B â0œ`8Dã@sÈdZddlZddlmZGdd„deƒZGdd„deƒZeZGdd „d eƒZGd d„deƒZ dd „Z dd„ZGdd„deƒZdd„Z dd„Zdd„ZiZxeddƒD]\ZZeee<q¤WiZdd„ZdS)z Simple Smith-Waterman aligner éN)ÚStringIOc@s$eZdZdZddd„Zd dd„ZdS) Ú ScoringMatrixzã Read scoring matrix from a file or string Matrix should be space-delimited in a format like: A C G T A 1 0 0 0 C 0 1 0 0 G 0 0 1 0 T 0 0 0 1 Rows and Columns must be in the same order NrcCsª|s|st‚|rt|ƒ}n t |¡}g|_d|_||_xf|D]^}|ddks<| ¡sVq<|jst| ¡|_t|jƒ|_ q<| ¡}|j dd„|dd…Dƒ¡q-sz*ScoringMatrix.__init__..é)ÚAssertionErrorÚopenrÚscoresÚbasesÚwildcard_scoreÚstripÚsplitÚlenÚ base_countÚextendÚclose)ÚselfÚfilenameÚtextrÚfsÚlineÚcolsrrr Ú__init__s "zScoringMatrix.__init__cCsl|jr |r ||ks||kr |jSd}d}x.t|jƒD] \}}||krH|}||kr4|}q4W|j||j|S)Nr)rÚ enumeraterrr)rÚoneÚtwoÚwildcardZone_idxZtwo_idxÚiÚbrrr Úscore1szScoringMatrix.score)NNr)N)Ú__name__Ú __module__Ú__qualname__Ú__doc__rr$rrrr r s rc@s eZdZddd„Zd dd„ZdS) ÚIdentityScoringMatrixréÿÿÿÿcCs||_||_dS)N)ÚmatchÚmismatch)rr+r,rrr rAszIdentityScoringMatrix.__init__NcCs.|r||ks||kr|jS||kr(|jS|jS)N)r+r,)rrr r!rrr r$Es zIdentityScoringMatrix.score)rr*)N)r%r&r'rr$rrrr r)@s r)c@s&eZdZddd„Zdd„Zdd„ZdS) ÚMatrixNcCs ||_||_|g|||_dS)N)ÚrowsrÚvalues)rr.rÚinitrrr rQszMatrix.__init__cCs|j||j|S)N)r/r)rÚrowÚcolrrr ÚgetVsz Matrix.getcCs||j||j|<dS)N)r/r)rr1r2Úvalrrr ÚsetYsz Matrix.set)N)r%r&r'rr3r5rrrr r-Ps r-c@s*eZdZd dd„Zdd d „Zddd„ZdS)ÚLocalAlignmentr*çTFNc Cs:||_||_||_||_||_||_||_||_| |_dS)N) Úscoring_matrixÚgap_penaltyÚgap_extension_penaltyÚgap_extension_decayÚverboseÚprefer_gap_runsÚglobalalignr!Ú full_query) rr8r9r:r;r=r<r>r!r?rrr r^szLocalAlignment.__init__ÚcCs2|}|}| ¡}| ¡}tt|ƒdt|ƒddƒ}x"td|jƒD]} | | dd¡qBWx"td|jƒD]} | d| d¡qfWd}d}d} xÐtd|jƒD]¾} x¶td|jƒD]¤} | | d| d¡d|j || d|| d|j ¡}d}d}| | d| ¡ddkr”| | d| ¡d}| | d| ¡ddkrDd}nN|jsh| | d| ¡d|j}n*| | d| ¡dt d|j||jƒ}n| | d| ¡d|j}| | | d¡ddkrL| | | d¡d}| | | d¡ddkrüd}nN|js | | | d¡d|j}n*| | | d¡dt