htsworkflow/pipelines/bustard.py

   1 """
   2 Extract configuration from Illumina Bustard Directory.
   3
   4 This includes the version number, run date, bustard executable parameters, and
   5 phasing estimates.
   6 """
   7 from copy import copy
   8 from datetime import date
   9 from glob import glob
  10 import logging
  11 import os
  12 import re
  13 import sys
  14 import time
  15
  16 from htsworkflow.pipelines.runfolder import \
  17    ElementTree, \
  18    VERSION_RE, \
  19    EUROPEAN_STRPTIME
  20
  21 # make epydoc happy
  22 __docformat__ = "restructuredtext en"
  23
  24 LANE_LIST = range(1,9)
  25
  26 class Phasing(object):
  27     PHASING = 'Phasing'
  28     PREPHASING = 'Prephasing'
  29
  30     def __init__(self, fromfile=None, xml=None):
  31         self.lane = None
  32         self.phasing = None
  33         self.prephasing = None
  34
  35         if fromfile is not None:
  36             self._initialize_from_file(fromfile)
  37         elif xml is not None:
  38             self.set_elements(xml)
  39
  40     def _initialize_from_file(self, pathname):
  41         path, name = os.path.split(pathname)
  42         basename, ext = os.path.splitext(name)
  43         # the last character of the param base filename should be the
  44         # lane number
  45         tree = ElementTree.parse(pathname).getroot()
  46         self.set_elements(tree)
  47         self.lane = int(basename[-1])
  48
  49     def get_elements(self):
  50         root = ElementTree.Element(Phasing.PHASING, {'lane': str(self.lane)})
  51         root.tail = os.linesep
  52         phasing = ElementTree.SubElement(root, Phasing.PHASING)
  53         phasing.text = str(self.phasing)
  54         phasing.tail = os.linesep
  55         prephasing = ElementTree.SubElement(root, Phasing.PREPHASING)
  56         prephasing.text = str(self.prephasing)
  57         prephasing.tail = os.linesep
  58         return root
  59
  60     def set_elements(self, tree):
  61         if tree.tag not in ('Phasing', 'Parameters'):
  62             raise ValueError('exptected Phasing or Parameters')
  63         lane = tree.attrib.get('lane', None)
  64         if lane is not None:
  65             self.lane = int(lane)
  66         for element in list(tree):
  67             if element.tag == Phasing.PHASING:
  68                 self.phasing = float(element.text)
  69             elif element.tag == Phasing.PREPHASING:
  70                 self.prephasing = float(element.text)
  71
  72 class CrosstalkMatrix(object):
  73     CROSSTALK = "MatrixElements"
  74     BASE = 'Base'
  75     ELEMENT = 'Element'
  76
  77     def __init__(self, fromfile=None, xml=None):
  78         self.base = {}
  79
  80         if fromfile is not None:
  81             self._initialize_from_file(fromfile)
  82         elif xml is not None:
  83             self.set_elements(xml)
  84
  85     def _initialize_from_file(self, pathname):
  86         data = open(pathname).readlines()
  87         auto_header = '# Auto-generated frequency response matrix'
  88         if data[0].strip() == auto_header and len(data) == 9:
  89             # skip over lines 1,2,3,4 which contain the 4 bases
  90             self.base['A'] = [ float(v) for v in data[5].split() ]
  91             self.base['C'] = [ float(v) for v in data[6].split() ]
  92             self.base['G'] = [ float(v) for v in data[7].split() ]
  93             self.base['T'] = [ float(v) for v in data[8].split() ]
  94         elif len(data) == 16:
  95             self.base['A'] = [ float(v) for v in data[:4] ]
  96             self.base['C'] = [ float(v) for v in data[4:8] ]
  97             self.base['G'] = [ float(v) for v in data[8:12] ]
  98             self.base['T'] = [ float(v) for v in data[12:16] ]
  99         else:
 100             raise RuntimeError("matrix file %s is unusual" % (pathname,))
 101     def get_elements(self):
 102         root = ElementTree.Element(CrosstalkMatrix.CROSSTALK)
 103         root.tail = os.linesep
 104         base_order = ['A','C','G','T']
 105         for b in base_order:
 106             base_element = ElementTree.SubElement(root, CrosstalkMatrix.BASE)
 107             base_element.text = b
 108             base_element.tail = os.linesep
 109         for b in base_order:
 110             for value in self.base[b]:
 111                 crosstalk_value = ElementTree.SubElement(root, CrosstalkMatrix.ELEMENT)
 112                 crosstalk_value.text = unicode(value)
 113                 crosstalk_value.tail = os.linesep
 114
 115         return root
 116
 117     def set_elements(self, tree):
 118         if tree.tag != CrosstalkMatrix.CROSSTALK:
 119             raise ValueError('Invalid run-xml exptected '+CrosstalkMatrix.CROSSTALK)
 120         base_order = []
 121         current_base = None
 122         current_index = 0
 123         for element in tree.getchildren():
 124             # read in the order of the bases
 125             if element.tag == 'Base':
 126                 base_order.append(element.text)
 127             elif element.tag == 'Element':
 128                 # we're done reading bases, now its just the 4x4 matrix
 129                 # written out as a list of elements
 130                 # if this is the first element, make a copy of the list
 131                 # to play with and initialize an empty list for the current base
 132                 if current_base is None:
 133                     current_base = copy(base_order)
 134                     self.base[current_base[0]] = []
 135                 # we found (probably) 4 bases go to the next base
 136                 if current_index == len(base_order):
 137                     current_base.pop(0)
 138                     current_index = 0
 139                     self.base[current_base[0]] = []
 140                 value = float(element.text)
 141                 self.base[current_base[0]].append(value)
 142
 143                 current_index += 1
 144             else:
 145                 raise RuntimeError("Unrecognized tag in run xml: %s" %(element.tag,))
 146
 147 def crosstalk_matrix_from_bustard_config(bustard_path, bustard_config_tree):
 148     """
