ENTRY ID"))==EQ) { |
|---|
| 172 | alma_one_entry(line, index, &(data.alma.id)); |
|---|
| 173 | for(indi=0, len=Lenstr(data.alma.id); indi<len; |
|---|
| 174 | indi++) |
|---|
| 175 | if(data.alma.id[indi]==' ') |
|---|
| 176 | data.alma.id[indi]='_'; |
|---|
| 177 | } else if((Cmpstr(key, "SEQUENCE"))==EQ) { |
|---|
| 178 | alma_one_entry(line, index, |
|---|
| 179 | &(data.alma.filename)); |
|---|
| 180 | } else if((Cmpstr(key, "FORMAT"))==EQ) { |
|---|
| 181 | alma_one_entry(line, index, &format); |
|---|
| 182 | if((Cmpstr(format, "NBRF"))==EQ) |
|---|
| 183 | data.alma.format=NBRF; |
|---|
| 184 | else if((Cmpstr(format, "UWGCG"))==EQ |
|---|
| 185 | ||(Cmpstr(format, "GCG"))==EQ) |
|---|
| 186 | data.alma.format=GCG; |
|---|
| 187 | else if((Cmpstr(format, "EMBL"))==EQ) |
|---|
| 188 | data.alma.format=EMBL; |
|---|
| 189 | else if((Cmpstr(format, "STADEN"))==EQ) |
|---|
| 190 | data.alma.format=STADEN; |
|---|
| 191 | else { |
|---|
| 192 | sprintf(line, |
|---|
| 193 | "Unidentified file format %s in ALMA format, Exit.", |
|---|
| 194 | format); |
|---|
| 195 | error(49, line); |
|---|
| 196 | } |
|---|
| 197 | Freespace(&(format)); |
|---|
| 198 | } else if((Cmpstr(key, "DEFGAP"))==EQ) { |
|---|
| 199 | /* skip white spaces */ |
|---|
| 200 | for(;line[index]!='['&&line[index]!='\n' |
|---|
| 201 | &&line[index]!='\0'; index++) ; |
|---|
| 202 | if(line[index]=='[') |
|---|
| 203 | data.alma.defgap = line[index+1]; |
|---|
| 204 | } else if((Cmpstr(key, "GAPS"))==EQ) { |
|---|
| 205 | eof=alma_in_gaps(fp); |
|---|
| 206 | eoen='y'; |
|---|
| 207 | } else if((Cmpstr(key, "END FILE"))==EQ) { |
|---|
| 208 | return(EOF); |
|---|
| 209 | } |
|---|
| 210 | if(eoen!='y') eof=Fgetline(line, LINENUM, fp); |
|---|
| 211 | } |
|---|
| 212 | if(eof==NULL) return(EOF); |
|---|
| 213 | else return(EOF+1); |
|---|
| 214 | } |
|---|
| 215 | /* ---------------------------------------------------------------- |
|---|
| 216 | * Function alma_key_word(). |
|---|
| 217 | * Get the key_word from line beginning at index. |
|---|
| 218 | */ |
|---|
| 219 | int |
|---|
| 220 | alma_key_word(line, index, key, length) |
|---|
| 221 | char *line; |
|---|
| 222 | int index; |
|---|
| 223 | char *key; |
|---|
| 224 | int length; |
|---|
| 225 | { |
|---|
| 226 | int indi, indj; |
|---|
| 227 | |
|---|
| 228 | if(line==NULL) { key[0]='\0'; return(index); } |
|---|
| 229 | for(indi=index, indj=0; |
|---|
| 230 | (index-indi)<length&&line[indi]!='>' |
|---|
| 231 | &&line[indi]!='\n'&&line[indi]!='\0'; |
|---|
| 232 | indi++, indj++) |
|---|
| 233 | key[indj] = line[indi]; |
|---|
| 234 | key[indj] = '\0'; |
|---|
| 235 | if(line[indi]=='>') return(indi+1); |
|---|
| 236 | else return(indi); |
|---|
| 237 | } |
|---|
| 238 | /* -------------------------------------------------------------- |
|---|
| 239 | * Function alma_one_entry(). |
|---|
| 240 | * Read in one ALMA entry lines. |
|---|
| 241 | */ |
|---|
| 242 | void |
|---|
| 243 | alma_one_entry(line, index, datastring) |
|---|
| 244 | char *line; |
|---|
| 245 | int index; |
|---|
| 246 | char **datastring; |
|---|
| 247 | { |
|---|
| 248 | int indi, length; |
|---|
| 249 | /* void replace_entry(); */ |
|---|
| 250 | |
|---|
| 251 | index = Skip_white_space(line, index); |
|---|
| 252 | |
|---|
| 253 | for(indi=index, length=Lenstr(line+index)+index; |
|---|
| 254 | indi<length; indi++) |
|---|
| 255 | if(line[indi]=='\n') line[indi]='\0'; |
|---|
| 256 | |
|---|
| 257 | replace_entry(datastring, line+index); |
