| 1 | package App::Dazz::Command::cover; | ||||||||||
| 2 | 11 | ▶ | use strict; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 3 | 11 | ▶ | use warnings; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 4 | 11 | ▶ | use autodie; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 5 | |||||||||||
| 6 | 11 | ▶ | use App::Dazz -command; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 7 | 11 | ▶ | use App::Dazz::Common; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 8 | |||||||||||
| 9 | 11 | ▶ | use constant abstract => "trusted regions in the first file covered by the second"; | ||||||||
|
Subroutine
BEGIN: called CC=1 SCAR=0.0
| |||||||||||
| 10 | |||||||||||
| 11 | 3 | ▶ | sub opt_spec { | ||||||||
|
Subroutine
opt_spec: called CC=1 SCAR=0.0
Pod
documented
| |||||||||||
| 12 | return ( | ||||||||||
| 13 | 3 | [ "outfile|o=s", "output filename, [stdout] for screen", ], | |||||||||
| 14 | [ "range|r=s", "ranges of first sequences", { required => 1 }, ], | ||||||||||
| 15 | [ 'coverage|c=i', 'minimal coverage', { default => 2 }, ], | ||||||||||
| 16 | [ 'max|m=i', 'maximal coverage', { default => 200 }, ], | ||||||||||
| 17 | [ "len|l=i", "minimal length of overlaps", { default => 1000 }, ], | ||||||||||
| 18 | [ "idt|i=f", "minimal identity of overlaps", { default => 0.85 }, ], | ||||||||||
| 19 | [ "tmp=s", "user defined tempdir", ], | ||||||||||
| 20 | [ "verbose|v", "verbose mode", ], | ||||||||||
| 21 | { show_defaults => 1, } | ||||||||||
| 22 | ); | ||||||||||
| 23 | } | ||||||||||
| 24 | |||||||||||
| 25 | 3 | ▶ | sub usage_desc { | ||||||||
|
Subroutine
usage_desc: called CC=1 SCAR=0.0
Pod
documented
| |||||||||||
| 26 | 3 | return "dazz cover [options] <.ovlp.tsv>"; | |||||||||
| 27 | } | ||||||||||
| 28 | |||||||||||
| 29 | 0 | ▶ | sub description { | ||||||||
|
Subroutine
description: not called CC=1 SCAR=6.9
Pod
documented
| |||||||||||
| 30 | 0 | my $desc; | |||||||||
| 31 | 0 | $desc .= ucfirst(abstract) . ".\n"; | |||||||||
| 32 | 0 | $desc .= "\tAll operations are running in a tempdir and no intermediate files are kept.\n"; | |||||||||
| 33 | 0 | return $desc; | |||||||||
| 34 | } | ||||||||||
| 35 | |||||||||||
| 36 | 3 | ▶ | sub validate_args { | ||||||||
|
Subroutine
validate_args: called CC=6 SCAR=18.8
Pod
documented
| |||||||||||
| 37 | 3 | my ( $self, $opt, $args ) = @_; | |||||||||
| 38 | |||||||||||
| 39 | 3 | ▶ | if ( @{$args} != 1 ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 40 | 1 | my $message = "This command need one input file.\n\tIt found"; | |||||||||
| 41 | 1 | $message .= sprintf " [%s]", $_ for @{$args}; | |||||||||
| 42 | 1 | $message .= ".\n"; | |||||||||
| 43 | 1 | $self->usage_error($message); | |||||||||
| 44 | } | ||||||||||
| 45 | 2 | for ( @{$args} ) { | |||||||||
| 46 | 2 | ▶ | if ( !Path::Tiny::path($_)->is_file ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 47 | 2 | $self->usage_error("The input file [$_] doesn't exist."); | |||||||||
| 48 | } | ||||||||||
| 49 | } | ||||||||||
| 50 | |||||||||||
| 51 | 0 | ▶ | if ( !exists $opt->{outfile} ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 52 | 0 | $opt->{outfile} = Path::Tiny::path( $args->[0] )->absolute . ".cover.json"; | |||||||||
| 53 | } | ||||||||||
| 54 | } | ||||||||||
