alg/sequence.cpp

   1 //  This file is part of the Mussa source distribution.
   2 //  http://mussa.caltech.edu/
   3 //  Contact author: Tristan  De Buysscher, tristan@caltech.edu
   4
   5 // This program and all associated source code files are Copyright (C) 2005
   6 // the California Institute of Technology, Pasadena, CA, 91125 USA.  It is
   7 // under the GNU Public License; please see the included LICENSE.txt
   8 // file for more information, or contact Tristan directly.
   9
  10
  11 //  This file is part of the Mussa source distribution.
  12 //  http://mussa.caltech.edu/
  13 //  Contact author: Tristan  De Buysscher, tristan@caltech.edu
  14
  15 // This program and all associated source code files are Copyright (C) 2005
  16 // the California Institute of Technology, Pasadena, CA, 91125 USA.  It is
  17 // under the GNU Public License; please see the included LICENSE.txt
  18 // file for more information, or contact Tristan directly.
  19
  20
  21 //                        ----------------------------------------
  22 //                           ---------- sequence.cc -----------
  23 //                        ----------------------------------------
  24 #include <boost/filesystem/fstream.hpp>
  25 namespace fs = boost::filesystem;
  26
  27 #include <boost/spirit/core.hpp>
  28 #include <boost/spirit/actor/push_back_actor.hpp>
  29 #include <boost/spirit/iterator/file_iterator.hpp>
  30 #include <boost/spirit/utility/chset.hpp>
  31 namespace spirit = boost::spirit;
  32
  33 #include "alg/sequence.hpp"
  34 #include "mussa_exceptions.hpp"
  35
  36 #include <string>
  37 #include <iostream>
  38 #include <sstream>
  39
  40 // some standard dna alphabets
  41 // \012 = nl
  42 // \015 = cr
  43 // this should make our sequence parsing end-of-line convention
  44 // independent
  45 static const char* dna_alphabet = "AaCcGgTtNn\012\015";
  46 static const char* rna_alphabet = "AaCcGgNnUu\012\015";
  47 static const char* iupac_alphabet = "AaCcGgTtUuRrYyMmKkSsWwBbDdHhVvNn\012\015";
  48
  49 annot::annot()
  50  : start(0),
  51    end(0),
  52    type(""),
  53    name("")
  54 {
  55 }
  56
  57 annot::annot(int start, int end, std::string type, std::string name)
  58  : start(start),
  59    end(end),
  60    type(type),
  61    name(name)
  62 {
  63 }
  64
  65 annot::~annot()
  66 {
  67 }
  68
  69 bool operator==(const annot& left, const annot& right)
  70 {
  71   return ((left.start == right.start) and
  72           (left.end == right.end) and
  73           (left.type == right.type) and
  74           (left.name == right.name));
  75 }
  76
  77 motif::motif(int start, std::string motif)
  78  : annot(start, start+motif.size(), "motif", motif),
  79    sequence(motif)
  80 {
  81 }
  82
  83 motif::~motif()
  84 {
  85 }
  86
  87 Sequence::Sequence()
  88  :  std::string(),
  89     header(""),
  90     species("")
  91 {
  92   annots.clear();
  93   motif_list.clear();
  94 }
  95
  96 Sequence::~Sequence()
  97 {
  98 }
  99
 100 Sequence::Sequence(const std::string& seq)
 101  :  std::string(),
 102     header(""),
 103     species("")
 104 {
 105   set_filtered_sequence(seq);
 106 }
 107
 108 Sequence::Sequence(const Sequence& o)
 109   : std::string(o),
 110     header(o.header),
 111     species(o.species),
 112     annots(o.annots),
 113     motif_list(o.motif_list)
 114 {
 115 }
 116
 117 Sequence &Sequence::operator=(const Sequence& s)
 118 {
 119   if (this != &s) {
 120     //sequence = s.sequence;
 121     assign(s);
 122     header = s.header;
 123     species = s.species;
 124     annots = s.annots;
 125   }
 126   return *this;
 127 }
 128
 129 Sequence &Sequence::operator=(const std::string& s)
 130 {
 131   set_filtered_sequence(s);
 132   return *this;
 133 }
 134
 135 static void multiplatform_getline(std::istream& in, std::string& line)
 136 {
 137   line.clear();
 138   char c;
 139   in.get(c);
 140   while(in.good() and !(c == '\012' or c == '\015') ) {
 141     line.push_back(c);
 142     in.get(c);
 143   }
 144   // if we have cr-lf eat it
 145   c = in.peek();
 146   if (c=='\012' or c == '\015') {
 147     in.get();
 148   }
 149 }
 150
 151 //! load a fasta file into a sequence
 152 /*!
