source: trunk/GDE/MUSCLE/src/msa2.cpp

Last change on this file was 10390, checked in by aboeckma, 11 years ago

added muscle sourcles amd makefile
File size: 13.7 KB
Line 
1#include "muscle.h"
2#include "msa.h"
3#include "seqvect.h"
4#include "profile.h"
5#include "tree.h"
6
7// These global variables are a hack to allow the tree
8// dependent iteration code to communicate the edge
9// used to divide the tree. The three-way weighting
10// scheme needs to know this edge in order to compute
11// sequence weights.
12static const Tree *g_ptrMuscleTree = 0;
13unsigned g_uTreeSplitNode1 = NULL_NEIGHBOR;
14unsigned g_uTreeSplitNode2 = NULL_NEIGHBOR;
15
16void MSA::GetFractionalWeightedCounts(unsigned uColIndex, bool bNormalize,
17  FCOUNT fcCounts[], FCOUNT *ptrfcGapStart, FCOUNT *ptrfcGapEnd,
18  FCOUNT *ptrfcGapExtend, FCOUNT *ptrfOcc,
19  FCOUNT *ptrfcLL, FCOUNT *ptrfcLG, FCOUNT *ptrfcGL, FCOUNT *ptrfcGG) const
20        {
21        const unsigned uSeqCount = GetSeqCount();
22        const unsigned uColCount = GetColCount();
23
24        memset(fcCounts, 0, g_AlphaSize*sizeof(FCOUNT));
25        WEIGHT wTotal = 0;
26        FCOUNT fGap = 0;
27        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
28                {
29                const WEIGHT w = GetSeqWeight(uSeqIndex);
30                if (IsGap(uSeqIndex, uColIndex))
31                        {
32                        fGap += w;
33                        continue;
34                        }
35                else if (IsWildcard(uSeqIndex, uColIndex))
36                        {
37                        const unsigned uLetter = GetLetterEx(uSeqIndex, uColIndex);
38                        switch (g_Alpha)
39                                {
40                        case ALPHA_Amino:
41                                switch (uLetter)
42                                        {
43                                case AX_B:              // D or N
44                                        fcCounts[AX_D] += w/2;
45                                        fcCounts[AX_N] += w/2;
46                                        break;
47                                case AX_Z:              // E or Q
48                                        fcCounts[AX_E] += w/2;
49                                        fcCounts[AX_Q] += w/2;
50                                        break;
51                                default:                // any
52                                        {
53                                        const FCOUNT f = w/20;
54                                        for (unsigned uLetter = 0; uLetter < 20; ++uLetter)
55                                                fcCounts[uLetter] += f;
56                                        break;
57                                        }
58                                        }
59                                break;
60
61                        case ALPHA_DNA:
62                        case ALPHA_RNA:
63                                switch (uLetter)
64                                        {
65                                case AX_R:      // G or A
66                                        fcCounts[NX_G] += w/2;
67                                        fcCounts[NX_A] += w/2;
68                                        break;
69                                case AX_Y:      // C or T/U
70                                        fcCounts[NX_C] += w/2;
71                                        fcCounts[NX_T] += w/2;
72                                        break;
73                                default:        // any
74                                        const FCOUNT f = w/20;
75                                        for (unsigned uLetter = 0; uLetter < 4; ++uLetter)
76                                                fcCounts[uLetter] += f;
77                                        break;
78                                        }
79                                break;
80
81                        default:
82                                Quit("Alphabet %d not supported", g_Alpha);
83                                }
84                        continue;
85                        }
86                unsigned uLetter = GetLetter(uSeqIndex, uColIndex);
87                fcCounts[uLetter] += w;
