Class: Dataset
- Inherits:
-
Object
- Object
- Dataset
- Defined in:
- lib/gene_assembler/dataset.rb
Instance Attribute Summary collapse
-
#clusters ⇒ Object
Returns the value of attribute clusters.
-
#contigs ⇒ Object
Returns the value of attribute contigs.
-
#references_hash ⇒ Object
Returns the value of attribute references_hash.
-
#type ⇒ Object
Returns the value of attribute type.
Instance Method Summary collapse
- #add_contig(name) ⇒ Object
- #align_contigs(contig_base) ⇒ Object
-
#attrib_recover(dataset) ⇒ Object
Reponer atributos en el Dataset del exonerate que se han perdido en el proceso (exonerate no los tiene), se recuperan del blast.
- #clear_clusters ⇒ Object
-
#clr_contigs ⇒ Object
Vacia @contigs.
- #cluster_count ⇒ Object
-
#clustering ⇒ Object
Compara el subject_id entre todos los contig y agrupa en un array aquellos con mismo s_i.
- #clusters_empty? ⇒ Boolean
- #contig_count ⇒ Object
- #correct_hsp_contigs(blast_coor_type) ⇒ Object
- #correct_left_side_contigs(contig_base) ⇒ Object
- #delete_cluster(cluster) ⇒ Object
- #delete_cluster_at(ind) ⇒ Object
- #each_cluster ⇒ Object
- #each_cluster_with_index ⇒ Object
-
#each_contig ⇒ Object
iterador.
- #each_contig_with_index ⇒ Object
-
#fasta(fasta_file) ⇒ Object
Crea un archivo fasta a partir de @contigs.
-
#filtering ⇒ Object
Bateria de filtros.
-
#filtering_clust ⇒ Object
Bateria de filtros q se aplica sobre @clusters.
- #generate_file_5_prime(file, fasta) ⇒ Object
-
#info_clusters ⇒ Object
Muestra informacion sobre @Clusters, muestra contig, la proteina a la q pertenece y un diagrama del alineamiento en aa.
-
#initialize(type) ⇒ Dataset
constructor
Carga un objeto blast para generar los objetos contig que inician esta clase.
-
#load_references(references_file) ⇒ Object
Carga en @references_hash todas las referencias en forma de objetos contig.
-
#load_seq(hash) ⇒ Object
Carga secuencias en @contigs.
-
#missing_cluster_transfer(dataset) ⇒ Object
Busca que clusters estan vacios e intenta llenarlos con clusters de dataset.
-
#missing_contigs_transfer(dataset) ⇒ Object
dataset is uni_hsp.
- #multiple_align_contigs(array_contig_base, mod_contig_base = FALSE) ⇒ Object
- #n_contigs? ⇒ Boolean
- #parse_stops ⇒ Object
-
#rev_comp ⇒ Object
Realiza la secuencia reverso complementaria en @contigs y @uni_hsp.
-
#score_correction(factor) ⇒ Object
Suma al atributo score la operacion nº intrones*factor.
-
#sort_cluster(cluster) ⇒ Object
Ordena los elementos de cluster(contigs) en base a su posicion en el subject.
-
#sort_cont_clust ⇒ Object
Ordenar contigs dentro de @clusters de menor a mayor en base a su primer hsp.
- #transfer_cluster(cluster) ⇒ Object
- #transfer_contig_to_cluster(contig, n_cluster) ⇒ Object
- #transfer_contigs(add_contigs, limit = 0) ⇒ Object
- #transfer_n_contigs_def_hit_type(dataset, cluster, new_hit_type, limit) ⇒ Object
Constructor Details
#initialize(type) ⇒ Dataset
Carga un objeto blast para generar los objetos contig que inician esta clase
5 6 7 8 9 10 |
# File 'lib/gene_assembler/dataset.rb', line 5 def initialize(type) #Carga un objeto blast para generar los objetos contig que inician esta clase @type=type #Definido pero no se usa @contigs=[] @clusters=[] @references_hash='' end |
Instance Attribute Details
#clusters ⇒ Object
Returns the value of attribute clusters.