 153  * \param file_path the location of the fasta file in the filesystem
 154  * \param seq_num which sequence in the file to load
 155  * \param start_index starting position in the fasta sequence, 0 for beginning
 156  * \param end_index ending position in the fasta sequence, 0 for end
 157  * \return error message, empty string if no error. (gag!)
 158  */
 159 void Sequence::load_fasta(fs::path file_path, int seq_num,
 160                           int start_index, int end_index)
 161 {
 162   fs::fstream data_file;
 163   data_file.open(file_path, std::ios::in);
 164
 165   if (!data_file.good())
 166   {
 167     throw mussa_load_error("Sequence File: "+file_path.string()+" not found");
 168   } else {
 169     try {
 170       load_fasta(data_file, seq_num, start_index, end_index);
 171     } catch(sequence_empty_error e) {
 172       // there doesn't appear to be any sequence
 173       // catch and rethrow to include the filename
 174       std::stringstream msg;
 175       msg << "The selected sequence in "
 176           << file_path.native_file_string()
 177           << " appears to be empty";
 178       throw sequence_empty_error(msg.str());
 179     } catch(sequence_empty_file_error e) {
 180       std::stringstream errormsg;
 181       errormsg << file_path.native_file_string()
 182                << " did not have any fasta sequences" << std::endl;
 183       throw sequence_empty_file_error(errormsg.str());
 184     }
 185   }
 186 }
 187
 188 void
 189 Sequence::load_fasta(std::iostream& data_file, int seq_num,
 190                      int start_index, int end_index)
 191 {
 192   std::string file_data_line;
 193   int header_counter = 0;
 194   bool read_seq = true;
 195   std::string rev_comp;
 196   std::string sequence_raw;
 197   std::string seq_tmp;             // holds sequence during basic filtering
 198
 199   if (seq_num == 0) {
 200     throw mussa_load_error("fasta sequence number is 1 based (can't be 0)");
 201   }
 202
 203   // search for the header of the fasta sequence we want
 204   while ( (!data_file.eof()) && (header_counter < seq_num) )
 205   {
 206     multiplatform_getline(data_file, file_data_line);
 207     if (file_data_line.substr(0,1) == ">")
 208       header_counter++;
 209   }
 210
 211   if (header_counter > 0) {
 212     header = file_data_line.substr(1);
 213
 214     sequence_raw = "";
 215
 216     while ( !data_file.eof() && read_seq ) {
 217       multiplatform_getline(data_file,file_data_line);
 218       if (file_data_line.substr(0,1) == ">")
 219         read_seq = false;
 220       else sequence_raw += file_data_line;
 221     }
 222
 223     // Lastly, if subselection of the sequence was specified we keep cut out
 224     // and only keep that part
 225     // end_index = 0 means no end was specified, so cut to the end
 226     if (end_index == 0)
 227       end_index = sequence_raw.size();
 228
 229     // sequence filtering for upcasing agctn and convert non AGCTN to N
 230     if (end_index-start_index <= 0) {
 231       std::string msg("The selected sequence appears to be empty");
 232       throw sequence_empty_error(msg);
 233     }
 234     set_filtered_sequence(sequence_raw, start_index, end_index-start_index);
 235   } else {
 236     std::string errormsg("There were no fasta sequences");
 237     throw sequence_empty_file_error(errormsg);
 238   }
 239 }
 240
 241 void Sequence::set_filtered_sequence(const std::string &old_seq,
 242                                      std::string::size_type start,
 243                                      std::string::size_type count)
 244 {
 245   char conversionTable[257];
 246
 247   if ( count == 0)
 248     count = old_seq.size() - start;
 249   std::string::clear();
 250   reserve(count);
 251
 252   // Make a conversion table
 253
 254   // everything we don't specify below will become 'N'
 255   for(int table_i=0; table_i < 256; table_i++)
 256   {
 257     conversionTable[table_i] = 'N';
 258   }
 259   // add end of string character for printing out table for testing purposes
 260   conversionTable[256] = '\0';
 261
 262   // we want these to map to themselves - ie not to change
 263   conversionTable[(int)'A'] = 'A';