 149     Analyze the bustard config file and try to find the crosstalk matrix.
 150     """
 151     bustard_run = bustard_config_tree[0]
 152     if bustard_run.tag != 'Run':
 153         raise RuntimeError('Expected Run tag, got %s' % (bustard_run.tag,))
 154
 155     call_parameters = bustard_run.find('BaseCallParameters')
 156     if call_parameters is None:
 157         raise RuntimeError('Missing BaseCallParameters section')
 158
 159     matrix = call_parameters.find('Matrix')
 160     if matrix is None:
 161         raise RuntimeError('Expected to find Matrix in Bustard BaseCallParameters')
 162
 163     matrix_auto_flag = int(matrix.find('AutoFlag').text)
 164     matrix_auto_lane = int(matrix.find('AutoLane').text)
 165
 166     crosstalk = None
 167     if matrix_auto_flag:
 168         # we estimated the matrix from something in this run.
 169         # though we don't really care which lane it was
 170         if matrix_auto_lane == 0:
 171             auto_lane_fragment = ""
 172         else:
 173             auto_lane_fragment = "_%d" % ( matrix_auto_lane,)
 174
 175         for matrix_name in ['s%s_02_matrix.txt' % (auto_lane_fragment,),
 176                             's%s_1_matrix.txt' % (auto_lane_fragment,),
 177                             ]:
 178             matrix_path = os.path.join(bustard_path, 'Matrix', matrix_name)
 179             if os.path.exists(matrix_path):
 180                 break
 181         else:
 182             raise RuntimeError("Couldn't find matrix for lane %d" % \
 183                                (matrix_auto_lane,))
 184
 185         crosstalk = CrosstalkMatrix(matrix_path)
 186     else:
 187         matrix_elements = call_parameters.find('MatrixElements')
 188         # the matrix was provided
 189         if matrix_elements is not None:
 190             crosstalk = CrosstalkMatrix(xml=matrix_elements)
 191         else:
 192             # we have no crosstalk matrix?
 193             pass
 194
 195     return crosstalk
 196
 197 class Bustard(object):
 198     XML_VERSION = 2
 199
 200     # Xml Tags
 201     BUSTARD = 'Bustard'
 202     SOFTWARE_VERSION = 'version'
 203     DATE = 'run_time'
 204     USER = 'user'
 205     PARAMETERS = 'Parameters'
 206     BUSTARD_CONFIG = 'BaseCallAnalysis'
 207
 208     def __init__(self, xml=None):
 209         self.version = None
 210         self.date = None
 211         self.user = None
 212         self.phasing = {}
 213         self.crosstalk = None
 214         self.pathname = None
 215         self.bustard_config = None
 216
 217         if xml is not None:
 218             self.set_elements(xml)
 219
 220     def _get_time(self):
 221         if self.date is None:
 222             return None
 223         return time.mktime(self.date.timetuple())
 224     time = property(_get_time, doc='return run time as seconds since epoch')
 225
 226     def dump(self):
 227         #print ElementTree.tostring(self.get_elements())
 228         ElementTree.dump(self.get_elements())
 229
 230     def get_elements(self):
 231         root = ElementTree.Element('Bustard',
 232                                    {'version': str(Bustard.XML_VERSION)})
 233         version = ElementTree.SubElement(root, Bustard.SOFTWARE_VERSION)
 234         version.text = self.version
 235         if self.time is not None:
 236             run_date = ElementTree.SubElement(root, Bustard.DATE)
 237             run_date.text = str(self.time)
 238         if self.user is not None:
 239             user = ElementTree.SubElement(root, Bustard.USER)
 240             user.text = self.user
 241         params = ElementTree.SubElement(root, Bustard.PARAMETERS)
 242
 243         # add phasing parameters
 244         for lane in LANE_LIST:
 245             if self.phasing.has_key(lane):
 246                 params.append(self.phasing[lane].get_elements())
 247
 248         # add crosstalk matrix if it exists
 249         if self.crosstalk is not None:
 250             root.append(self.crosstalk.get_elements())
 251
 252         # add bustard config if it exists
 253         if self.bustard_config is not None:
 254             root.append(self.bustard_config)
 255         return root
 256
 257     def set_elements(self, tree):
 258         if tree.tag != Bustard.BUSTARD:
 259             raise ValueError('Expected "Bustard" SubElements')
 260         xml_version = int(tree.attrib.get('version', 0))
 261         if xml_version > Bustard.XML_VERSION:
 262             logging.warn('Bustard XML tree is a higher version than this class')
 263         for element in list(tree):
 264             if element.tag == Bustard.SOFTWARE_VERSION:
 265                 self.version = element.text
 266             elif element.tag == Bustard.DATE:
 267                 self.date = date.fromtimestamp(float(element.text))
 268             elif element.tag == Bustard.USER:
 269                 self.user = element.text
 270             elif element.tag == Bustard.PARAMETERS:
 271                 for param in element:
 272                     p = Phasing(xml=param)
 273                     self.phasing[p.lane] = p
 274             elif element.tag == CrosstalkMatrix.CROSSTALK:
 275                 self.crosstalk = CrosstalkMatrix(xml=element)
 276             elif element.tag == Bustard.BUSTARD_CONFIG:
 277                 self.bustard_config = element
 278             else:
 279                 raise ValueError("Unrecognized tag: %s" % (element.tag,))
 280
 281 def bustard(pathname):
 282     """