4 5 6 |
# File 'lib/gene_assembler/dataset.rb', line 4 def clusters @clusters end |
#contigs ⇒ Object
Returns the value of attribute contigs.
4 5 6 |
# File 'lib/gene_assembler/dataset.rb', line 4 def contigs @contigs end |
#references_hash ⇒ Object
Returns the value of attribute references_hash.
4 5 6 |
# File 'lib/gene_assembler/dataset.rb', line 4 def references_hash @references_hash end |
#type ⇒ Object
Returns the value of attribute type.
4 5 6 |
# File 'lib/gene_assembler/dataset.rb', line 4 def type @type end |
Instance Method Details
#add_contig(name) ⇒ Object
12 13 14 15 16 |
# File 'lib/gene_assembler/dataset.rb', line 12 def add_contig(name) c=Contig.new(name) @contigs << c return c end |
#align_contigs(contig_base) ⇒ Object
388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 |
# File 'lib/gene_assembler/dataset.rb', line 388 def align_contigs(contig_base) limit=0 las_contig=nil if !contig_base.nil? limit=-1 last_contig=contig_base end ## Alineamiento de los contig entre si o contra una referencia add=0 align=TRUE each_contig_with_index do |contig,i| if i>limit #Calcular desplazamiento de un contig respecto al anterior en el gff overlap_exon_with_last,ex=contig.compare(last_contig) if overlap_exon_with_last==-1 if contig_base.nil? add+=last_contig.length else align=FALSE end else overlap_exon_current,ex=last_contig.compare(contig) add+=coord_prot(last_contig.hsp_at(overlap_exon_with_last),contig.hsp_at(overlap_exon_current)) if !contig_base.nil? align=TRUE end end end #Modificacion de contigs if align || contig_base.nil? # Modificar si no existe referencia o el contig a alineado contra la referencia contig.modified_coordenates(add) contig.length+=add end if !contig_base.nil? last_contig=contig_base add=0 #Resetear desplazamiento en caso de usarse una referencia else last_contig=contig end end end |
#attrib_recover(dataset) ⇒ Object
Reponer atributos en el Dataset del exonerate que se han perdido en el proceso (exonerate no los tiene), se recuperan del blast
103 104 105 106 107 108 109 110 111 112 113 114 115 116 |
# File 'lib/gene_assembler/dataset.rb', line 103 def attrib_recover(dataset) #Reponer atributos en el Dataset del exonerate que se han perdido en el proceso (exonerate no los tiene), se recuperan del blast each_contig{|self_contig| dataset.each_contig{|dataset_contig| if self_contig.name==dataset_contig.name self_contig.length=dataset_contig.length self_contig.seq=dataset_contig.seq self_contig.each_hit{|hit| hit.s_length=dataset_contig.first_hit.s_length } break end } } end |
#clear_clusters ⇒ Object
344 345 346 |
# File 'lib/gene_assembler/dataset.rb', line 344 def clear_clusters @clusters=[] end |
#clr_contigs ⇒ Object
Vacia @contigs
76 77 78 |
# File 'lib/gene_assembler/dataset.rb', line 76 def clr_contigs # Vacia @contigs @contigs=[] end |
#cluster_count ⇒ Object
98 99 100 101 |
# File 'lib/gene_assembler/dataset.rb', line 98 def cluster_count count=@clusters.length return count end |
#clustering ⇒ Object
Compara el subject_id entre todos los contig y agrupa en un array aquellos con mismo s_i. Cada array se guarda en el array ‘clusters’
124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 |