 264   conversionTable[(int)'T'] = 'T';
 265   conversionTable[(int)'G'] = 'G';
 266   conversionTable[(int)'C'] = 'C';
 267   // this is to upcase
 268   conversionTable[(int)'a'] = 'A';
 269   conversionTable[(int)'t'] = 'T';
 270   conversionTable[(int)'g'] = 'G';
 271   conversionTable[(int)'c'] = 'C';
 272
 273   // finally, the actual conversion loop
 274   for(std::string::size_type seq_index = 0; seq_index < count; seq_index++)
 275   {
 276     append(1, conversionTable[ (int)old_seq[seq_index+start]]);
 277   }
 278 }
 279
 280   // this doesn't work properly under gcc 3.x ... it can't recognize toupper
 281   //transform(sequence.begin(), sequence.end(), sequence.begin(), toupper);
 282
 283 void
 284 Sequence::load_annot(fs::path file_path, int start_index, int end_index)
 285 {
 286   fs::fstream data_stream(file_path, std::ios::in);
 287   if (!data_stream)
 288   {
 289     throw mussa_load_error("Sequence File: " + file_path.string() + " not found");
 290   }
 291
 292   // so i should probably be passing the parse function some iterators
 293   // but the annotations files are (currently) small, so i think i can
 294   // get away with loading the whole file into memory
 295   std::string data;
 296   char c;
 297   while(data_stream.good()) {
 298     data_stream.get(c);
 299     data.push_back(c);
 300   }
 301   data_stream.close();
 302
 303   parse_annot(data, start_index, end_index);
 304 }
 305
 306 /* If this works, yikes, this is some brain hurting code.
 307  *
 308  * what's going on is that when pb_annot is instantiated it stores references
 309  * to begin, end, name, type, declared in the parse function, then
 310  * when operator() is called it grabs values from those references
 311  * and uses that to instantiate an annot object and append that to our
 312  * annotation list.
 313  *
 314  * This weirdness is because the spirit library requires that actions
 315  * conform to a specific prototype operator()(IteratorT, IteratorT)
 316  * which doesn't provide any useful opportunity for me to actually
 317  * grab the results of our parsing.
 318  *
 319  * so I instantiate this structure in order to have a place to grab
 320  * my data from.
 321  */
 322
 323 struct push_back_annot {
 324   std::list<annot>& annot_list;
 325   int& begin;
 326   int& end;
 327   std::string& name;
 328   std::string& type;
 329
 330   push_back_annot(std::list<annot>& annot_list_,
 331                   int& begin_,
 332                   int& end_,
 333                   std::string& name_,
 334                   std::string& type_)
 335   : annot_list(annot_list_),
 336     begin(begin_),
 337     end(end_),
 338     name(name_),
 339     type(type_)
 340   {
 341   }
 342
 343   void operator()(std::string::const_iterator,
 344                   std::string::const_iterator) const
 345   {
 346     //std::cout << "adding annot: " << begin << "|" << end << "|" << name << "|" << type << std::endl;
 347     annot_list.push_back(annot(begin, end, name, type));
 348   };
 349 };
 350
 351 struct push_back_seq {
 352   std::list<Sequence>& seq_list;
 353   std::string& name;
 354   std::string& seq;
 355
 356   push_back_seq(std::list<Sequence>& seq_list_,
 357                 std::string& name_,
 358                 std::string& seq_)
 359   : seq_list(seq_list_),
 360     name(name_),
 361     seq(seq_)
 362   {
 363   }
 364
 365   void operator()(std::string::const_iterator,
 366                   std::string::const_iterator) const
 367   {
 368     // filter out newlines from our sequence
 369     std::string new_seq;
 370     for(std::string::const_iterator seq_i = seq.begin();
 371         seq_i != seq.end();
 372         ++seq_i)
 373     {
 374       if (*seq_i != '\015' && *seq_i != '\012') new_seq += *seq_i;
 375     }
 376     //std::cout << "adding seq: " << name << " " << new_seq << std::endl;
 377
 378     Sequence s(new_seq);
 379     s.set_header(name);
 380     seq_list.push_back(s);
 381   };
 382 };
 383
 384 void
 385 Sequence::parse_annot(std::string data, int start_index, int end_index)
 386 {
 387   int start=0;
 388   int end=0;
 389   std::string name;
 390   std::string type;
