生物技术

开发平台：
C/C++

gnomon.cpp：源码内容
							/*
 * ===========================================================================
 * PRODUCTION $Log: gnomon.cpp,v $
 * PRODUCTION Revision 1000.2  2004/06/01 18:08:33  gouriano
 * PRODUCTION PRODUCTION: UPGRADED [GCC34_MSVC7] Dev-tree R1.4
 * PRODUCTION
 * ===========================================================================
 */
/*  $Id: gnomon.cpp,v 1000.2 2004/06/01 18:08:33 gouriano Exp $
 * ===========================================================================
 *
 *                            PUBLIC DOMAIN NOTICE
 *               National Center for Biotechnology Information
 *
 *  This software/database is a "United States Government Work" under the
 *  terms of the United States Copyright Act.  It was written as part of
 *  the author's official duties as a United States Government employee and
 *  thus cannot be copyrighted.  This software/database is freely available
 *  to the public for use. The National Library of Medicine and the U.S.
 *  Government have not placed any restriction on its use or reproduction.
 *
 *  Although all reasonable efforts have been taken to ensure the accuracy
 *  and reliability of the software and data, the NLM and the U.S.
 *  Government do not and cannot warrant the performance or results that
 *  may be obtained by using this software or data. The NLM and the U.S.
 *  Government disclaim all warranties, express or implied, including
 *  warranties of performance, merchantability or fitness for any particular
 *  purpose.
 *
 *  Please cite the author in any work or product based on this material.
 *
 * ===========================================================================
 *
 * Authors:  Mike DiCuccio
 *
 * File Description:
 *
 */
#include <ncbi_pch.hpp>
#include <algo/gnomon/gnomon.hpp>
#include "gene_finder.hpp"
#include <objects/seqloc/Seq_loc.hpp>
#include <objects/seqloc/Seq_id.hpp>
#include <objects/seqloc/Packed_seqint.hpp>
#include <objects/seqloc/Seq_interval.hpp>
#include <objects/seqfeat/Seq_feat.hpp>
#include <objects/seqfeat/RNA_ref.hpp>
#include <objects/seqfeat/Cdregion.hpp>
BEGIN_NCBI_SCOPE
USING_SCOPE(ncbi::objects);
CGnomon::CGnomon()
: m_Repeats(false)
, m_ScanRange(CRange<TSeqPos>::GetWhole())
{
}
CGnomon::~CGnomon()
{
}
//
// set our sequence information
//
void CGnomon::SetSequence(const vector<char>& seq)
{
    m_Seq = seq;
}
void CGnomon::SetSequence(const string& str)
{
    m_Seq.clear();
    m_Seq.reserve(str.length());
    ITERATE (string, iter, str) {
        m_Seq.push_back(*iter);
    }
}
void CGnomon::SetSequence(const CSeqVector& vec)
{
    CSeqVector my_vec(vec);
    my_vec.SetCoding(CSeq_data::e_Iupacna);
    m_Seq.clear();
    m_Seq.reserve(my_vec.size());
    CSeqVector_CI iter(my_vec);
    for ( ;  iter;  ++iter) {
        m_Seq.push_back(*iter);
    }
}
//
// set the model data file
// we save this as a string, as it is read multiple times
//
void CGnomon::SetModelData(const string& data_file)
{
    m_ModelFile = data_file;
}
//
// set the a priori information
//
void CGnomon::SetAprioriInfo(const string& file)
{
    m_Clusters.reset(new CClusterSet());
    if (file.empty()) {
        return;
    }
    CNcbiIfstream from(file.c_str());
    from >> *m_Clusters;
}
//
// set the frame shift information
//
void CGnomon::SetFrameShiftInfo(const string& file)
{
    m_Fshifts.reset(new TFrameShifts());
    if (file.empty()) {
        return;
    }
    CNcbiIfstream from(file.c_str());
    int loc;
    while(from >> loc)
    {
        char is_i;
        char c = 'N';
        from >> is_i;
        if(is_i == '+') {
            from >> c;
        }
        m_Fshifts->push_back(CFrameShiftInfo(loc, (is_i == '+'), c));
    }
}
//
// set the repeats flag
//
void CGnomon::SetRepeats(bool b)
{
    m_Repeats = b;
}
//
// set our scan range
//
void CGnomon::SetScanRange(const CRange<TSeqPos>& range)
{
    m_ScanRange = range;
}
//
// set the scan start position
//
void CGnomon::SetScanFrom(TSeqPos from)
{
    m_ScanRange.SetFrom(from);
}
//
// set the scan stop position
//
void CGnomon::SetScanTo(TSeqPos to)
{
    m_ScanRange.SetTo(to);
}
//
// helper function - convert a vector<IPair> into a compact CSeq_loc
//
static inline
CRef<CSeq_loc> s_ExonDataToLoc(const vector<IPair>& vec,
                               ENa_strand strand, CSeq_id& id)
{
    CRef<CSeq_loc> loc(new CSeq_loc());
    CPacked_seqint::Tdata data;
    ITERATE (vector<IPair>, iter, vec) {
        CRef<CSeq_interval> ival(new CSeq_interval());
        ival->SetId(id);
        ival->SetStrand(strand);
        ival->SetFrom(iter->first);
        ival->SetTo  (iter->second);
        data.push_back(ival);
    }
    if (data.size() == 1) {
        loc->SetInt(*data.front());
    } else {
        loc->SetPacked_int().Set().swap(data);
    }
    return loc;