|---|
| 258 | } |
|---|
| 259 | /* ------------------------------------------------------------- |
|---|
| 260 | * Function alma_in_gaps(). |
|---|
| 261 | * Get sequence data and merge with gaps(alignment). |
|---|
| 262 | */ |
|---|
| 263 | char |
|---|
| 264 | *alma_in_gaps(fp) |
|---|
| 265 | FILE_BUFFER fp; |
|---|
| 266 | { |
|---|
| 267 | int return_num, gaps, residues, count=0; |
|---|
| 268 | int indi, numofseq, bases_not_matching; |
|---|
| 269 | char line[LINENUM], gap_chars[LINENUM]; |
|---|
| 270 | char *eof; |
|---|
| 271 | /* void alma_in_sequence(), warning(); */ |
|---|
| 272 | |
|---|
| 273 | alma_in_sequence(); |
|---|
| 274 | |
|---|
| 275 | numofseq = 0; |
|---|
| 276 | |
|---|
| 277 | bases_not_matching=0; |
|---|
| 278 | /* alignment, merger with gaps information */ |
|---|
| 279 | { |
|---|
| 280 | while (1) { |
|---|
| 281 | char *gotLine = Fgetline(line, LINENUM, fp); |
|---|
| 282 | if (!gotLine) break; |
|---|
| 283 | |
|---|
| 284 | return_num = sscanf(line, "%d %d %s", &gaps, &residues, gap_chars); |
|---|
| 285 | if (return_num == 0 || gaps == -1) { |
|---|
| 286 | FILE_BUFFER_back(fp, line); |
|---|
| 287 | break; |
|---|
| 288 | } |
|---|
| 289 | |
|---|
| 290 | data.alma.sequence = (char*)Reallocspace(data.alma.sequence, (unsigned)(sizeof(char)*(numofseq+gaps+1))); |
|---|
| 291 | |
|---|
| 292 | for(indi=0; indi<gaps; indi++) data.alma.sequence[numofseq+indi] = gap_chars[1]; |
|---|
| 293 | |
|---|
| 294 | numofseq += gaps; |
|---|
| 295 | |
|---|
| 296 | if(residues>(data.seq_length-count)) bases_not_matching = 1; |
|---|
| 297 | |
|---|
| 298 | data.alma.sequence = (char*)Reallocspace (data.alma.sequence, (unsigned)(sizeof(char)*(numofseq+residues+1))); |
|---|
| 299 | |
|---|
| 300 | /* fill with gap if seq data is not enough as required */ |
|---|
| 301 | for(indi=0; indi<residues; indi++) { |
|---|
| 302 | if(count>=data.seq_length) data.alma.sequence[numofseq+indi] = gap_chars[1]; |
|---|
| 303 | else data.alma.sequence[numofseq+indi] = data.sequence[count++]; |
|---|
| 304 | } |
|---|
| 305 | |
|---|
| 306 | numofseq += residues; |
|---|
| 307 | |
|---|
| 308 | } |
|---|
| 309 | } |
|---|
| 310 | |
|---|
| 311 | if(bases_not_matching) { |
|---|
| 312 | sprintf(line, |
|---|
| 313 | "Bases number in ALMA file is larger than that in data file %s", |
|---|
| 314 | data.alma.filename); |
|---|
| 315 | |
|---|
| 316 | warning(142, line); |
|---|
| 317 | } |
|---|
| 318 | |
|---|
| 319 | if(count<data.seq_length) { |
|---|
| 320 | sprintf(line, |
|---|
| 321 | "Bases number in ALMA file is less than that in data file %s", |
|---|
| 322 | data.alma.filename); |
|---|
| 323 | |
|---|
| 324 | warning(143, line); |
|---|
| 325 | |
|---|
| 326 | /* Append the rest of the data at the end */ |
|---|
| 327 | data.alma.sequence = (char*)Reallocspace (data.alma.sequence, (unsigned)(sizeof(char)*(numofseq+data.seq_length-count+1))); |
|---|
| 328 | |
|---|
| 329 | for(indi=0; count<data.seq_length; indi++) data.alma.sequence[numofseq++] = data.sequence[count++]; |
|---|
| 330 | } |
|---|
| 331 | data.alma.sequence[numofseq]='\0'; |
|---|
| 332 | |
|---|
| 333 | /* update sequence data */ |
|---|
| 334 | if(numofseq>data.max) { |
|---|
| 335 | data.max=numofseq; |
|---|
| 336 | data.sequence=(char*)Reallocspace(data.sequence, (unsigned)(sizeof(char)*data.max)); |
|---|
| 337 | } |
|---|
| 338 | |
|---|
| 339 | data.seq_length = numofseq; |
|---|
| 340 | |
|---|
| 341 | for(indi=0; indi<numofseq; indi++) data.sequence[indi]=data.alma.sequence[indi]; |