# File 'lib/gene_assembler/dataset.rb', line 124 def clustering # Compara el subject_id entre todos los contig y agrupa en un array aquellos con mismo s_i. Cada array se guarda en el array 'clusters' finished_clusters=[] each_contig{|contig| clust=[] if finished_clusters.include?(contig.first_hit.name) next end each_contig{|contig2| if contig.first_hit.name==contig2.first_hit.name clust << contig2 contig2=nil end } finished_clusters << contig.first_hit.name if !clust.empty? @clusters << clust end } end |
#clusters_empty? ⇒ Boolean
80 81 82 83 84 85 86 87 88 89 90 91 |
# File 'lib/gene_assembler/dataset.rb', line 80 def clusters_empty? empty=TRUE i=0 each_cluster{|cl| i+=1 if i>0 empty=FALSE break end } return empty end |
#contig_count ⇒ Object
93 94 95 96 |
# File 'lib/gene_assembler/dataset.rb', line 93 def contig_count count=@contigs.length return count end |
#correct_hsp_contigs(blast_coor_type) ⇒ Object
118 119 120 121 122 |
# File 'lib/gene_assembler/dataset.rb', line 118 def correct_hsp_contigs(blast_coor_type) each_contig {|contig| contig.correct_hsps(blast_coor_type) } end |
#correct_left_side_contigs(contig_base) ⇒ Object
357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 |
# File 'lib/gene_assembler/dataset.rb', line 357 def correct_left_side_contigs(contig_base) last_contig=nil limit=0 correct=0 ## Alineamiento de los contig entre si para calcular desplazamiento if !contig_base.nil? limit=-1 last_contig=contig_base end each_contig_with_index do |contig,i| # Calculo del desplazamiento necesario para corregir indices negativos en el gff if i>limit overlap_exon_with_last,ex=contig.compare(last_contig) if overlap_exon_with_last>-1 overlap_exon_current,ex=last_contig.compare(contig) diference=coord_prot(last_contig.hsp_at(overlap_exon_with_last),contig.hsp_at(overlap_exon_current)) if diference<correct correct=diference end end end if !contig_base.nil? last_contig=contig_base else last_contig=contig end end correct*=-1 return correct end |
#delete_cluster(cluster) ⇒ Object
38 39 40 |
# File 'lib/gene_assembler/dataset.rb', line 38 def delete_cluster(cluster) @clusters.delete(cluster) end |
#delete_cluster_at(ind) ⇒ Object
42 43 44 |
# File 'lib/gene_assembler/dataset.rb', line 42 def delete_cluster_at(ind) @clusters.delete_at(ind) end |
#each_cluster ⇒ Object
59 60 61 62 63 |
# File 'lib/gene_assembler/dataset.rb', line 59 def each_cluster @clusters.each do |cluster| yield cluster end end |
#each_cluster_with_index ⇒ Object
65 66 67 68 69 |
# File 'lib/gene_assembler/dataset.rb', line 65 def each_cluster_with_index @clusters.each_with_index do |cluster,i| yield cluster,i end end |
#each_contig ⇒ Object
iterador
47 48 49 50 51 |
# File 'lib/gene_assembler/dataset.rb', line 47 def each_contig @contigs.each do |contig| yield contig end end |
#each_contig_with_index ⇒ Object
53 54 55 56 57 |
# File 'lib/gene_assembler/dataset.rb', line 53 def each_contig_with_index @contigs.each_with_index do |contig,i| yield contig,i end end |
#fasta(fasta_file) ⇒ Object
Crea un archivo fasta a partir de @contigs
208 209 210 211 212 213 214 215 |
# File 'lib/gene_assembler/dataset.rb', line 208 def fasta(fasta_file) #Crea un archivo fasta a partir de @contigs temp=File.open(fasta_file, 'w') each_contig{|contig| temp.print ">#{contig.name}\n" temp.puts contig.seq } temp.close end |
#filtering ⇒ Object
Bateria de filtros
164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 |