d|j||jƒ}n| | | d¡d|j}|jsv|jr„t|||ƒ}nt|||dƒ}|js¢d}d}|rÂ||krÂ|d|df}nf|râ||krâ|d|df}nF||krø|d df}n0||kr|ddf}n||kr$|ddf}nd }|d|krF|d}| }| } | | | |¡q®Wq˜W|jrŠ|jd} |jd} | | | ¡d}n„|jr|jd} d}d} x@td|jƒD]0}| | |¡d|kr²|} | | |¡d}q²W|jd} | | | ¡d}n|} | } |}d}g}g}x¸| | | ¡\}}}|jrN| dkrp| dkrpPn"|jrd| dkrpPn|dkrpP| | | f¡| |¡|d kr¤| d8} | d8} n*|dkr¸| d8} n|dkrÌ| d8} nPqW| ¡|jr | ||||¡t|ƒt|| f|ƒt|ƒ}t||| | ||||||j|j ƒS)Nr)rú rr)rr"r)rÚdrr"érBÚm)rrrr@)Úupperr-rÚranger.r5rr3r8r$r!r;r:Úminr9r>r?Úmaxr=ÚappendÚreverser<Údump_matrixÚprintÚ _reduce_cigarÚ Alignment)rÚrefÚqueryÚref_nameÚ query_nameÚrcÚorig_refÚ orig_queryÚmatrixr1r2Zmax_valZmax_rowZmax_colZmm_valZins_runZdel_runZins_valZdel_valZcell_valr4ÚcÚopZalnÚpathZrunlenÚcigarrrr ÚalignisÌ:,, zLocalAlignment.alignc Csètj d¡tj d |¡¡tj d¡x¸t|jƒD]ª}|dkrPtj d¡ntj ||d¡xnt|jƒD]`}||kr’||kr’tj d¡qptj d| ||¡d| ||¡d||f|krÆd nd f¡qpWtj d¡q6WdS)Nz - z Ú rú-rz *z %5s%s%sú$rA)ÚsysÚstdoutÚwriteÚjoinrFr.rr3) rrOrPrVrYZshow_rowZshow_colr1r2rrr rKúsBzLocalAlignment.dump_matrix)r*r*r7TFFNF)r@r@F)r*r*)r%r&r'rr[rKrrrr r6]s r6cCshd}d}g}x@|D]8}|r,||kr,|d7}n|rF| || ¡f¡d}|}qW|rd| || ¡f¡|S)Nr)rIrE)Ú operationsÚcountÚlastÚretrXrrr rMs rMcCs*d}x |D]\}}|d||f7}q W|S)Nr@z%s%sr)rZÚoutÚnumrXrrr Ú _cigar_strsric@sFeZdZddd„Zdd„Zedd „ƒZed d„ƒZdej fdd „Z dS)rNr@FNcCs¬||_||_||_||_||_||_||_||_| |_| |_ ||_ d|_d|_||_ | ¡|_||_| ¡|_d}d} d|_d|_|j}|j}xÒ|jD]È\}}|dkr||7}| |7} x¤t|ƒD]F}|j||j|krê|jd7_n|jd7_|d7}|d7}qÂWq–|dkr8||7}||7}|j|7_q–|dkr–| |7} ||7}|j|7_q–W|||_|| |_|j|jdkr¢t|jƒ|j|j|_nd|_dS)NrÚMrÚIÚD)rPrOÚq_posÚr_posrZr$Úr_nameÚq_namerSr>r!Úr_offsetÚr_regionrUrErTÚmatchesÚ mismatchesrFÚq_endÚr_endrÚidentity)rrPrOrmrnrZr$rQrRrSr>r!Zq_lenZr_lenr"ÚjrdrXÚkrrr r%s\ zAlignment.__init__cCs||_||_||_dS)N)rorqrr)rrOÚoffsetZregionrrr Úset_ref_offset`szAlignment.set_ref_offsetc Csöd}d}d}g}xº|jD]°\}}|dkr†xJt|ƒD]>}|j|j|||j|j||krh|d7}q2|d7}q2W||7}||7}n:|dkr¤||7}|d|7}n|dkrÀ||7}|d|7}t|ƒ}qWd}x |D]\} }|d| |f7}qÖW|S)Nrr@rjÚXrkrlz%s%s)rZrFrPrmrOrnrM) rÚqposÚrposZ ext_cigar_strZworkingrdrXryrgrhrrr Úextended_cigar_stres.