| 55 | |||||||||||
| 56 | 0 | ▶ | sub execute { | ||||||||
|
Subroutine
execute: not called CC=15 SCAR=54.8
Pod
documented
| |||||||||||
| 57 | 0 | my ( $self, $opt, $args ) = @_; | |||||||||
| 58 | |||||||||||
| 59 | # make paths absolute before we chdir | ||||||||||
| 60 | 0 | my $infile = Path::Tiny::path( $args->[0] )->absolute->stringify; | |||||||||
| 61 | |||||||||||
| 62 | 0 | ▶ | if ( lc $opt->{outfile} ne "stdout" ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 63 | 0 | $opt->{outfile} = Path::Tiny::path( $opt->{outfile} )->absolute->stringify; | |||||||||
| 64 | } | ||||||||||
| 65 | |||||||||||
| 66 | # record cwd, we'll return there | ||||||||||
| 67 | 0 | my $cwd = Path::Tiny->cwd; | |||||||||
| 68 | 0 | my $tempdir; | |||||||||
| 69 | 0 | ▶ | if ( $opt->{tmp} ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 70 | $tempdir = Path::Tiny->tempdir( | ||||||||||
| 71 | TEMPLATE => "dazz_cover_XXXXXXXX", | ||||||||||
| 72 | DIR => $opt->{tmp}, | ||||||||||
| 73 | 0 | ); | |||||||||
| 74 | } | ||||||||||
| 75 | else { | ||||||||||
| 76 | 0 | $tempdir = Path::Tiny->tempdir("dazz_cover_XXXXXXXX"); | |||||||||
| 77 | } | ||||||||||
| 78 | 0 | chdir $tempdir; | |||||||||
| 79 | |||||||||||
| 80 | 0 | my $basename = $tempdir->basename(); | |||||||||
| 81 | 0 | $basename =~ s/\W+/_/g; | |||||||||
| 82 | |||||||||||
| 83 | #@type AlignDB::IntSpan | ||||||||||
| 84 | 0 | my $first_range = AlignDB::IntSpan->new->add_runlist( $opt->{range} ); | |||||||||
| 85 | |||||||||||
| 86 | { | ||||||||||
| 87 | # paf to meancov | ||||||||||
| 88 | 0 | my $cmd; | |||||||||
| 89 | 0 | $cmd .= "ovlpr covered"; | |||||||||
| 90 | 0 | $cmd .= " $infile"; | |||||||||
| 91 | 0 | $cmd .= " --coverage $opt->{max}"; | |||||||||
| 92 | 0 | $cmd .= " --mean"; | |||||||||
| 93 | 0 | $cmd .= " --len $opt->{len} --idt $opt->{idt}"; | |||||||||
| 94 | 0 | $cmd .= " -o $basename.meancov.txt"; | |||||||||
| 95 | 0 | App::Dazz::Common::exec_cmd( $cmd, { verbose => $opt->{verbose}, } ); | |||||||||
| 96 | |||||||||||
| 97 | 0 | ▶ | if ( !$tempdir->child("$basename.meancov.txt")->is_file ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 98 | 0 | Carp::croak "Failed: create $basename.meancov.txt\n"; | |||||||||
| 99 | } | ||||||||||
| 100 | } | ||||||||||
| 101 | |||||||||||
| 102 | # anchor_id => mean coverage | ||||||||||
| 103 | 0 | my $coverage_of = {}; | |||||||||
| 104 | 0 | my $len_of = {}; | |||||||||
| 105 | 0 | my $stat = Statistics::Descriptive::Full->new(); | |||||||||
| 106 | 0 | for my $line ( App::RL::Common::read_lines("$basename.meancov.txt") ) { | |||||||||
| 107 | 0 | my @parts = split "\t", $line; | |||||||||
| 108 | 0 | ▶ | next unless @parts == 3; | ||||||||
|
Branch: 1 branch
| |||||||||||
| 109 | |||||||||||
| 110 | 0 | my $seq_id = $parts[0]; | |||||||||
| 111 | 0 | ▶ | next unless $first_range->contains($seq_id); | ||||||||
|
Branch: 1 branch
| |||||||||||
| 112 | |||||||||||
| 113 | 0 | $len_of->{$seq_id} = $parts[1]; | |||||||||
| 114 | |||||||||||
| 115 | 0 | $coverage_of->{$seq_id} = $parts[2]; | |||||||||
| 116 | 0 | $stat->add_data( $parts[2] ); | |||||||||
| 117 | } | ||||||||||
| 118 | |||||||||||
| 119 | 0 | my $meta_of = { TRUSTED => $first_range->copy, }; | |||||||||
| 120 | { | ||||||||||