88                wTotal += w;
89                }
90        *ptrfOcc = (float) (1.0 - fGap);
91
92        if (bNormalize && wTotal > 0)
93                {
94                if (wTotal > 1.001)
95                        Quit("wTotal=%g\n", wTotal);
96                for (unsigned uLetter = 0; uLetter < g_AlphaSize; ++uLetter)
97                        fcCounts[uLetter] /= wTotal;
98//              AssertNormalized(fcCounts);
99                }
100
101        FCOUNT fcStartCount = 0;
102        if (uColIndex == 0)
103                {
104                for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
105                        if (IsGap(uSeqIndex, uColIndex))
106                                fcStartCount += GetSeqWeight(uSeqIndex);
107                }
108        else
109                {
110                for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
111                        if (IsGap(uSeqIndex, uColIndex) && !IsGap(uSeqIndex, uColIndex - 1))
112                                fcStartCount += GetSeqWeight(uSeqIndex);
113                }
114
115        FCOUNT fcEndCount = 0;
116        if (uColCount - 1 == uColIndex)
117                {
118                for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
119                        if (IsGap(uSeqIndex, uColIndex))
120                                fcEndCount += GetSeqWeight(uSeqIndex);
121                }
122        else
123                {
124                for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
125                        if (IsGap(uSeqIndex, uColIndex) && !IsGap(uSeqIndex, uColIndex + 1))
126                                fcEndCount += GetSeqWeight(uSeqIndex);
127                }
128
129        FCOUNT LL = 0;
130        FCOUNT LG = 0;
131        FCOUNT GL = 0;
132        FCOUNT GG = 0;
133        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
134                {
135                WEIGHT w = GetSeqWeight(uSeqIndex);
136                bool bLetterHere = !IsGap(uSeqIndex, uColIndex);
137                bool bLetterPrev = (uColIndex == 0 || !IsGap(uSeqIndex, uColIndex - 1));
138                if (bLetterHere)
139                        {
140                        if (bLetterPrev)
141                                LL += w;
142                        else
143                                GL += w;
144                        }
145                else
146                        {
147                        if (bLetterPrev)
148                                LG += w;
149                        else
150                                GG += w;
151                        }
152                }
153
154        FCOUNT fcExtendCount = 0;
155        if (uColIndex > 0 && uColIndex < GetColCount() - 1)
156                for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
157                        if (IsGap(uSeqIndex, uColIndex) && IsGap(uSeqIndex, uColIndex - 1) &&
158                          IsGap(uSeqIndex, uColIndex + 1))
159                                fcExtendCount += GetSeqWeight(uSeqIndex);
160
161        *ptrfcLL = LL;
162        *ptrfcLG = LG;
163        *ptrfcGL = GL;
164        *ptrfcGG = GG;
165        *ptrfcGapStart = fcStartCount;
166        *ptrfcGapEnd = fcEndCount;
167        *ptrfcGapExtend = fcExtendCount;
168        }
169
170// Return true if the given column has no gaps and all
171// its residues are in the same biochemical group.
172bool MSAColIsConservative(const MSA &msa, unsigned uColIndex)
173        {
174        extern unsigned ResidueGroup[];
175
176        const unsigned uSeqCount = msa.GetColCount();
177        if (0 == uSeqCount)
178                Quit("MSAColIsConservative: empty alignment");
179
180        if (msa.IsGap(0, uColIndex))
181                return false;
182
183        unsigned uLetter = msa.GetLetterEx(0, uColIndex);
184        const unsigned uGroup = ResidueGroup[uLetter];
185
186        for (unsigned uSeqIndex = 1; uSeqIndex < uSeqCount; ++uSeqIndex)
187                {
188                if (msa.IsGap(uSeqIndex, uColIndex))
189                        return false;
190                uLetter = msa.GetLetter(uSeqIndex, uColIndex);
191                if (ResidueGroup[uLetter] != uGroup)
192                        return false;
193                }
194        return true;