( zAlignment.extended_cigar_strcCs t|jƒS)N)rirZ)rrrr Ú cigar_strƒszAlignment.cigar_strcCsx|j}|j}d}d}d}d}d} xr|jD]f\} }|dkrØ|| 7}| | 7} xˆt| ƒD]|}||j|7}||j|7}|j||j|ks°|jrº|j||jks°|j||jkrº|d7}n|d7}|d7}|d7}qVWq*|dkr$| | 7} x¦t| ƒD]*}|d7}||j|7}|d 7}|d7}qôWq*|d krr|| 7}xZt| ƒD],}||j|7}|d7}|d 7}|d7}q@Wq*|dkr*|d7}|d7}|d 7}q*W|j rÆ| d|j |jr´dndt|jƒf¡|j r|jrî| d|j |jf¡n| d|j t|jƒf¡|jd|jd|j|jd|j|jdg} tdd„| Dƒƒ}d|}d|}d d|}|j}|js||j}n|j}x¢|r&|r&|r&|js´| ||d¡n| ||¡|r|d|…}|d|…}|d|…}||d…}||d…}||d…}n|}|}|}d}d}d}| |¡|js`xD|D]}|dkrB|d7}qBWn"x |D]}|dkrf|d8}qfW|jsš| d|¡n| d|d¡| |¡| |¡| d¡| |||jd¡| |¡x |D]}|dkrò|d7}qòW| d||j¡q†W| d|j¡| d|j|jdf¡| d|jf¡| d|j¡dS)Nr@rrjú|Ú.rrlr]rArkÚNz-//-z zQuery: %s%s (%s nt) z (reverse-compliment)zRef : %s (%s) zRef : %s (%s nt) cSsg|]}tt|ƒƒ‘qSr)rÚstr)rrrrr r ¼sz"Alignment.dump..z Query: %%%ss z Ref : %%%ss éz %s r\z %s z Score: %s zMatches: %s (%.1f%%) édzMismatches: %s z CIGAR: %s )rnrmrZrFrUrTrPrOr!rprarSrrorrrurqrvrHr$rsrwrtr€)rÚwraprgr"rxÚqrDÚrÚqlenZrlenrdrXryZposlensÚmaxlenZq_preZr_preZm_prer~r}Z qfragmentZ mfragmentZ rfragmentÚbaserrr Údump‡sº: (0 zAlignment.dump)r@r@FFN)r%r&r'rr{Úpropertyrr€r_r`rrrrr rN$s ;rNcs‡fdd„}|S)Nc3sÊd}d}d}ˆdkr tj}d}ntˆƒ}xx|D]p}|ddkr’|rR|rR|||fV|dd… ¡ dd¡}|d}t|ƒdkrˆ|d}nd}d}q.|| ¡7}q.W|r¶|r¶|||fVˆdkrÆ| ¡dS)Nr@r]Ústdinrú>rrA)r_rr rrrr)ÚseqÚnameÚcommentsÚfrÚspl)Úfnamerr Úgenÿs, zfasta_gen..genr)r–r—r)r–r Ú fasta_genþs r˜cs‡‡fdd„}|S)Nc3sˆˆdfVdS)Nr@rr)r’r‘rr r—#szseq_gen..genr)r’r‘r—r)r’r‘r Úseq_gen"sr™c Cs¢d}d}yh| d¡}xX|D]P}d|kr| d¡\}}|dkr| d¡}|d}dd„|d d ¡Dƒ\}}qWWnYnX|rž|rž||dd |||ffSdS)NrAú=rFú:rcSsg|]}t|ƒ‘qSr)Úint)rrrrr r 7sz"extract_region..rr]z%s:%s-%s)r) r“rOÚstartÚattrsÚattrryÚvr•Úendrrr Úextract_region)s $r¢Z atcgATCGNnZ tagcTAGCNncCsT|tkrt|Sg}x(| ¡ddd…D]}| t|¡q(Wd |¡t|<t|S)Nr*r@)Ú__cacherErIÚ __revcomprb)r‘rfÚsrrr ÚrevcompKsr¦)r(r_ÚiorÚobjectrr)ZNucleotideScoringMatrixr-r6rMrirNr˜r™r¢r¤ÚzipÚar#r£r¦rrrr Ús(7 0[$