|---|
| 342 | |
|---|
| 343 | data.alma.num_of_sequence = numofseq; |
|---|
| 344 | |
|---|
| 345 | if(return_num!=0) { |
|---|
| 346 | /* skip END ENTRY> line */ |
|---|
| 347 | if(Fgetline(line, LINENUM, fp)==NULL) eof=NULL; |
|---|
| 348 | else eof = line; |
|---|
| 349 | } else eof = NULL; |
|---|
| 350 | |
|---|
| 351 | return(eof); |
|---|
| 352 | } |
|---|
| 353 | /* ------------------------------------------------------------- |
|---|
| 354 | * Function alma_in_sequence(). |
|---|
| 355 | * Read in sequence data. |
|---|
| 356 | */ |
|---|
| 357 | void |
|---|
| 358 | alma_in_sequence() { |
|---|
| 359 | |
|---|
| 360 | char temp[LINENUM]; |
|---|
| 361 | FILE *IFP; /* ex-infile */ |
|---|
| 362 | FILE_BUFFER ifp; |
|---|
| 363 | |
|---|
| 364 | if((IFP=fopen(data.alma.filename, "r"))==NULL) { |
|---|
| 365 | sprintf(temp, "Cannot open file %s, Exit.", data.alma.filename); |
|---|
| 366 | error(51, temp); |
|---|
| 367 | } |
|---|
| 368 | |
|---|
| 369 | ifp = create_FILE_BUFFER(data.alma.filename, IFP); |
|---|
| 370 | |
|---|
| 371 | if(data.alma.format==NBRF) { |
|---|
| 372 | nbrf_in(ifp); |
|---|
| 373 | } else if(data.alma.format==GCG) { |
|---|
| 374 | gcg_in(ifp); |
|---|
| 375 | } else if(data.alma.format==EMBL) { |
|---|
| 376 | init_embl(); |
|---|
| 377 | embl_in(ifp); |
|---|
| 378 | } else if(data.alma.format==STADEN) { |
|---|
| 379 | staden_in(ifp); |
|---|
| 380 | } else { |
|---|
| 381 | sprintf(temp, "Unidentified file format %d in ALMA file, Exit.", data.alma.format); |
|---|
| 382 | error(50, temp); |
|---|
| 383 | } |
|---|
| 384 | destroy_FILE_BUFFER(ifp); |
|---|
| 385 | } |
|---|
| 386 | /* -------------------------------------------------------------- |
|---|
| 387 | * Function nbrf_in(). |
|---|
| 388 | * Read in nbrf data. |
|---|
| 389 | */ |
|---|
| 390 | void |
|---|
| 391 | nbrf_in(fp) |
|---|
| 392 | FILE_BUFFER fp; |
|---|
| 393 | { |
|---|
| 394 | int length, index, reach_end; |
|---|
| 395 | char line[LINENUM], temp[TOKENNUM], *eof; |
|---|
| 396 | /* char *Fgetline(), *Dupstr(); */ |
|---|
| 397 | /* char *Reallocspace(); */ |
|---|
| 398 | /* void Cpystr(), replace_entry(), error(); */ |
|---|
| 399 | |
|---|
| 400 | if((eof=Fgetline(line, LINENUM, fp))==NULL) |
|---|
| 401 | error(52, |
|---|
| 402 | "Cannot find id line in NBRF file, Exit."); |
|---|
| 403 | Cpystr(temp, line+4); |
|---|
| 404 | length=Lenstr(temp); |
|---|
| 405 | if(temp[length-1]=='\n') temp[length-1]='\0'; |
|---|
| 406 | |
|---|
| 407 | replace_entry(&(data.nbrf.id), temp); |
|---|
| 408 | |
|---|
| 409 | if((eof=Fgetline(line, LINENUM, fp))==NULL) |
|---|
| 410 | error(54, |
|---|
| 411 | "Cannot find description line in NBRF file, Exit."); |
|---|
| 412 | |
|---|
| 413 | replace_entry(&(data.nbrf.description), line); |
|---|
| 414 | |
|---|
| 415 | /* read in sequence data */ |
|---|
| 416 | data.seq_length = 0; |
|---|
| 417 | for(eof=Fgetline(line, LINENUM, fp), reach_end='n'; |
|---|
| 418 | eof!=NULL&&reach_end!='y'; |
|---|
| 419 | eof=Fgetline(line, LINENUM, fp)) |
|---|
| 420 | { |
|---|
| 421 | for(index=0; line[index]!='\n'&&line[index]!='\0'; |
|---|
| 422 | index++) |
|---|
| 423 | { |
|---|
| 424 | if(line[index]=='*') { |
|---|
| 425 | reach_end='y'; |
|---|
| 426 | continue; |
|---|
| 427 | } |
|---|
| 428 | if(line[index]!=' '&&data.seq_length>=data.max){ |
|---|
| 429 | data.max += 100; |
|---|
| 430 | |
|---|
| 431 | data.sequence = (char*)Reallocspace |
|---|
| 432 | (data.sequence, |