195        }
196
197void MSAFromSeqRange(const MSA &msaIn, unsigned uFromSeqIndex, unsigned uSeqCount,
198  MSA &msaOut)
199        {
200        const unsigned uColCount = msaIn.GetColCount();
201        msaOut.SetSize(uSeqCount, uColCount);
202
203        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
204                {
205                const char *ptrName = msaIn.GetSeqName(uFromSeqIndex + uSeqIndex);
206                msaOut.SetSeqName(uSeqIndex, ptrName);
207
208                for (unsigned uColIndex = 0; uColIndex < uColCount; ++uColIndex)
209                        {
210                        const char c = msaIn.GetChar(uFromSeqIndex + uSeqIndex, uColIndex);
211                        msaOut.SetChar(uSeqIndex, uColIndex, c);
212                        }
213                }
214        }
215
216void MSAFromColRange(const MSA &msaIn, unsigned uFromColIndex, unsigned uColCount,
217  MSA &msaOut)
218        {
219        const unsigned uSeqCount = msaIn.GetSeqCount();
220        const unsigned uInColCount = msaIn.GetColCount();
221
222        if (uFromColIndex + uColCount - 1 > uInColCount)
223                Quit("MSAFromColRange, out of bounds");
224
225        msaOut.SetSize(uSeqCount, uColCount);
226
227        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
228                {
229                const char *ptrName = msaIn.GetSeqName(uSeqIndex);
230                unsigned uId = msaIn.GetSeqId(uSeqIndex);
231                msaOut.SetSeqName(uSeqIndex, ptrName);
232                msaOut.SetSeqId(uSeqIndex, uId);
233
234                for (unsigned uColIndex = 0; uColIndex < uColCount; ++uColIndex)
235                        {
236                        const char c = msaIn.GetChar(uSeqIndex, uFromColIndex + uColIndex);
237                        msaOut.SetChar(uSeqIndex, uColIndex, c);
238                        }
239                }
240        }
241
242void SeqVectFromMSA(const MSA &msa, SeqVect &v)
243        {
244        v.Clear();
245        const unsigned uSeqCount = msa.GetSeqCount();
246        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
247                {
248                Seq s;
249                msa.GetSeq(uSeqIndex, s);
250
251                s.StripGaps();
252                //if (0 == s.Length())
253                //      continue;
254
255                const char *ptrName = msa.GetSeqName(uSeqIndex);
256                s.SetName(ptrName);
257
258                v.AppendSeq(s);
259                }
260        }
261
262void DeleteGappedCols(MSA &msa)
263        {
264        unsigned uColIndex = 0;
265        for (;;)
266                {
267                if (uColIndex >= msa.GetColCount())
268                        break;
269                if (msa.IsGapColumn(uColIndex))
270                        msa.DeleteCol(uColIndex);
271                else
272                        ++uColIndex;
273                }
274        }
275
276void MSAFromSeqSubset(const MSA &msaIn, const unsigned uSeqIndexes[], unsigned uSeqCount,
277  MSA &msaOut)
278        {
279        const unsigned uColCount = msaIn.GetColCount();
280        msaOut.SetSize(uSeqCount, uColCount);
281        for (unsigned uSeqIndexOut = 0; uSeqIndexOut < uSeqCount; ++uSeqIndexOut)
282                {
283                unsigned uSeqIndexIn = uSeqIndexes[uSeqIndexOut];
284                const char *ptrName = msaIn.GetSeqName(uSeqIndexIn);
285                unsigned uId = msaIn.GetSeqId(uSeqIndexIn);
286                msaOut.SetSeqName(uSeqIndexOut, ptrName);
287                msaOut.SetSeqId(uSeqIndexOut, uId);
288                for (unsigned uColIndex = 0; uColIndex < uColCount; ++uColIndex)
289                        {
290                        const char c = msaIn.GetChar(uSeqIndexIn, uColIndex);
291                        msaOut.SetChar(uSeqIndexOut, uColIndex, c);
292                        }
293                }
294        }
295
296void AssertMSAEqIgnoreCaseAndGaps(const MSA &msa1, const MSA &msa2)
297        {
298        const unsigned uSeqCount1 = msa1.GetSeqCount();
299        const unsigned uSeqCount2 = msa2.GetSeqCount();
300        if (uSeqCount1 != uSeqCount2)
301                Quit("Seq count differs");
302
303        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount1; ++uSeqIndex)