 391   std::string seq;
 392   std::list<Sequence> query_seqs;
 393
 394   bool status = spirit::parse(data.begin(), data.end(),
 395                 (
 396                 //begin grammar
 397                 (+(spirit::alpha_p))[spirit::assign_a(species)] >>
 398                  +(spirit::space_p) >>
 399                     *(
 400                       ( // parse an absolute location name
 401                        (spirit::uint_p[spirit::assign_a(start)] >>
 402                         +spirit::space_p >>
 403                         spirit::uint_p[spirit::assign_a(end)] >>
 404                         +spirit::space_p >>
 405                         (
 406                            spirit::alpha_p >>
 407                            *spirit::graph_p
 408                         )[spirit::assign_a(name)] >>
 409                         // optional type
 410                         !(
 411                             +spirit::space_p >>
 412                             (
 413                               spirit::alpha_p >>
 414                               *spirit::graph_p
 415                             )[spirit::assign_a(type)]
 416                         )
 417                         // to understand how this group gets set
 418                         // read the comment above struct push_back_annot
 419                        )[push_back_annot(annots, start, end, type, name)]
 420                      |
 421                       (spirit::ch_p('>') >>
 422                          (*(spirit::print_p))[spirit::assign_a(name)] >>
 423                          spirit::eol_p >>
 424                          (+(spirit::chset<>(iupac_alphabet)))[spirit::assign_a(seq)]
 425                        )[push_back_seq(query_seqs, name, seq)]
 426                       ) >>
 427                       *spirit::space_p
 428                      )
 429                 //end grammar
 430                 ) /*,
 431                 spirit::space_p*/).full;
 432
 433   // go seearch for query sequences
 434   find_sequences(query_seqs.begin(), query_seqs.end());
 435 }
 436
 437 const std::string& Sequence::get_species() const
 438 {
 439   return species;
 440 }
 441
 442 void Sequence::add_annotation(const annot& a)
 443 {
 444   annots.push_back(a);
 445 }
 446
 447 const std::list<annot>& Sequence::annotations() const
 448 {
 449   return annots;
 450 }
 451
 452 Sequence
 453 Sequence::subseq(int start, int count) const
 454 {
 455   // there might be an off by one error with start+count > size()
 456   if ( count == npos || start+count > size()) {
 457     count = size()-start;
 458   }
 459   Sequence new_seq(std::string::substr(start, count));
 460   new_seq.set_header(get_header());
 461   //new_seq.set_species(get_species());
 462
 463   new_seq.motif_list = motif_list;
 464   // attempt to copy & reannotate position based annotations
 465   int end = start+count;
 466
 467   for(std::list<annot>::const_iterator annot_i = annots.begin();
 468       annot_i != annots.end();
 469       ++annot_i)
 470   {
 471     int annot_start = annot_i->start;
 472     int annot_end = annot_i->end;
 473
 474     if (annot_start < end) {
 475       if (annot_start >=start) {
 476         annot_start -= start;
 477       } else {
 478         annot_start = 0;
 479       }
 480
 481       if (annot_end < end) {
 482         annot_end -= start;
 483       } else {
 484         annot_end = count;
 485       }
 486
 487       annot new_annot(annot_start, annot_end, annot_i->type, annot_i->name);
 488       new_seq.annots.push_back(new_annot);
 489     }
 490   }
 491
 492   return new_seq;
 493 }
 494
 495 std::string
 496 Sequence::rev_comp() const
 497 {
 498   std::string rev_comp;
 499   char conversionTable[257];
 500   int seq_i, table_i, len;
 501
 502   len = length();
 503   rev_comp.reserve(len);
 504   // make a conversion table
 505   // init all parts of conversion table to '~' character
 506   // '~' I doubt will ever appear in a sequence file (jeez, I hope)
 507   // and may the fleas of 1000 camels infest the genitals of any biologist (and
 508   // seven generations of their progeny) who decides to make it mean
 509   // something special!!!