 283     Construct a Bustard object by analyzing an Illumina Bustard directory.
 284
 285     :Parameters:
 286       - `pathname`: A bustard directory
 287
 288     :Return:
 289       Fully initialized Bustard object.
 290     """
 291     b = Bustard()
 292     pathname = os.path.abspath(pathname)
 293     path, name = os.path.split(pathname)
 294     groups = name.split("_")
 295     if groups[0].lower().startswith('bustard'):
 296         version = re.search(VERSION_RE, groups[0])
 297         b.version = version.group(1)
 298         t = time.strptime(groups[1], EUROPEAN_STRPTIME)
 299         b.date = date(*t[0:3])
 300         b.user = groups[2]
 301     elif groups[0] == 'BaseCalls':
 302         # stub values
 303         b.version = None
 304         b.date = None
 305         b.user = None
 306
 307     b.pathname = pathname
 308     bustard_config_filename = os.path.join(pathname, 'config.xml')
 309     paramfiles = glob(os.path.join(pathname, "params?.xml"))
 310     for paramfile in paramfiles:
 311         phasing = Phasing(paramfile)
 312         assert (phasing.lane >= 1 and phasing.lane <= 8)
 313         b.phasing[phasing.lane] = phasing
 314     # I only found these in Bustard1.9.5/1.9.6 directories
 315     if b.version in ('1.9.5', '1.9.6'):
 316         # at least for our runfolders for 1.9.5 and 1.9.6 matrix[1-8].txt are always the same
 317         crosstalk_file = os.path.join(pathname, "matrix1.txt")
 318         b.crosstalk = CrosstalkMatrix(crosstalk_file)
 319     # for version 1.3.2 of the pipeline the bustard version number went down
 320     # to match the rest of the pipeline. However there's now a nifty
 321     # new (useful) bustard config file.
 322     elif os.path.exists(bustard_config_filename):
 323         bustard_config_root = ElementTree.parse(bustard_config_filename)
 324         b.bustard_config = bustard_config_root.getroot()
 325         b.crosstalk = crosstalk_matrix_from_bustard_config(b.pathname, b.bustard_config)
 326         software = bustard_config_root.find('*/Software')
 327         b.version = software.attrib['Version']
 328         #b.version = software.attrib['Name'] + "-" + software.attrib['Version']
 329
 330     return b
 331
 332 def fromxml(tree):
 333     """
 334     Reconstruct a htsworkflow.pipelines.Bustard object from an xml block
 335     """
 336     b = Bustard()
 337     b.set_elements(tree)
 338     return b
 339
 340 def make_cmdline_parser():
 341     from optparse import OptionParser
 342     parser = OptionParser('%prog: bustard_directory')
 343     return parser
 344
 345 def main(cmdline):
 346     parser = make_cmdline_parser()
 347     opts, args = parser.parse_args(cmdline)
 348
 349     for bustard_dir in args:
 350         print u'analyzing bustard directory: ' + unicode(bustard_dir)
 351         bustard_object = bustard(bustard_dir)
 352         bustard_object.dump()
 353
 354         bustard_object2 = Bustard(xml=bustard_object.get_elements())
 355         print ('-------------------------------------')
 356         bustard_object2.dump()
 357         print ('=====================================')
 358         b1_tree = bustard_object.get_elements()
 359         b1 = ElementTree.tostring(b1_tree).split(os.linesep)
 360         b2_tree = bustard_object2.get_elements()
 361         b2 = ElementTree.tostring(b2_tree).split(os.linesep)
 362         for line1, line2 in zip(b1, b2):
 363             if b1 != b2:
 364                 print "b1: ", b1
 365                 print "b2: ", b2
 366
 367 if __name__ == "__main__":
 368     main(sys.argv[1:])