# File 'lib/gene_assembler/dataset.rb', line 164 def filtering #Bateria de filtros putative_contigs=[] uni_hsp=[] each_contig{ |contig| if contig.mixed? next elsif contig.is_one_hsp? #Apartamos contigs uni-hsp uni_hsp << contig next elsif contig.is_gapped? next elsif contig.is_truncated? next elsif contig.hsp_minor_than?(15) #En nt next else putative_contigs << contig if $verbose puts "#{contig.first_hit.name}\t#{contig.name}" end end } @contigs=putative_contigs return uni_hsp end |
#filtering_clust ⇒ Object
Bateria de filtros q se aplica sobre @clusters. tb muestra informacion
217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 |
# File 'lib/gene_assembler/dataset.rb', line 217 def filtering_clust # Bateria de filtros q se aplica sobre @clusters. tb muestra informacion gene_clusters=[] uni_hsp=[] each_cluster{|clust| if $verbose puts "\n********************CLUSTER*************************\n" end putative_ex=[] trash_ex=[] clust.each do |contig| temp=[] if contig.mixed? temp << "#{contig.first_hit.name}\t#{contig.name}" trash_ex << temp elsif contig.is_truncated? temp << "#{contig.first_hit.name}\t#{contig.name}" trash_ex << temp elsif contig.is_one_hsp? temp << "#{contig.first_hit.name}\t#{contig.name}" trash_ex << temp uni_hsp << contig#Se guardan los contig uni-hsp, para procesado posterior elsif contig.is_gapped? temp << "#{contig.first_hit.name}\t#{contig.name}" trash_ex << temp else putative_ex << contig end end if $verbose putative_ex.each do |contig| puts "#{contig.first_hit.name}\t#{contig.name}\t\t\tsc:#{contig.first_hit.first_hsp.score}" #el score de cada hsp es el mismo, por lo que realmente pertenece al alineamiento entero end puts ',,,,,,,,,,,,,REJECTED,,,,,,,,,,,,,' trash_ex.each do |contig| puts contig end puts "\n= = = = = = = = = =MAP= = = = = = = = = = = =\n" putative_ex.each do |contig| contig.draw end end gene_clusters << putative_ex } @clusters=gene_clusters return uni_hsp end |
#generate_file_5_prime(file, fasta) ⇒ Object
510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 |
# File 'lib/gene_assembler/dataset.rb', line 510 def generate_file_5_prime(file, fasta) prime5_file = File.open(file, 'w') fasta_file = File.open(fasta, 'w') each_cluster{ |cluster| if !cluster.nil? && !cluster.empty? gene_name = cluster.first.first_hit.name cluster.each do |contig| if contig.first_hit.first_hsp.s_beg <= 10 prime5_end = contig.first_hit.first_hsp.q_beg prime5_file.puts "#{gene_name}\t#{contig.name}\t#{prime5_end}" seq = contig.seq[0..prime5_end] if !seq.nil? fasta_file.puts "#{gene_name}\n#{seq}" end end end end } prime5_file.close fasta_file.close end |
#info_clusters ⇒ Object
Muestra informacion sobre @Clusters, muestra contig, la proteina a la q pertenece y un diagrama del alineamiento en aa
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 |
# File 'lib/gene_assembler/dataset.rb', line 144 def info_clusters # Muestra informacion sobre @Clusters, muestra contig, la proteina a la q pertenece y un diagrama del alineamiento en aa if $verbose each_cluster{|cl| puts '............................' cl.each do |c| puts "#{c.first_hit.name}\t#{c.name}" end puts "............................" } each_cluster{|clust| puts "\n********************MAP*************************\n" clust.each do |contig| contig.draw end } puts "\n" end end |
#load_references(references_file) ⇒ Object
Carga en @references_hash todas las referencias en forma de objetos contig
274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 |