304                {
305                Seq seq1;
306                msa1.GetSeq(uSeqIndex, seq1);
307
308                unsigned uId = msa1.GetSeqId(uSeqIndex);
309                unsigned uSeqIndex2 = msa2.GetSeqIndex(uId);
310
311                Seq seq2;
312                msa2.GetSeq(uSeqIndex2, seq2);
313
314                if (!seq1.EqIgnoreCaseAndGaps(seq2))
315                        {
316                        Log("Input:\n");
317                        seq1.LogMe();
318                        Log("Output:\n");
319                        seq2.LogMe();
320                        Quit("Seq %s differ ", msa1.GetSeqName(uSeqIndex));
321                        }
322                }
323        }
324
325void AssertMSAEq(const MSA &msa1, const MSA &msa2)
326        {
327        const unsigned uSeqCount1 = msa1.GetSeqCount();
328        const unsigned uSeqCount2 = msa2.GetSeqCount();
329        if (uSeqCount1 != uSeqCount2)
330                Quit("Seq count differs");
331
332        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount1; ++uSeqIndex)
333                {
334                Seq seq1;
335                msa1.GetSeq(uSeqIndex, seq1);
336
337                unsigned uId = msa1.GetSeqId(uSeqIndex);
338                unsigned uSeqIndex2 = msa2.GetSeqIndex(uId);
339
340                Seq seq2;
341                msa2.GetSeq(uSeqIndex2, seq2);
342
343                if (!seq1.Eq(seq2))
344                        {
345                        Log("Input:\n");
346                        seq1.LogMe();
347                        Log("Output:\n");
348                        seq2.LogMe();
349                        Quit("Seq %s differ ", msa1.GetSeqName(uSeqIndex));
350                        }
351                }
352        }
353
354void SetMSAWeightsMuscle(MSA &msa)
355        {
356        SEQWEIGHT Method = GetSeqWeightMethod();
357        switch (Method)
358                {
359        case SEQWEIGHT_None:
360                msa.SetUniformWeights();
361                return;
362
363        case SEQWEIGHT_Henikoff:
364                msa.SetHenikoffWeights();
365                return;
366
367        case SEQWEIGHT_HenikoffPB:
368                msa.SetHenikoffWeightsPB();
369                return;
370
371        case SEQWEIGHT_GSC:
372                msa.SetGSCWeights();
373                return;
374
375        case SEQWEIGHT_ClustalW:
376                SetClustalWWeightsMuscle(msa);
377                return;
378       
379        case SEQWEIGHT_ThreeWay:
380                SetThreeWayWeightsMuscle(msa);
381                return;
382                }
383        Quit("SetMSAWeightsMuscle, Invalid method=%d", Method);
384        }
385
386static WEIGHT *g_MuscleWeights;
387static unsigned g_uMuscleIdCount;
388
389WEIGHT GetMuscleSeqWeightById(unsigned uId)
390        {
391        if (0 == g_MuscleWeights)
392                Quit("g_MuscleWeights = 0");
393        if (uId >= g_uMuscleIdCount)
394                Quit("GetMuscleSeqWeightById(%u): count=%u",
395                  uId, g_uMuscleIdCount);
396
397        return g_MuscleWeights[uId];
398        }
399
400void SetMuscleTree(const Tree &tree)
401        {
402        g_ptrMuscleTree = &tree;
403
404        if (SEQWEIGHT_ClustalW != GetSeqWeightMethod())
405                return;
406
407        delete[] g_MuscleWeights;
408
409        const unsigned uLeafCount = tree.GetLeafCount();
410        g_uMuscleIdCount = uLeafCount;
411        g_MuscleWeights = new WEIGHT[uLeafCount];
412        CalcClustalWWeights(tree, g_MuscleWeights);
413        }
414
415void SetClustalWWeightsMuscle(MSA &msa)
416        {
417        if (0 == g_MuscleWeights)
418                Quit("g_MuscleWeights = 0");
419        const unsigned uSeqCount = msa.GetSeqCount();
420        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
421                {
422                const unsigned uId = msa.GetSeqId(uSeqIndex);
423                if (uId >= g_uMuscleIdCount)
424                        Quit("SetClustalWWeightsMuscle: id out of range");
425                msa.SetSeqWeight(uSeqIndex, g_MuscleWeights[uId]);
426                }
427        msa.NormalizeWeights((WEIGHT) 1.0);
428        }
429
430#define LOCAL_VERBOSE   0
431
432void SetThreeWayWeightsMuscle(MSA &msa)
433        {