|---|
| 433 | (unsigned)(sizeof(char)*data.max)); |
|---|
| 434 | } |
|---|
| 435 | if(line[index]!=' ') |
|---|
| 436 | data.sequence[data.seq_length++] |
|---|
| 437 | = line[index]; |
|---|
| 438 | } /* scan through each line */ |
|---|
| 439 | data.sequence[data.seq_length] = '\0'; |
|---|
| 440 | } /* for each line */ |
|---|
| 441 | } |
|---|
| 442 | /* ---------------------------------------------------------------- |
|---|
| 443 | * Function gcg_in(). |
|---|
| 444 | * Read in one data entry in UWGCG format. |
|---|
| 445 | */ |
|---|
| 446 | void |
|---|
| 447 | gcg_in(fp) |
|---|
| 448 | FILE_BUFFER fp; |
|---|
| 449 | { |
|---|
| 450 | char line[LINENUM]; |
|---|
| 451 | |
|---|
| 452 | while (Fgetline(line, LINENUM, fp)) { |
|---|
| 453 | char *two_dots = strstr(line, ".."); |
|---|
| 454 | if (two_dots) { |
|---|
| 455 | FILE_BUFFER_back(fp, two_dots+2); |
|---|
| 456 | genbank_origin(line, fp); |
|---|
| 457 | } |
|---|
| 458 | } |
|---|
| 459 | } |
|---|
| 460 | /* ---------------------------------------------------------------- |
|---|
| 461 | * Fnction staden_in(). |
|---|
| 462 | * Read in sequence data in STADEN format. |
|---|
| 463 | */ |
|---|
| 464 | void |
|---|
| 465 | staden_in(fp) |
|---|
| 466 | FILE_BUFFER fp; |
|---|
| 467 | { |
|---|
| 468 | char line[LINENUM]; |
|---|
| 469 | int len, start, indi; |
|---|
| 470 | |
|---|
| 471 | data.seq_length=0; |
|---|
| 472 | while(Fgetline(line, LINENUM, fp)!=NULL) { |
|---|
| 473 | /* skip empty line */ |
|---|
| 474 | if((len=Lenstr(line))<=1) continue; |
|---|
| 475 | |
|---|
| 476 | start = data.seq_length; |
|---|
| 477 | data.seq_length += len; |
|---|
| 478 | line[len-1]='\0'; |
|---|
| 479 | |
|---|
| 480 | if(data.seq_length>data.max) { |
|---|
| 481 | data.max += (data.seq_length + 100); |
|---|
| 482 | data.sequence = (char*)Reallocspace |
|---|
| 483 | (data.sequence, |
|---|
| 484 | (unsigned)(sizeof(char)*data.max)); |
|---|
| 485 | } |
|---|
| 486 | |
|---|
| 487 | for(indi=0; indi<len; indi++) |
|---|
| 488 | data.sequence[start+indi] = line[indi]; |
|---|
| 489 | } |
|---|
| 490 | } |
|---|
| 491 | /* ------------------------------------------------------------- |
|---|
| 492 | * Function atom(). |
|---|
| 493 | * Convert one ALMA entry to Macke entry. |
|---|
| 494 | */ |
|---|
| 495 | int |
|---|
| 496 | atom() |
|---|
| 497 | { |
|---|
| 498 | /* int indi, len; */ |
|---|
| 499 | /* char *Dupstr(), *Reallocspace(); */ |
|---|
| 500 | /* void replace_entry(), error(); */ |
|---|
| 501 | |
|---|
| 502 | if(data.alma.format==NBRF) { |
|---|
| 503 | data.macke.numofrem=1; |
|---|
| 504 | data.macke.remarks=(char**)Reallocspace |
|---|
| 505 | ((char*)data.macke.remarks, |
|---|
| 506 | (unsigned)(sizeof(char*))); |
|---|
| 507 | data.macke.remarks[0] |
|---|
| 508 | =(char*)Dupstr(data.nbrf.description); |
|---|
| 509 | } else if(data.alma.format==EMBL) { |
|---|
| 510 | etom(); |
|---|
| 511 | } else if(data.alma.format==GCG) { |
|---|
| 512 | } else if(data.alma.format==STADEN) { |
|---|
| 513 | } else { |
|---|
| 514 | error(53, |
|---|
| 515 | "Unidentified format type in ALMA file, Exit."); |
|---|
| 516 | } |
|---|
| 517 | |
|---|
| 518 | replace_entry(&(data.macke.seqabbr), data.alma.id); |
|---|
| 519 | |
|---|
| 520 | return(1); |
|---|
| 521 | } |
|---|
| 522 | /* ------------------------------------------------------------- |
|---|
| 523 | * Function embl_to_alma(). |
|---|
| 524 | * Convert from EMBL to ALMA. |
|---|
| 525 | */ |
|---|
| 526 | void |
