| 1 | #include <string.h> |
|---|
| 2 | #include <ctype.h> |
|---|
| 3 | |
|---|
| 4 | #include "awt_assert.hxx" |
|---|
| 5 | #include "awt_iupac.hxx" |
|---|
| 6 | |
|---|
| 7 | #define IUPAC_EMPTY " " |
|---|
| 8 | #define ILL_CODE char(26) |
|---|
| 9 | |
|---|
| 10 | AWT_IUPAC_descriptor AWT_iupac_code[26][2]= { |
|---|
| 11 | {{ "A", 1 }, { "A", 1 }}, |
|---|
| 12 | {{ "CGT", 3 }, { "CGU", 3 }}, |
|---|
| 13 | {{ "C", 1 }, { "C", 1 }}, |
|---|
| 14 | {{ "AGT", 3 }, { "AGU", 3 }}, |
|---|
| 15 | {{ 0, 0 }, { 0, 0 }}, // E |
|---|
| 16 | {{ 0, 0 }, { 0, 0 }}, // F |
|---|
| 17 | {{ "G", 1 }, { "G", 1 }}, |
|---|
| 18 | {{ "ACT", 3 }, { "ACU", 3 }}, |
|---|
| 19 | {{ 0, 0 }, { 0, 0 }}, // I |
|---|
| 20 | {{ 0, 0 }, { 0, 0 }}, // J |
|---|
| 21 | {{ "GT", 2 }, { "GU", 2 }}, |
|---|
| 22 | {{ 0, 0 }, { 0, 0 }}, // L |
|---|
| 23 | {{ "AC", 2 }, { "AC", 2 }}, |
|---|
| 24 | {{ "ACGT", 1 }, { "ACGU", 1 }}, // N |
|---|
| 25 | {{ 0, 0 }, { 0, 0 }}, // O |
|---|
| 26 | {{ 0, 0 }, { 0, 0 }}, // P |
|---|
| 27 | {{ 0, 0 }, { 0, 0 }}, // Q |
|---|
| 28 | {{ "AG", 2 }, { "AG", 2 }}, |
|---|
| 29 | {{ "CG", 2 }, { "CG", 2 }}, |
|---|
| 30 | {{ "T", 1 }, { "U", 1 }}, // T |
|---|
| 31 | {{ "T", 1 }, { "U", 1 }}, // U |
|---|
| 32 | {{ "ACG", 3 }, { "ACG", 3 }}, |
|---|
| 33 | {{ "AT", 2 }, { "AU", 2 }}, |
|---|
| 34 | {{ 0, 0 }, { 0, 0 }}, // X |
|---|
| 35 | {{ "CT", 2 }, { "CU", 2 }}, |
|---|
| 36 | {{ 0, 0 }, { 0, 0 }} // Z |
|---|
| 37 | |
|---|
| 38 | // (In each single string the nucs have to be sorted alphabetically) |
|---|
| 39 | }; |
|---|
| 40 | |
|---|
| 41 | const int AWT_iupac_group[26] = { // this is for amino_acids |
|---|
| 42 | 1, // A |
|---|
| 43 | 2, // B |
|---|
| 44 | 0, // C |
|---|
| 45 | 2, // D |
|---|
| 46 | 2, // E |
|---|
| 47 | 5, // F |
|---|
| 48 | 1, // G |
|---|
| 49 | 3, // H |
|---|
| 50 | 4, // I |
|---|
| 51 | 0, // J |
|---|
| 52 | 3, // K |
|---|
| 53 | 4, // L |
|---|
| 54 | 4, // M |
|---|
| 55 | 2, // N |
|---|
| 56 | 0, // O |
|---|
| 57 | 1, // P |
|---|
| 58 | 2, // Q |
|---|
| 59 | 3, // R |
|---|
| 60 | 1, // S |
|---|
| 61 | 1, // T |
|---|
| 62 | 0, // U |
|---|
| 63 | 4, // V |
|---|
| 64 | 5, // W |
|---|
| 65 | 0, // X |
|---|
| 66 | 5, // Y |
|---|
| 67 | 2, // Z |
|---|
| 68 | }; |
|---|
| 69 | |
|---|
| 70 | static char IUPAC_add[26][26]; // uses T |
|---|
| 71 | static int IUPAC_add_initialized = 0; |
|---|
| 72 | |
|---|
| 73 | static void initialize_IUPAC_add() |
|---|
| 74 | { |
|---|
| 75 | int c1, c2; |
|---|
| 76 | |
|---|