| 121 | 0 | my $median = $stat->median(); | |||||||||
| 122 | 0 | my @abs_res = map { abs( $median - $_ ) } $stat->get_data(); | |||||||||
| 123 | 0 | my $abs_res_stat = Statistics::Descriptive::Full->new(); | |||||||||
| 124 | 0 | $abs_res_stat->add_data(@abs_res); | |||||||||
| 125 | 0 | my $MAD = $abs_res_stat->median(); | |||||||||
| 126 | |||||||||||
| 127 | # the scale factor | ||||||||||
| 128 | 0 | my $k = 3; | |||||||||
| 129 | |||||||||||
| 130 | 0 | my $lower_limit = ( $median - $k * $MAD ) / 2; | |||||||||
| 131 | 0 | my $upper_limit = ( $median + $k * $MAD ) * 1.5; | |||||||||
| 132 | |||||||||||
| 133 | 0 | $meta_of->{NON_OVERLAPPED} = AlignDB::IntSpan->new; | |||||||||
| 134 | 0 | $meta_of->{REPEAT_LIKE} = AlignDB::IntSpan->new; | |||||||||
| 135 | 0 | for my $key ( keys %{$coverage_of} ) { | |||||||||
| 136 | 0 | ▶ | if ( $coverage_of->{$key} < $lower_limit ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 137 | 0 | $meta_of->{NON_OVERLAPPED}->add($key); | |||||||||
| 138 | } | ||||||||||
| 139 | 0 | ▶ | if ( $coverage_of->{$key} > $upper_limit ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 140 | 0 | $meta_of->{REPEAT_LIKE}->add($key); | |||||||||
| 141 | } | ||||||||||
| 142 | } | ||||||||||
| 143 | |||||||||||
| 144 | 0 | $meta_of->{COV_MEDIAN} = $median; | |||||||||
| 145 | 0 | $meta_of->{COV_MAD} = $MAD; | |||||||||
| 146 | 0 | $meta_of->{COV_LOWER_LIMIT} = $lower_limit; | |||||||||
| 147 | 0 | $meta_of->{COV_UPPER_LIMIT} = $upper_limit; | |||||||||
| 148 | |||||||||||
| 149 | 0 | $meta_of->{TRUSTED}->subtract( $meta_of->{NON_OVERLAPPED} ); | |||||||||
| 150 | 0 | $meta_of->{TRUSTED}->subtract( $meta_of->{REPEAT_LIKE} ); | |||||||||
| 151 | } | ||||||||||
| 152 | |||||||||||
| 153 | { | ||||||||||
| 154 | # paf to covered | ||||||||||
| 155 | 0 | my $cmd; | |||||||||
| 156 | 0 | $cmd .= "ovlpr covered"; | |||||||||
| 157 | 0 | $cmd .= " $infile"; | |||||||||
| 158 | 0 | $cmd .= " --coverage $opt->{coverage}"; | |||||||||
| 159 | 0 | $cmd .= " --len $opt->{len} --idt $opt->{idt}"; | |||||||||
| 160 | 0 | $cmd .= " -o $basename.covered.txt"; | |||||||||
| 161 | 0 | App::Dazz::Common::exec_cmd( $cmd, { verbose => $opt->{verbose}, } ); | |||||||||
| 162 | |||||||||||
| 163 | 0 | ▶ | if ( !$tempdir->child("$basename.covered.txt")->is_file ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 164 | 0 | Carp::croak "Failed: create $basename.covered.txt\n"; | |||||||||
| 165 | } | ||||||||||
| 166 | } | ||||||||||
| 167 | |||||||||||
| 168 | # anchor_id => covered region | ||||||||||
| 169 | 0 | my $covered_of = {}; | |||||||||
| 170 | 0 | $meta_of->{PARTIAL_COVERED} = AlignDB::IntSpan->new; | |||||||||
| 171 | 0 | for my $line ( App::RL::Common::read_lines("$basename.covered.txt") ) { | |||||||||
| 172 | 0 | my @parts = split ":", $line; | |||||||||
| 173 | 0 | ▶ | next unless @parts == 2; | ||||||||
|
Branch: 1 branch
| |||||||||||
| 174 | |||||||||||
| 175 | 0 | my $seq_id = $parts[0]; | |||||||||
| 176 | 0 | ▶ | next unless $first_range->contains($seq_id); | ||||||||
|
Branch: 1 branch
| |||||||||||
| 177 | |||||||||||
| 178 | 0 | my $covered = AlignDB::IntSpan->new()->add_runlist( $parts[1] ); | |||||||||
| 179 | |||||||||||
| 180 | 0 | ▶ | if ( $covered->size < $len_of->{$seq_id} ) { | ||||||||
|
Branch: 1 branch