|---|
| 527 | embl_to_alma(inf, outf) |
|---|
| 528 | char *inf, *outf; |
|---|
| 529 | { |
|---|
| 530 | FILE *IFP, *ofp; |
|---|
| 531 | FILE_BUFFER ifp; |
|---|
| 532 | char temp[TOKENNUM]; |
|---|
| 533 | |
|---|
| 534 | if((IFP=fopen(inf, "r"))==NULL) { |
|---|
| 535 | sprintf(temp, "Cannot open input file %s, EXIT.", inf); |
|---|
| 536 | error(134, temp); |
|---|
| 537 | } |
|---|
| 538 | ifp = create_FILE_BUFFER(inf, IFP); |
|---|
| 539 | if((ofp=fopen(outf, "w"))==NULL) { |
|---|
| 540 | sprintf(temp, "Cannot open output file %s, EXIT.", outf); |
|---|
| 541 | error(135, temp); |
|---|
| 542 | } |
|---|
| 543 | |
|---|
| 544 | init(); |
|---|
| 545 | init_embl(); |
|---|
| 546 | init_alma(); |
|---|
| 547 | alma_out_header(ofp); |
|---|
| 548 | |
|---|
| 549 | while(embl_in(ifp)!=EOF) { |
|---|
| 550 | if(data.numofseq>0) fprintf(ofp, "\n"); |
|---|
| 551 | data.numofseq++; |
|---|
| 552 | if(etoa()) { |
|---|
| 553 | FILE *outfile = alma_out(ofp, EMBL); |
|---|
| 554 | embl_out(outfile); |
|---|
| 555 | fclose(outfile); |
|---|
| 556 | } |
|---|
| 557 | init_embl(); |
|---|
| 558 | init_alma(); |
|---|
| 559 | } |
|---|
| 560 | |
|---|
| 561 | fprintf(ofp, "END FILE>\n"); |
|---|
| 562 | |
|---|
| 563 | #ifdef log |
|---|
| 564 | fprintf(stderr, |
|---|
| 565 | "Total %d sequences have been processed\n", |
|---|
| 566 | data.numofseq); |
|---|
| 567 | #endif |
|---|
| 568 | |
|---|
| 569 | destroy_FILE_BUFFER(ifp); fclose(ofp); |
|---|
| 570 | } |
|---|
| 571 | /* ------------------------------------------------------------ |
|---|
| 572 | * Function genbank_to_alma(). |
|---|
| 573 | * Convert from GenBank to ALMA. |
|---|
| 574 | */ |
|---|
| 575 | void |
|---|
| 576 | genbank_to_alma(inf, outf) |
|---|
| 577 | char *inf, *outf; |
|---|
| 578 | { |
|---|
| 579 | FILE *IFP, *ofp; |
|---|
| 580 | FILE_BUFFER ifp; |
|---|
| 581 | char temp[TOKENNUM]; |
|---|
| 582 | |
|---|
| 583 | if((IFP=fopen(inf, "r"))==NULL) { |
|---|
| 584 | sprintf(temp, |
|---|
| 585 | "Cannot open input file %s, EXIT.", inf); |
|---|
| 586 | error(61, temp); |
|---|
| 587 | } |
|---|
| 588 | ifp = create_FILE_BUFFER(inf, IFP); |
|---|
| 589 | if((ofp=fopen(outf, "w")) == NULL) { |
|---|
| 590 | sprintf(temp, |
|---|
| 591 | "Cannot open output file %s, EXIT.", outf); |
|---|
| 592 | error(62, temp); |
|---|
| 593 | } |
|---|
| 594 | |
|---|
| 595 | init(); |
|---|
| 596 | init_genbank(); |
|---|
| 597 | init_embl(); |
|---|
| 598 | init_alma(); |
|---|
| 599 | alma_out_header(ofp); |
|---|
| 600 | |
|---|
| 601 | while(genbank_in(ifp)!=EOF) { |
|---|
| 602 | if(data.numofseq>0) fprintf(ofp, "\n"); |
|---|
| 603 | data.numofseq++; |
|---|
| 604 | if(gtoe()&&etoa()) { |
|---|
| 605 | FILE *outfile = alma_out(ofp, EMBL); |
|---|
| 606 | embl_out(outfile); |
|---|
| 607 | fclose(outfile); |
|---|
| 608 | } |
|---|
| 609 | init_genbank(); |
|---|
| 610 | init_embl(); |
|---|
| 611 | init_alma(); |
|---|
| 612 | } |
|---|
| 613 | |
|---|
| 614 | fprintf(ofp, "END FILE>\n"); |
|---|
| 615 | |
|---|
| 616 | #ifdef log |
|---|
| 617 | fprintf(stderr, |
|---|
| 618 | "Total %d sequences have been processed\n", |
|---|
| 619 | data.numofseq); |
|---|
| 620 | #endif |
|---|
| 621 | |
|---|
| 622 | destroy_FILE_BUFFER(ifp); fclose(ofp); |
|---|
| 623 | } |
|---|
| 624 | /* ------------------------------------------------------------- |
|---|
| 625 | * Function macke_to_alma(). |
|---|
| 626 | * Convert from MACKE to ALMA. |
|---|
| 627 | */ |
|---|
| 628 | void |
|---|