}
//
// Run() performs all the housekeeping necessary for GNOMON to work
//
void CGnomon::Run(void)
{
    // compute the GC content of the sequence
    TSeqPos gc_content = 0;
    ITERATE (vector<char>, iter, m_Seq) {
        int c = toupper(*iter);
        if (c == 'C'  ||  c == 'G') {
            ++gc_content;
        }
    }
    gc_content = static_cast<int>
        (gc_content*100.0 / (m_Seq.size()) + 0.4999999);
    //
    // determine our scan range
    //
    TSeqPos from = m_ScanRange.GetFrom();
    TSeqPos to   = m_ScanRange.GetTo();
    if (m_ScanRange == CRange<TSeqPos>::GetWhole()) {
        from = 0;
        to   = m_Seq.size();
    }
    // TSeqPos is unsigned, so from is always > 0
    to = min(to, (TSeqPos)m_Seq.size());
    if (from > to) {
        swap (from, to);
    }
    //
    // GNOMON setup
    //
    auto_ptr<Terminal> donorp;
    if(m_ModelFile.find("Human.inp") == m_ModelFile.length() - 9) {
        donorp.reset(new MDD_Donor(m_ModelFile, gc_content));
    } else {
        donorp.reset(new WAM_Donor<2>(m_ModelFile,gc_content));
    }
    WAM_Acceptor<2>       acceptor      (m_ModelFile, gc_content);
    WMM_Start             start         (m_ModelFile, gc_content);
    WAM_Stop              stop          (m_ModelFile, gc_content);
    MC3_CodingRegion<5>   cdr           (m_ModelFile, gc_content);
    MC_NonCodingRegion<5> intron_reg    (m_ModelFile, gc_content);
    MC_NonCodingRegion<5> intergenic_reg(m_ModelFile, gc_content);
    Intron::Init    (m_ModelFile, gc_content, to - from + 1);
    Intergenic::Init(m_ModelFile, gc_content, to - from + 1);
    Exon::Init      (m_ModelFile, gc_content);
    bool leftwall = true;
    bool rightwall = true;
    if ( !m_Clusters.get() ) {
        m_Clusters.reset(new CClusterSet());
    }
    if ( !m_Fshifts.get() ) {
        m_Fshifts.reset(new TFrameShifts());
    }
    SeqScores ss(acceptor, *donorp, start, stop, cdr, intron_reg, 
                 intergenic_reg, m_Seq, from, to - from + 1,
                 *m_Clusters, *m_Fshifts, m_Repeats,
                 leftwall, rightwall, m_ModelFile);
    HMM_State::SetSeqScores(ss);
    m_Annot.Reset(new CSeq_annot());
    m_Annot->AddName("GNOMON gene scan output");
    Parse parse(ss);
    list<Gene> genes = parse.GetGenes();
    CRef<CSeq_id> id(new CSeq_id("lcl|gnomon"));
    CSeq_annot::C_Data::TFtable& ftable = m_Annot->SetData().SetFtable();
    ITERATE (list<Gene>, it, genes) {
        const Gene& igene = *it;
        int strand = igene.Strand();
        vector<IPair> mrna_vec;
        vector<IPair> cds_vec;
        for (int j = 0;  j < igene.size();  ++j) {
            const ExonData& exon = igene[j];
            int a = exon.Start();
            int b = exon.Stop();
            if (j == 0  ||  igene[j-1].Stop()+1 != a) {
                // new exon
                mrna_vec.push_back(IPair(a,b));
            } else {
                // attaching cds-part to utr-part
                mrna_vec.back().second = b;
            } 
            if (exon.Type() == ExonData::Cds) {
                cds_vec.push_back(IPair(a,b));
            }
        }
        // stop-codon removal from cds
        if (strand == Plus  &&  igene.RightComplete()) {
            cds_vec.back().second -= 3;
        }
        if (strand == Minus  &&  igene.LeftComplete()) {
            cds_vec.front().first += 3;
        }
        //
        // create our mRNA
        CRef<CSeq_feat> feat_mrna(new CSeq_feat());
        feat_mrna->SetData().SetRna().SetType(CRNA_ref::eType_mRNA);
        feat_mrna->SetLocation
            (*s_ExonDataToLoc(mrna_vec,
                              (strand == Plus ? eNa_strand_plus : eNa_strand_minus), *id));
        //
        // create the accompanying CDS
        CRef<CSeq_feat> feat_cds(new CSeq_feat);
        feat_cds->SetData().SetCdregion();
        feat_cds->SetLocation
            (*s_ExonDataToLoc(cds_vec,
                              (strand == Plus ? eNa_strand_plus : eNa_strand_minus), *id));
        ftable.push_back(feat_mrna);
        ftable.push_back(feat_cds);
    }
}
CRef<CSeq_annot> CGnomon::GetAnnot(void) const
{
    return m_Annot;
}
END_NCBI_SCOPE
/*
 * ===========================================================================
 * $Log: gnomon.cpp,v $
 * Revision 1000.2  2004/06/01 18:08:33  gouriano
 * PRODUCTION: UPGRADED [GCC34_MSVC7] Dev-tree R1.4
 *
 * Revision 1.4  2004/05/21 21:41:03  gorelenk
 * Added PCH ncbi_pch.hpp
 *
 * Revision 1.3  2003/11/06 00:51:05  ucko
 * Adjust usage of min for platforms with 64-bit size_t.
 *
 * Revision 1.2  2003/11/05 21:15:24  ucko
 * Fixed usage of ITERATE.  (m_Seq is a vector, not a string.)
 *
 * Revision 1.1  2003/10/24 15:07:25  dicuccio
 * Initial revision
 *
 * ===========================================================================
 */

						