| |||||||||||
| 181 | 0 | $meta_of->{TRUSTED}->remove($seq_id); | |||||||||
| 182 | 0 | $meta_of->{PARTIAL_COVERED}->add($seq_id); | |||||||||
| 183 | 0 | $covered_of->{$seq_id} = $covered->runlist; | |||||||||
| 184 | } | ||||||||||
| 185 | } | ||||||||||
| 186 | |||||||||||
| 187 | # { | ||||||||||
| 188 | # # Create covered.fasta | ||||||||||
| 189 | # $tempdir->child("covered.fasta")->remove; | ||||||||||
| 190 | # for my $serial ( sort { $a <=> $b } keys %{$covered_of} ) { | ||||||||||
| 191 | # if ( $trusted->contains($serial) ) { | ||||||||||
| 192 | # my $cmd; | ||||||||||
| 193 | # $cmd .= "DBshow -U $basename $serial"; | ||||||||||
| 194 | # $cmd .= " | faops replace -l 0 stdin first.replace.tsv stdout"; | ||||||||||
| 195 | # $cmd .= " >> covered.fasta"; | ||||||||||
| 196 | # App::Dazz::Common::exec_cmd( $cmd, { verbose => $opt->{verbose}, } ); | ||||||||||
| 197 | # } | ||||||||||
| 198 | # else { | ||||||||||
| 199 | # | ||||||||||
| 200 | # #@type AlignDB::IntSpan | ||||||||||
| 201 | # my $region = $covered_of->{$serial}{ $opt->{coverage} }; | ||||||||||
| 202 | # | ||||||||||
| 203 | # for my $set ( $region->sets ) { | ||||||||||
| 204 | # next if $set->size < $opt->{len}; | ||||||||||
| 205 | # | ||||||||||
| 206 | # my $cmd; | ||||||||||
| 207 | # $cmd .= "DBshow -U $basename $serial"; | ||||||||||
| 208 | # $cmd .= " | faops replace -l 0 stdin first.replace.tsv stdout"; | ||||||||||
| 209 | # $cmd .= " | faops frag -l 0 stdin @{[$set->min]} @{[$set->max]} stdout"; | ||||||||||
| 210 | # $cmd .= " >> covered.fasta"; | ||||||||||
| 211 | # App::Dazz::Common::exec_cmd( $cmd, { verbose => $opt->{verbose}, } ); | ||||||||||
| 212 | # } | ||||||||||
| 213 | # } | ||||||||||
| 214 | # } | ||||||||||
| 215 | # | ||||||||||
| 216 | # if ( !$tempdir->child("covered.fasta")->is_file ) { | ||||||||||
| 217 | # Carp::croak "Failed: create covered.fasta\n"; | ||||||||||
| 218 | # } | ||||||||||
| 219 | # } | ||||||||||
| 220 | |||||||||||
| 221 | { | ||||||||||
| 222 | 0 | $meta_of->{TRUSTED} = $meta_of->{TRUSTED}->runlist; | |||||||||
| 223 | 0 | $meta_of->{NON_OVERLAPPED} = $meta_of->{NON_OVERLAPPED}->runlist; | |||||||||
| 224 | 0 | $meta_of->{REPEAT_LIKE} = $meta_of->{REPEAT_LIKE}->runlist; | |||||||||
| 225 | 0 | $meta_of->{PARTIAL_COVERED} = $meta_of->{PARTIAL_COVERED}->runlist; | |||||||||
| 226 | 0 | $meta_of->{TOTAL_RANGE} = $first_range->runlist; | |||||||||
| 227 | |||||||||||
| 228 | 0 | $tempdir->child("meta.cover.json") | |||||||||
| 229 | ->spew( JSON::to_json( $meta_of, { pretty => 1, canonical => 1, } ) ); | ||||||||||
| 230 | 0 | $tempdir->child("meta.cover.json")->copy( $opt->{outfile} ); | |||||||||
| 231 | |||||||||||
| 232 | $tempdir->child("partial.txt") | ||||||||||
| 233 | 0 | ->spew( map { sprintf "%s:%s\n", $_, $covered_of->{$_} } keys %{$covered_of} ); | |||||||||
| 234 | 0 | $tempdir->child("partial.txt")->copy("$opt->{outfile}.partial.txt"); | |||||||||
| 235 | |||||||||||
| 236 | 0 | YAML::Syck::DumpFile( "coverage.yml", $coverage_of ); | |||||||||
| 237 | 0 | $tempdir->child("coverage.yml")->copy("$opt->{outfile}.coverage.yml"); | |||||||||
| 238 | } | ||||||||||
| 239 | |||||||||||
| 240 | 0 | chdir $cwd; | |||||||||
| 241 | } | ||||||||||
| 242 | |||||||||||
| 243 | 11 | 1; | |||||||||