| 629 | macke_to_alma(inf, outf) |
|---|
| 630 | char *inf, *outf; |
|---|
| 631 | { |
|---|
| 632 | FILE *IFP1, *IFP2, *IFP3, *ofp; |
|---|
| 633 | FILE_BUFFER ifp1, ifp2, ifp3; |
|---|
| 634 | char temp[TOKENNUM]; |
|---|
| 635 | |
|---|
| 636 | if((IFP1=fopen(inf, "r"))==NULL || |
|---|
| 637 | (IFP2=fopen(inf, "r"))==NULL || |
|---|
| 638 | (IFP3=fopen(inf, "r"))==NULL) |
|---|
| 639 | { |
|---|
| 640 | sprintf(temp, |
|---|
| 641 | "Cannot open input file %s, EXIT.", inf); |
|---|
| 642 | error(59, temp); |
|---|
| 643 | } |
|---|
| 644 | |
|---|
| 645 | ifp1 = create_FILE_BUFFER(inf, IFP1); |
|---|
| 646 | ifp2 = create_FILE_BUFFER(inf, IFP2); |
|---|
| 647 | ifp3 = create_FILE_BUFFER(inf, IFP3); |
|---|
| 648 | |
|---|
| 649 | if((ofp=fopen(outf, "w"))==NULL) { |
|---|
| 650 | sprintf(temp, |
|---|
| 651 | "Cannot open output file %s, EXIT.", outf); |
|---|
| 652 | error(60, temp); |
|---|
| 653 | } |
|---|
| 654 | |
|---|
| 655 | init(); |
|---|
| 656 | init_macke(); |
|---|
| 657 | init_genbank(); |
|---|
| 658 | init_embl(); |
|---|
| 659 | init_alma(); |
|---|
| 660 | alma_out_header(ofp); |
|---|
| 661 | while(macke_in(ifp1, ifp2, ifp3)!=EOF) { |
|---|
| 662 | if(data.numofseq>0) fprintf(ofp, "\n"); |
|---|
| 663 | data.numofseq++; |
|---|
| 664 | if(mtog()&>oe()&&partial_mtoe()&&etoa()) { |
|---|
| 665 | FILE *outfile = alma_out(ofp, EMBL); |
|---|
| 666 | embl_out(outfile); |
|---|
| 667 | fclose(outfile); |
|---|
| 668 | } |
|---|
| 669 | init_macke(); |
|---|
| 670 | init_genbank(); |
|---|
| 671 | init_embl(); |
|---|
| 672 | init_alma(); |
|---|
| 673 | } |
|---|
| 674 | |
|---|
| 675 | fprintf(ofp, "END FILE>\n"); |
|---|
| 676 | |
|---|
| 677 | #ifdef log |
|---|
| 678 | fprintf(stderr, |
|---|
| 679 | "Total %d sequences have been processed\n", |
|---|
| 680 | data.numofseq); |
|---|
| 681 | #endif |
|---|
| 682 | |
|---|
| 683 | destroy_FILE_BUFFER(ifp1); destroy_FILE_BUFFER(ifp2); |
|---|
| 684 | destroy_FILE_BUFFER(ifp3); fclose(ofp); |
|---|
| 685 | } |
|---|
| 686 | /* ------------------------------------------------------------- |
|---|
| 687 | * Function etoa(). |
|---|
| 688 | * Convert from EMBL to ALMA format. |
|---|
| 689 | */ |
|---|
| 690 | int |
|---|
| 691 | etoa() |
|---|
| 692 | { |
|---|
| 693 | char temp[TOKENNUM], t1[TOKENNUM], t2[TOKENNUM], t3[TOKENNUM]; |
|---|
| 694 | /* char *Dupstr(), *Catstr(); */ |
|---|
| 695 | /* void embl_key_word(), Cpystr(); */ |
|---|
| 696 | /* void replace_entry(); */ |
|---|
| 697 | |
|---|
| 698 | embl_key_word(data.embl.id, 0, temp, TOKENNUM); |
|---|
| 699 | if(Lenstr(data.embl.dr)>1) { |
|---|
| 700 | /* get short_id from DR line if there is RDP def. */ |
|---|
| 701 | Cpystr(t3, "dummy"); |
|---|
| 702 | sscanf(data.embl.dr, "%s %s %s", t1, t2, t3); |
|---|
| 703 | if(Cmpstr(t1, "RDP;")==EQ) { |
|---|
| 704 | if(Cmpstr(t3, "dummy")!=EQ) { |
|---|
| 705 | Cpystr(temp, t3); |
|---|
| 706 | } else Cpystr(temp, t2); |
|---|
| 707 | temp[Lenstr(temp)-1]='\0'; /* remove '.' */ |
|---|
| 708 | } |
|---|
| 709 | } |
|---|
| 710 | replace_entry(&(data.alma.id), temp); |
|---|
| 711 | |
|---|
| 712 | return(1); |
|---|
| 713 | } |
|---|
| 714 | /* ------------------------------------------------------------- |
|---|
| 715 | * Function alma_out_header(). |
|---|
| 716 | * Output alma format header. |
|---|
| 717 | */ |
|---|
| 718 | void |
|---|
| 719 | alma_out_header(fp) |
|---|
| 720 | FILE *fp; |
|---|
| 721 | { |
|---|
| 722 | fprintf(fp, "SCREEN WIDTH> 80\n"); |
|---|