# File 'lib/gene_assembler/dataset.rb', line 274 def load_references(references_file) # Carga en @references_hash todas las referencias en forma de objetos contig hash={} if File.exists?(references_file) File.open(references_file, 'r').each do |line| fields=line.split contig_name=fields[0] if !fields[1].nil? structures=fields[1].split('|') all_models=[] structures.each do |structure| contig=Contig.new(contig_name) contig.add_hit(contig_name, 0, 1,:nt) if structure.nil? break end hsps=structure.split(';') s_end=0 nt_add=0 hsps.each do |hsp| coords=hsp.split('-') q_beg=coords[0].to_i q_end=coords[1].to_i s_beg=s_end+1 exon_length=q_end-q_beg+nt_add s_end=s_end+(exon_length/3) nt_add=exon_length.modulo(3) contig.first_hit.add_hsp(q_beg, q_end, s_beg, s_end, 0, 0, 0, 0) end contig.length=contig.first_hit.last_hsp.q_end all_models << contig end hash[contig_name]=all_models end end end @references_hash=hash end |
#load_seq(hash) ⇒ Object
Carga secuencias en @contigs
189 190 191 192 193 194 |
# File 'lib/gene_assembler/dataset.rb', line 189 def load_seq(hash) #Carga secuencias en @contigs each_contig{|contig| contig.seq=hash[contig.name] contig.seq.upcase! } end |
#missing_cluster_transfer(dataset) ⇒ Object
Busca que clusters estan vacios e intenta llenarlos con clusters de dataset
312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 |
# File 'lib/gene_assembler/dataset.rb', line 312 def missing_cluster_transfer(dataset) #Busca que clusters estan vacios e intenta llenarlos con clusters de dataset add=[] delete=[] if clusters_empty? dataset.each_cluster{ |clust| transfer_cluster(clust) } dataset.clear_clusters else dataset.each_cluster_with_index{|uni_cluster,ind| is_cluster=FALSE each_cluster{|cluster| #Se mira si existe cluster uni-hsp en cluster if uni_cluster.first.first_hit.name==cluster.first.first_hit.name is_cluster=TRUE break end } if !is_cluster #Caso de q no exista cluster, se transfiere cluster uni-hsp add << uni_cluster delete << ind end } add.each do |clust| transfer_cluster(clust.dup) end delete.sort! delete.reverse_each do |ind| dataset.delete_cluster_at(ind) end end end |
#missing_contigs_transfer(dataset) ⇒ Object
dataset is uni_hsp. Se buscan contigs q no alineen con los de self
474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 |
# File 'lib/gene_assembler/dataset.rb', line 474 def missing_contigs_transfer(dataset) #dataset is uni_hsp. Se buscan contigs q no alineen con los de self contigs_cluster=[] self.each_cluster_with_index{|self_cluster,s| dataset.each_cluster{|dataset_cluster| if dataset_cluster.nil? ||dataset_cluster.empty? next end if self_cluster.first.first_hit.name==dataset_cluster.first.first_hit.name #Mismo cluster dataset_cluster.each do |dataset_contig| align=FALSE self_cluster.each do |self_contig| position,n_exones=dataset_contig.compare(self_contig) if position>-1 align=TRUE break end end if !align contigs_cluster << dataset_contig end end contigs_cluster.each do |contig| self.transfer_contig_to_cluster(contig,s) dataset_cluster.delete(contig) end contigs_cluster=[] end } } end |
#multiple_align_contigs(array_contig_base, mod_contig_base = FALSE) ⇒ Object
431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 |
# File 'lib/gene_assembler/dataset.rb', line 431 def multiple_align_contigs(array_contig_base,mod_contig_base=FALSE) correct=0 array_contig_base.each do |contig_base| local_correct=correct_left_side_contigs(contig_base) if local_correct>correct correct=local_correct end self.align_contigs(contig_base,mod_contig_base) end # Correcion del modelo en base al desplazamiento general calculado para cada fragmento teniendo en cuenta el desplazamiento local realizado array_contig_base.each do |contig| if correct>0 contig.modified_coordenates(correct) contig.length+=correct end end self.each_contig {|contig| if correct>0 contig.modified_coordenates(correct) contig.length+=correct end } return correct end |
#n_contigs? ⇒ Boolean