 510   // PS - double the curse for any smartass non-biologist who tries it as well
 511   for(table_i=0; table_i < 256; table_i++)
 512   {
 513     conversionTable[table_i] = '~';
 514   }
 515   // add end of string character for printing out table for testing purposes
 516   conversionTable[256] = '\0';
 517
 518   // add in the characters for the bases we want to convert
 519   conversionTable[(int)'A'] = 'T';
 520   conversionTable[(int)'T'] = 'A';
 521   conversionTable[(int)'G'] = 'C';
 522   conversionTable[(int)'C'] = 'G';
 523   conversionTable[(int)'N'] = 'N';
 524
 525   // finally, the actual conversion loop
 526   for(seq_i = len - 1; seq_i >= 0; seq_i--)
 527   {
 528     table_i = (int) at(seq_i);
 529     rev_comp += conversionTable[table_i];
 530   }
 531
 532   return rev_comp;
 533 }
 534
 535 void Sequence::set_header(std::string header_)
 536 {
 537   header = header_;
 538 }
 539
 540 std::string
 541 Sequence::get_header() const
 542 {
 543   return header;
 544 }
 545 /*
 546 //FIXME: i don't think this code is callable
 547 std::string
 548 Sequence::sp_name() const
 549 {
 550   return species;
 551 }
 552 */
 553
 554 /*
 555 std::string
 556 Sequence::species()
 557 {
 558   return species;
 559 }
 560 */
 561
 562 void
 563 Sequence::clear()
 564 {
 565   std::string::clear();
 566   header = "";
 567   species = "";
 568   annots.clear();
 569 }
 570
 571 void
 572 Sequence::save(fs::fstream &save_file)
 573                //std::string save_file_path)
 574 {
 575   //fstream save_file;
 576   std::list<annot>::iterator annots_i;
 577
 578   // not sure why, or if i'm doing something wrong, but can't seem to pass
 579   // file pointers down to this method from the mussa control class
 580   // so each call to save a sequence appends to the file started by mussa_class
 581   //save_file.open(save_file_path.c_str(), std::ios::app);
 582
 583   save_file << "<Sequence>" << std::endl;
 584   save_file << *this << std::endl;
 585   save_file << "</Sequence>" << std::endl;
 586
 587   save_file << "<Annotations>" << std::endl;
 588   save_file << species << std::endl;
 589   for (annots_i = annots.begin(); annots_i != annots.end(); ++annots_i)
 590   {
 591     save_file << annots_i->start << " " << annots_i->end << " " ;
 592     save_file << annots_i->name << " " << annots_i->type << std::endl;
 593   }
 594   save_file << "</Annotations>" << std::endl;
 595   //save_file.close();
 596 }
 597
 598 void
 599 Sequence::load_museq(fs::path load_file_path, int seq_num)
 600 {
 601   fs::fstream load_file;
 602   std::string file_data_line;
 603   int seq_counter;
 604   annot an_annot;
 605   std::string::size_type space_split_i;
 606   std::string annot_value;
 607
 608   annots.clear();
 609   load_file.open(load_file_path, std::ios::in);
 610
 611   seq_counter = 0;
 612   // search for the seq_num-th sequence
 613   while ( (!load_file.eof()) && (seq_counter < seq_num) )
 614   {
 615     getline(load_file,file_data_line);
 616     if (file_data_line == "<Sequence>")
 617       seq_counter++;
 618   }
 619   getline(load_file, file_data_line);
 620   assign(file_data_line);
 621   getline(load_file, file_data_line);
 622   getline(load_file, file_data_line);
 623   if (file_data_line == "<Annotations>")
 624   {
 625     getline(load_file, file_data_line);
 626     species = file_data_line;
 627     while ( (!load_file.eof())  && (file_data_line != "</Annotations>") )
 628     {
 629       getline(load_file,file_data_line);
 630       if ((file_data_line != "") && (file_data_line != "</Annotations>"))
 631       {
 632         // need to get 4 values...almost same code 4 times...