| 723 | fprintf(fp, "ID COLUMN> 1\n"); |
|---|
| 724 | fprintf(fp, "LINK COLUMN> 10\n"); |
|---|
| 725 | fprintf(fp, "INFO LINE> 24\n"); |
|---|
| 726 | fprintf(fp, "ACTIVE WINDOW> 1 1\n"); |
|---|
| 727 | fprintf(fp, |
|---|
| 728 | "SEQUENCE WINDOW> 1 1 1 23 12 80\n"); |
|---|
| 729 | fprintf(fp, "SCROLL DISTANCE> 1 1 50\n"); |
|---|
| 730 | fprintf(fp, "SEQ NUMBERS> 1 1 0 0\n"); |
|---|
| 731 | fprintf(fp, "CURSOR SCREEN> 1 1 11 54\n"); |
|---|
| 732 | fprintf(fp, "CURSOR ALIGNMENT> 1 1 9 143\n"); |
|---|
| 733 | fprintf(fp, "LINK ACTIVE> 2\n"); |
|---|
| 734 | fprintf(fp, "SCROLL> 2\n"); |
|---|
| 735 | fprintf(fp, "MULTI WINDOWS>F\n"); |
|---|
| 736 | fprintf(fp, "COLOURS>F\n"); |
|---|
| 737 | fprintf(fp, "UPDATE INT#>T\n"); |
|---|
| 738 | fprintf(fp, "HOMOLOGY>F\n"); |
|---|
| 739 | fprintf(fp, "PRINT>\n"); |
|---|
| 740 | fprintf(fp, "FILE_A>\n"); |
|---|
| 741 | fprintf(fp, "FILE_B>\n"); |
|---|
| 742 | fprintf(fp, "FILE_C>\n"); |
|---|
| 743 | fprintf(fp, "FILE_D>\n"); |
|---|
| 744 | fprintf(fp, "FILE_E>\n"); |
|---|
| 745 | fprintf(fp, "ALIGNMENT TITLE>\n"); |
|---|
| 746 | fprintf(fp, "PRINT TITLE> 0\n"); |
|---|
| 747 | fprintf(fp, "PRINT DEVICE> 0\n"); |
|---|
| 748 | fprintf(fp, "SPACERS TOP> 0\n"); |
|---|
| 749 | fprintf(fp, "FONT> 0\n"); |
|---|
| 750 | fprintf(fp, "FONT SIZE> 0\n"); |
|---|
| 751 | fprintf(fp, "PAGE WIDTH> 0\n"); |
|---|
| 752 | fprintf(fp, "PRINT FORMAT> 0\n"); |
|---|
| 753 | fprintf(fp, "PAGE LENGTH> 0\n"); |
|---|
| 754 | fprintf(fp, "SKIP LINES> 0\n"); |
|---|
| 755 | fprintf(fp, "COLOURING> 0\n"); |
|---|
| 756 | fprintf(fp, |
|---|
| 757 | "COLOUR ACTIVE> 0 0 0 0 0 0 0 0 0 0\n"); |
|---|
| 758 | fprintf(fp, "RESIDUE B(LINK)>\n"); |
|---|
| 759 | fprintf(fp, "RESIDUE R(EVERSE)>\n"); |
|---|
| 760 | fprintf(fp, "RESIDUE I(NCREASE)>\n"); |
|---|
| 761 | fprintf(fp, "RESIDUE B+R>\n"); |
|---|
| 762 | fprintf(fp, "RESIDUE B+I>\n"); |
|---|
| 763 | fprintf(fp, "RESIDUE R+I>\n"); |
|---|
| 764 | fprintf(fp, "RESIDUE B+R+I>\n"); |
|---|
| 765 | fprintf(fp, "HOMOEF_A> 0\n"); |
|---|
| 766 | fprintf(fp, "HOMOEF_B> 0\n"); |
|---|
| 767 | fprintf(fp, "HOMOEF_C> 0\n"); |
|---|
| 768 | fprintf(fp, "HOMOEF_D> 0\n"); |
|---|
| 769 | fprintf(fp, "HOMOEF_E> 0\n"); |
|---|
| 770 | fprintf(fp, "HOMOEF_F> 0\n"); |
|---|
| 771 | fprintf(fp, "HOMOEF_G> 0\n"); |
|---|
| 772 | fprintf(fp, "HOMOEF_H> 0\n"); |
|---|
| 773 | fprintf(fp, "HOMOEF_I> 0\n"); |
|---|
| 774 | fprintf(fp, "HOMOEF_J> 0\n"); |
|---|
| 775 | fprintf(fp, "HOMOEF_K> 0\n"); |
|---|
| 776 | fprintf(fp, "HOMOEF_L> 0\n"); |
|---|
| 777 | fprintf(fp, "HOMOEF_M> 0\n"); |
|---|
| 778 | fprintf(fp, "HOMOEF_N> 0\n"); |
|---|
| 779 | fprintf(fp, "HOMOEF_O> 0\n"); |
|---|
| 780 | fprintf(fp, "HOMOEF_P> 0\n"); |
|---|
| 781 | fprintf(fp, "HOMOEF_Q> 0\n"); |
|---|
| 782 | fprintf(fp, "HOMOEF_R> 0\n"); |
|---|
| 783 | fprintf(fp, "HOMOEF_S> 0\n"); |
|---|
| 784 | fprintf(fp, "HOMOEF_T> 0\n"); |
|---|
| 785 | } |
|---|
| 786 | /* ------------------------------------------------------------- |
|---|
| 787 | * Function alma_out(). |
|---|
| 788 | * Output one alma entry. |
|---|
| 789 | */ |
|---|
| 790 | FILE * |
|---|
| 791 | alma_out(fp, format) |
|---|
| 792 | FILE *fp; |
|---|
| 793 | int format; |
|---|
| 794 | { |
|---|
| 795 | int indi, len; |
|---|
| 796 | char filename[TOKENNUM]; |
|---|
| 797 | FILE *outfile; |
|---|
| 798 | |
|---|
| 799 | Cpystr(filename, data.alma.id); |
|---|
| 800 | for(indi=0, len=Lenstr(filename); indi<len; indi++) |
|---|