434        if (NULL_NEIGHBOR == g_uTreeSplitNode1 || NULL_NEIGHBOR == g_uTreeSplitNode2)
435                {
436                msa.SetHenikoffWeightsPB();
437                return;
438                }
439
440        const unsigned uMuscleSeqCount = g_ptrMuscleTree->GetLeafCount();
441        WEIGHT *Weights = new WEIGHT[uMuscleSeqCount];
442
443        CalcThreeWayWeights(*g_ptrMuscleTree, g_uTreeSplitNode1, g_uTreeSplitNode2,
444          Weights);
445
446        const unsigned uMSASeqCount = msa.GetSeqCount();
447        for (unsigned uSeqIndex = 0; uSeqIndex < uMSASeqCount; ++uSeqIndex)
448                {
449                const unsigned uId = msa.GetSeqId(uSeqIndex);
450                if (uId >= uMuscleSeqCount)
451                        Quit("SetThreeWayWeightsMuscle: id out of range");
452                msa.SetSeqWeight(uSeqIndex, Weights[uId]);
453                }
454#if     LOCAL_VERBOSE
455        {
456        Log("SetThreeWayWeightsMuscle\n");
457        for (unsigned n = 0; n < uMSASeqCount; ++n)
458                {
459                const unsigned uId = msa.GetSeqId(n);
460                Log("%20.20s %6.3f\n", msa.GetSeqName(n), Weights[uId]);
461                }
462        }
463#endif
464        msa.NormalizeWeights((WEIGHT) 1.0);
465
466        delete[] Weights;
467        }
468
469// Append msa2 at the end of msa1
470void MSAAppend(MSA &msa1, const MSA &msa2)
471        {
472        const unsigned uSeqCount = msa1.GetSeqCount();
473
474        const unsigned uColCount1 = msa1.GetColCount();
475        const unsigned uColCount2 = msa2.GetColCount();
476        const unsigned uColCountCat = uColCount1 + uColCount2;
477
478        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
479                {
480                unsigned uId = msa1.GetSeqId(uSeqIndex);
481                unsigned uSeqIndex2 = msa2.GetSeqIndex(uId);
482                for (unsigned uColIndex = 0; uColIndex < uColCount2; ++uColIndex)
483                        {
484                        const char c = msa2.GetChar(uSeqIndex2, uColIndex);
485                        msa1.SetChar(uSeqIndex, uColCount1 + uColIndex, c);
486                        }
487                }
488        }
489
490// "Catenate" two MSAs (by bad analogy with UNIX cat command).
491// msa1 and msa2 must have same sequence names, but possibly
492// in a different order.
493// msaCat is the combined alignment produce by appending
494// sequences in msa2 to sequences in msa1.
495void MSACat(const MSA &msa1, const MSA &msa2, MSA &msaCat)
496        {
497        const unsigned uSeqCount = msa1.GetSeqCount();
498
499        const unsigned uColCount1 = msa1.GetColCount();
500        const unsigned uColCount2 = msa2.GetColCount();
501        const unsigned uColCountCat = uColCount1 + uColCount2;
502
503        msaCat.SetSize(uSeqCount, uColCountCat);
504
505        for (unsigned uSeqIndex = 0; uSeqIndex < uSeqCount; ++uSeqIndex)
506                {
507                for (unsigned uColIndex = 0; uColIndex < uColCount1; ++uColIndex)
508                        {
509                        const char c = msa1.GetChar(uSeqIndex, uColIndex);
510                        msaCat.SetChar(uSeqIndex, uColIndex, c);
511                        }
512
513                const char *ptrSeqName = msa1.GetSeqName(uSeqIndex);
514                unsigned uSeqIndex2;
515                msaCat.SetSeqName(uSeqIndex, ptrSeqName);
516                bool bFound = msa2.GetSeqIndex(ptrSeqName, &uSeqIndex2);
517                if (bFound)
518                        {
519                        for (unsigned uColIndex = 0; uColIndex < uColCount2; ++uColIndex)
520                                {
521                                const char c = msa2.GetChar(uSeqIndex2, uColIndex);
522                                msaCat.SetChar(uSeqIndex, uColCount1 + uColIndex, c);
523                                }
524                        }
525                else
526                        {
527                        for (unsigned uColIndex = 0; uColIndex < uColCount2; ++uColIndex)
528                                msaCat.SetChar(uSeqIndex, uColCount1 + uColIndex, '-');
529                        }
530                }
531        }
Note: See TracBrowser for help on using the repository browser.