 633         // get annot start index
 634         space_split_i = file_data_line.find(" ");
 635         annot_value = file_data_line.substr(0,space_split_i);
 636         an_annot.start = atoi (annot_value.c_str());
 637         file_data_line = file_data_line.substr(space_split_i+1);
 638         // get annot end index
 639         space_split_i = file_data_line.find(" ");
 640         annot_value = file_data_line.substr(0,space_split_i);
 641         an_annot.end = atoi (annot_value.c_str());
 642
 643         if (space_split_i == std::string::npos)  // no entry for type or name
 644         {
 645           std::cout << "seq, annots - no type or name\n";
 646           an_annot.type = "";
 647           an_annot.name = "";
 648         }
 649         else   // else get annot type
 650         {
 651           file_data_line = file_data_line.substr(space_split_i+1);
 652           space_split_i = file_data_line.find(" ");
 653           annot_value = file_data_line.substr(0,space_split_i);
 654           an_annot.type = annot_value;
 655           if (space_split_i == std::string::npos)  // no entry for name
 656           {
 657             std::cout << "seq, annots - no name\n";
 658             an_annot.name = "";
 659           }
 660           else          // get annot name
 661           {
 662             file_data_line = file_data_line.substr(space_split_i+1);
 663             space_split_i = file_data_line.find(" ");
 664             annot_value = file_data_line.substr(0,space_split_i);
 665             an_annot.type = annot_value;
 666           }
 667         }
 668         annots.push_back(an_annot);  // don't forget to actually add the annot
 669       }
 670       //std::cout << "seq, annots: " << an_annot.start << ", " << an_annot.end
 671       //     << "-->" << an_annot.type << "::" << an_annot.name << std::endl;
 672     }
 673   }
 674   load_file.close();
 675 }
 676
 677
 678 std::string
 679 Sequence::rc_motif(std::string a_motif)
 680 {
 681   std::string rev_comp;
 682   char conversionTable[257];
 683   int seq_i, table_i, len;
 684
 685   len = a_motif.length();
 686   rev_comp.reserve(len);
 687
 688   for(table_i=0; table_i < 256; table_i++)
 689   {
 690     conversionTable[table_i] = '~';
 691   }
 692   // add end of std::string character for printing out table for testing purposes
 693   conversionTable[256] = '\0';
 694
 695   // add in the characters for the bases we want to convert (IUPAC)
 696   conversionTable[(int)'A'] = 'T';
 697   conversionTable[(int)'T'] = 'A';
 698   conversionTable[(int)'G'] = 'C';
 699   conversionTable[(int)'C'] = 'G';
 700   conversionTable[(int)'N'] = 'N';
 701   conversionTable[(int)'M'] = 'K';
 702   conversionTable[(int)'R'] = 'Y';
 703   conversionTable[(int)'W'] = 'W';
 704   conversionTable[(int)'S'] = 'S';
 705   conversionTable[(int)'Y'] = 'R';
 706   conversionTable[(int)'K'] = 'M';
 707   conversionTable[(int)'V'] = 'B';
 708   conversionTable[(int)'H'] = 'D';
 709   conversionTable[(int)'D'] = 'H';
 710   conversionTable[(int)'B'] = 'V';
 711
 712   // finally, the actual conversion loop
 713   for(seq_i = len - 1; seq_i >= 0; seq_i--)
 714   {
 715     //std::cout << "** i = " << seq_i << " bp = " <<
 716     table_i = (int) a_motif[seq_i];
 717     rev_comp += conversionTable[table_i];
 718   }
 719
 720   //std::cout << "seq: " << a_motif << std::endl;
 721   //std::cout << "rc:  " << rev_comp << std::endl;
 722
 723   return rev_comp;
 724 }
 725
 726 std::string
 727 Sequence::motif_normalize(std::string a_motif)
 728 {
 729   std::string valid_motif;
 730   int seq_i, len;
 731
 732   len = a_motif.length();
 733   valid_motif.reserve(len);
 734
 735   // this just upcases IUPAC symbols.  Eventually should return an error if non IUPAC is present.