| 801 | if(!isalnum(filename[indi])) filename[indi] = '_'; |
|---|
| 802 | Catstr(filename, ".EMBL"); |
|---|
| 803 | |
|---|
| 804 | outfile = alma_out_entry_header(fp, data.alma.id, filename, format); |
|---|
| 805 | alma_out_gaps(fp); |
|---|
| 806 | |
|---|
| 807 | return outfile; |
|---|
| 808 | } |
|---|
| 809 | /* -------------------------------------------------------------- |
|---|
| 810 | * Function alma_out_entry_header(). |
|---|
| 811 | * Output one ALMA entry header. |
|---|
| 812 | */ |
|---|
| 813 | FILE * |
|---|
| 814 | alma_out_entry_header(fp, entry_id, filename, format_type) |
|---|
| 815 | FILE *fp; |
|---|
| 816 | char *entry_id, *filename; |
|---|
| 817 | int format_type; |
|---|
| 818 | { |
|---|
| 819 | char temp[TOKENNUM]; |
|---|
| 820 | FILE *outfile = 0; |
|---|
| 821 | |
|---|
| 822 | fprintf(fp, "NXT ENTRY>S\n"); |
|---|
| 823 | fprintf(fp, "ENTRY ID>%s\n", entry_id); |
|---|
| 824 | |
|---|
| 825 | if(fopen(filename, "r")!=NULL) { |
|---|
| 826 | sprintf(temp, |
|---|
| 827 | "file %s is overwritten.", filename); |
|---|
| 828 | warning(55, temp); |
|---|
| 829 | } |
|---|
| 830 | if((outfile=fopen(filename, "w"))==NULL) { |
|---|
| 831 | sprintf(temp, "Cannot open file: %s, Exit.", |
|---|
| 832 | filename); |
|---|
| 833 | error(56, temp); |
|---|
| 834 | } |
|---|
| 835 | fprintf(fp, "SEQUENCE>%s\n", filename); |
|---|
| 836 | if(format_type==EMBL) |
|---|
| 837 | fprintf(fp, "FORMAT>EMBL\n"); |
|---|
| 838 | else if(format_type==NBRF) |
|---|
| 839 | fprintf(fp, "FORMAT>NBRF\n"); |
|---|
| 840 | else if(format_type==GCG) |
|---|
| 841 | fprintf(fp, "FORMAT>UWGCG\n"); |
|---|
| 842 | else if(format_type==STADEN) |
|---|
| 843 | fprintf(fp, "FORMAT>STADEN\n"); |
|---|
| 844 | else error(57, |
|---|
| 845 | "Unknown format type when writing ALMA format, EXIT."); |
|---|
| 846 | |
|---|
| 847 | fprintf(fp, "ACCEPT>ALL\n"); |
|---|
| 848 | fprintf(fp, "DEFGAP>[-]\n"); |
|---|
| 849 | fprintf(fp, "PARAMS>1\n"); |
|---|
| 850 | fprintf(fp, "GAPS>\n"); |
|---|
| 851 | |
|---|
| 852 | return outfile; |
|---|
| 853 | } |
|---|
| 854 | /* -------------------------------------------------------------- |
|---|
| 855 | * Function alma_out_gaps(). |
|---|
| 856 | * Output gaps information of one ALMA entry. |
|---|
| 857 | */ |
|---|
| 858 | void |
|---|
| 859 | alma_out_gaps(fp) |
|---|
| 860 | FILE *fp; |
|---|
| 861 | { |
|---|
| 862 | int indi, index, residue, gnum, rnum, tempcount; |
|---|
| 863 | |
|---|
| 864 | gnum=rnum=0; |
|---|
| 865 | |
|---|
| 866 | if(data.sequence[0]=='.'||data.sequence[0]=='-' |
|---|
| 867 | ||data.sequence[0]=='~') |
|---|
| 868 | residue=0; |
|---|
| 869 | else residue=1; |
|---|
| 870 | |
|---|
| 871 | tempcount=data.seq_length; |
|---|
| 872 | for(indi=index=0; indi<tempcount; indi++) { |
|---|
| 873 | if(data.sequence[indi]=='.' |
|---|
| 874 | ||data.sequence[indi]=='-' |
|---|
| 875 | ||data.sequence[indi]=='~') { |
|---|
| 876 | if(residue) { |
|---|
| 877 | fprintf(fp, " %4d %4d [-]\n", |
|---|
| 878 | gnum, rnum); |
|---|
| 879 | gnum=rnum=residue=0; |
|---|
| 880 | } |
|---|
| 881 | gnum++; data.seq_length--; |
|---|
| 882 | } else { |
|---|
| 883 | residue=1; |
|---|
| 884 | rnum++; |
|---|
| 885 | data.sequence[index++] |
|---|
| 886 | =data.sequence[indi]; |
|---|
| 887 | } |
|---|
| 888 | } |
|---|
| 889 | data.sequence[index]='\0'; |
|---|
| 890 | fprintf(fp, " %4d %4d [-]\n", gnum, rnum); |
|---|
| 891 | fprintf(fp, " -1 -1 [-]\n"); |
|---|
| 892 | fprintf(fp, "END ENTRY>\n"); |
|---|
| 893 | } |
|---|