71 72 73 74 |
# File 'lib/gene_assembler/dataset.rb', line 71 def n_contigs? n=@contigs.length return n end |
#parse_stops ⇒ Object
202 203 204 205 206 |
# File 'lib/gene_assembler/dataset.rb', line 202 def parse_stops each_contig{|contig| contig.stop_codon_search } end |
#rev_comp ⇒ Object
Realiza la secuencia reverso complementaria en @contigs y @uni_hsp
196 197 198 199 200 |
# File 'lib/gene_assembler/dataset.rb', line 196 def rev_comp #Realiza la secuencia reverso complementaria en @contigs y @uni_hsp each_contig{|contig| contig.rev_comp_if_hit } end |
#score_correction(factor) ⇒ Object
Suma al atributo score la operacion nº intrones*factor
348 349 350 351 352 353 354 355 |
# File 'lib/gene_assembler/dataset.rb', line 348 def score_correction(factor) #Suma al atributo score la operacion nº intrones*factor each_contig{|contig| n_intron=contig.n_intron contig.first_hit.each_hsp{|hsp| hsp.score+=factor*n_intron } } end |
#sort_cluster(cluster) ⇒ Object
Ordena los elementos de cluster(contigs) en base a su posicion en el subject
270 271 272 |
# File 'lib/gene_assembler/dataset.rb', line 270 def sort_cluster(cluster)#Ordena los elementos de cluster(contigs) en base a su posicion en el subject cluster.sort!{|e1,e2| e1.first_hit.first_hsp.s_beg<=>e2.first_hit.first_hsp.s_beg} end |
#sort_cont_clust ⇒ Object
Ordenar contigs dentro de @clusters de menor a mayor en base a su primer hsp
263 264 265 266 267 268 |
# File 'lib/gene_assembler/dataset.rb', line 263 def sort_cont_clust #Ordenar contigs dentro de @clusters de menor a mayor en base a su primer hsp each_cluster{|cluster| cluster=sort_cluster(cluster) } #@clusters=sort_clusters(@clusters) end |
#transfer_cluster(cluster) ⇒ Object
34 35 36 |
# File 'lib/gene_assembler/dataset.rb', line 34 def transfer_cluster(cluster) @clusters << cluster end |
#transfer_contig_to_cluster(contig, n_cluster) ⇒ Object
506 507 508 |
# File 'lib/gene_assembler/dataset.rb', line 506 def transfer_contig_to_cluster(contig,n_cluster) @clusters[n_cluster] << contig end |
#transfer_contigs(add_contigs, limit = 0) ⇒ Object
18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 |
# File 'lib/gene_assembler/dataset.rb', line 18 def transfer_contigs(add_contigs,limit=0) if limit==0 @contigs << add_contigs @contigs.flatten! else if add_contigs.class.to_s=='Array' add_contigs.each_with_index do |contig,i| if i==limit break end @contigs << contig end end end end |
#transfer_n_contigs_def_hit_type(dataset, cluster, new_hit_type, limit) ⇒ Object
457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 |
# File 'lib/gene_assembler/dataset.rb', line 457 def transfer_n_contigs_def_hit_type(dataset,cluster,new_hit_type,limit) if !cluster.empty?||!cluster.nil? dataset.each_cluster{|dat_cluster| if dat_cluster.empty?||dat_cluster.nil? next end if dat_cluster.first.first_hit.name==cluster.first.first_hit.name # Se busca en los clusters unihsp aquel q pertenece al gen q se esta trabajando dat_cluster.each do |contig| contig.first_hit.type='pseudogene' end transfer_contigs(dat_cluster,limit) end } end end |