| 77 | for (c1=0; c1<26; c1++) { |
|---|
| 78 | const char *decoded1 = AWT_iupac_code[c1][0].iupac; |
|---|
| 79 | |
|---|
| 80 | if (!decoded1) { |
|---|
| 81 | for (c2=0; c2<=c1; c2++) { |
|---|
| 82 | IUPAC_add[c1][c2] = ILL_CODE; |
|---|
| 83 | IUPAC_add[c2][c1] = ILL_CODE; |
|---|
| 84 | } |
|---|
| 85 | } |
|---|
| 86 | else { |
|---|
| 87 | IUPAC_add[c1][c1] = char(c1); // add char to same char |
|---|
| 88 | |
|---|
| 89 | for (c2=0; c2<c1; c2++) { |
|---|
| 90 | if (strchr(decoded1, 'A'+c2)!=0) { // char is already contained in this IUPAC |
|---|
| 91 | IUPAC_add[c1][c2] = char(c1); |
|---|
| 92 | } |
|---|
| 93 | else { |
|---|
| 94 | const char *decoded2 = AWT_iupac_code[c2][0].iupac; |
|---|
| 95 | |
|---|
| 96 | if (!decoded2) { // char is illegal |
|---|
| 97 | IUPAC_add[c1][c2] = ILL_CODE; |
|---|
| 98 | } |
|---|
| 99 | else { |
|---|
| 100 | #define MAX_MIXED 5 |
|---|
| 101 | char mixed[MAX_MIXED]; |
|---|
| 102 | char *mp = mixed; |
|---|
| 103 | const char *d1 = decoded1; |
|---|
| 104 | const char *d2 = decoded2; |
|---|
| 105 | |
|---|
| 106 | while (1) { |
|---|
| 107 | char z1 = *d1; |
|---|
| 108 | char z2 = *d2; |
|---|
| 109 | |
|---|
| 110 | if (!z1 && !z2) break; |
|---|
| 111 | |
|---|
| 112 | if (z1==z2) { |
|---|
| 113 | *mp++ = z1; |
|---|
| 114 | d1++; |
|---|
| 115 | d2++; |
|---|
| 116 | } |
|---|
| 117 | else if (!z2 || (z1 && z1<z2)) { |
|---|
| 118 | *mp++ = z1; |
|---|
| 119 | d1++; |
|---|
| 120 | } |
|---|
| 121 | else { |
|---|
| 122 | awt_assert(!z1 || (z2 && z2<z1)); |
|---|
| 123 | *mp++ = z2; |
|---|
| 124 | d2++; |
|---|
| 125 | } |
|---|
| 126 | } |
|---|
| 127 | |
|---|
| 128 | awt_assert((mp-mixed)<MAX_MIXED); |
|---|
| 129 | *mp++ = 0; |
|---|
| 130 | |
|---|
| 131 | #if !defined(NDEBUG) && 0 |
|---|
| 132 | printf("Mix '%s' + '%s' = '%s'\n", decoded1, decoded2, mixed); |
|---|
| 133 | #endif |
|---|
| 134 | |
|---|
| 135 | int c3; |
|---|
| 136 | |
|---|
| 137 | for (c3=0; c3<26; c3++) { |
|---|
| 138 | if (AWT_iupac_code[c3][0].iupac && strcmp(mixed, AWT_iupac_code[c3][0].iupac)==0) { |
|---|
| 139 | IUPAC_add[c1][c2] = char(c3); |
|---|
| 140 | break; |
|---|
| 141 | } |
|---|
| 142 | } |
|---|
| 143 | |
|---|
| 144 | if (c3>=26) { |
|---|
| 145 | IUPAC_add[c1][c2] = 0; |
|---|
| 146 | } |
|---|
| 147 | } |
|---|
| 148 | } |
|---|
| 149 | |
|---|
| 150 | if (IUPAC_add[c1][c2]==('U'-'A')) { |
|---|
| 151 | IUPAC_add[c1][c2] = 'T'-'A'; |
|---|
| 152 | } |
|---|
| 153 | |
|---|
| 154 | IUPAC_add[c2][c1] = IUPAC_add[c1][c2]; |
|---|
| 155 | } |
|---|
| 156 | } |
|---|
| 157 | |
|---|
| 158 | } |
|---|
| 159 | } |
|---|
| 160 | |
|---|
| 161 | char AWT_encode_iupac(const char bases[], GB_alignment_type ali) |
|---|
| 162 | { |
|---|
| 163 | if (!IUPAC_add_initialized) { |
|---|
| 164 | initialize_IUPAC_add(); |
|---|
| 165 | IUPAC_add_initialized = 1; |
|---|
| 166 | } |
|---|
| 167 | |
|---|
| 168 | if (ali==GB_AT_AMI || ali==GB_AT_PRO) { |
|---|
| 169 | return '?'; |
|---|
| 170 | } |
|---|
| 171 | |
|---|
| 172 | int i = 0; |
|---|
| 173 | char c1; |
|---|
| 174 | |
|---|
| 175 | while (1) { |
|---|
| 176 | c1 = bases[i++]; |
|---|
| 177 | if (!c1) return '-'; |
|---|
| 178 | if (isalpha(c1)) break; |
|---|
| 179 | } |
|---|
| 180 | |
|---|
| 181 | c1 = toupper(c1)-'A'; |
|---|
| 182 | char c = IUPAC_add[c1][c1]; |
|---|
| 183 | |
|---|
| 184 | while (c!=ILL_CODE && bases[i]) { |
|---|
| 185 | if (isalpha(bases[i])) { |
|---|
| 186 | int c2 = toupper(bases[i])-'A'; |
|---|
| 187 | c = IUPAC_add[c][c2]; |
|---|
| 188 | } |
|---|
| 189 | i++; |
|---|
| 190 | } |
|---|
| 191 | |
|---|
| 192 | if (c==ILL_CODE) { |
|---|
| 193 | return '-'; |
|---|
| 194 | } |
|---|
| 195 | |
|---|
| 196 | c += 'A'; |
|---|
| 197 | if (c=='T' && ali==GB_AT_RNA) c = 'U'; |
|---|
| 198 | return c; |
|---|
| 199 | } |
|---|
| 200 | |
|---|
| 201 | char AWT_iupac_add(char c1, char c2, GB_alignment_type ali) { |
|---|
| 202 | static char buffer[3]; |
|---|
| 203 | buffer[0] = c1; |
|---|
| 204 | buffer[1] = c2; |
|---|
| 205 | buffer[2] = 0; |
|---|
| 206 | return AWT_encode_iupac(buffer, ali); |
|---|
| 207 | } |
|---|
| 208 | |
|---|
| 209 | const char* AWT_decode_iupac(char iupac, GB_alignment_type ali, int decode_amino_iupac_groups) |
|---|
| 210 | { |
|---|
| 211 | if (!isalpha(iupac)) { |
|---|
| 212 | return IUPAC_EMPTY; |
|---|
| 213 | } |
|---|
| 214 | |
|---|
| 215 | if (ali==GB_AT_AMI || ali==GB_AT_PRO) { |
|---|
| 216 | if (decode_amino_iupac_groups) { |
|---|
| 217 | int group = AWT_iupac_group[toupper(iupac)-'A']; |
|---|
| 218 | |
|---|
| 219 | switch (group) { |
|---|
| 220 | case 1: return "AGPST"; |
|---|
| 221 | case 2: return "BDENQZ"; |
|---|
| 222 | case 3: return "HKR"; |
|---|
| 223 | case 4: return "ILMV"; |
|---|
| 224 | case 5: return "FWY"; |
|---|
| 225 | } |
|---|
| 226 | } |
|---|
| 227 | return "?"; |
|---|
| 228 | } |
|---|
| 229 | |
|---|
| 230 | const char *decoded = AWT_iupac_code[toupper(iupac)-'A'][ali==GB_AT_RNA ? 1 : 0].iupac; |
|---|
| 231 | |
|---|
| 232 | return decoded ? decoded : IUPAC_EMPTY; |
|---|
| 233 | } |
|---|
| 234 | |
|---|