 736   // current nonIUPAC symbols are omitted, which is not reported atm
 737   for(seq_i = 0; seq_i < len; seq_i++)
 738   {
 739     if ((a_motif[seq_i] == 'a') || (a_motif[seq_i] == 'A'))
 740       valid_motif += 'A';
 741     else if ((a_motif[seq_i] == 't') || (a_motif[seq_i] == 'T'))
 742       valid_motif += 'T';
 743     else if ((a_motif[seq_i] == 'g') || (a_motif[seq_i] == 'G'))
 744       valid_motif += 'G';
 745     else if ((a_motif[seq_i] == 'c') || (a_motif[seq_i] == 'C'))
 746       valid_motif += 'C';
 747     else if ((a_motif[seq_i] == 'n') || (a_motif[seq_i] == 'N'))
 748       valid_motif += 'N';
 749     else if ((a_motif[seq_i] == 'm') || (a_motif[seq_i] == 'M'))
 750       valid_motif += 'M';
 751     else if ((a_motif[seq_i] == 'r') || (a_motif[seq_i] == 'R'))
 752       valid_motif += 'R';
 753     else if ((a_motif[seq_i] == 'w') || (a_motif[seq_i] == 'W'))
 754       valid_motif += 'W';
 755     else if ((a_motif[seq_i] == 's') || (a_motif[seq_i] == 'S'))
 756       valid_motif += 'S';
 757     else if ((a_motif[seq_i] == 'y') || (a_motif[seq_i] == 'Y'))
 758       valid_motif += 'Y';
 759     else if ((a_motif[seq_i] == 'k') || (a_motif[seq_i] == 'K'))
 760       valid_motif += 'G';
 761     else if ((a_motif[seq_i] == 'v') || (a_motif[seq_i] == 'V'))
 762       valid_motif += 'V';
 763     else if ((a_motif[seq_i] == 'h') || (a_motif[seq_i] == 'H'))
 764       valid_motif += 'H';
 765     else if ((a_motif[seq_i] == 'd') || (a_motif[seq_i] == 'D'))
 766       valid_motif += 'D';
 767     else if ((a_motif[seq_i] == 'b') || (a_motif[seq_i] == 'B'))
 768       valid_motif += 'B';
 769     else {
 770       std::string msg = "Letter ";
 771       msg += a_motif[seq_i];
 772       msg += " is not a valid IUPAC symbol";
 773       throw motif_normalize_error(msg);
 774     }
 775   }
 776   //std::cout << "valid_motif is: " << valid_motif << std::endl;
 777   return valid_motif;
 778 }
 779
 780 void Sequence::add_motif(std::string a_motif)
 781 {
 782   std::vector<int> motif_starts = find_motif(a_motif);
 783
 784   for(std::vector<int>::iterator motif_start_i = motif_starts.begin();
 785       motif_start_i != motif_starts.end();
 786       ++motif_start_i)
 787   {
 788     motif_list.push_back(motif(*motif_start_i, a_motif));
 789   }
 790 }
 791
 792 void Sequence::clear_motifs()
 793 {
 794   motif_list.clear();
 795 }
 796
 797 const std::list<motif>& Sequence::motifs() const
 798 {
 799   return motif_list;
 800 }
 801
 802 std::vector<int>
 803 Sequence::find_motif(std::string a_motif)
 804 {
 805   std::vector<int> motif_match_starts;
 806   std::string a_motif_rc;
 807
 808   motif_match_starts.clear();
 809
 810   //std::cout << "motif is: " << a_motif << std::endl;
 811   a_motif = motif_normalize(a_motif);
 812   //std::cout << "motif is: " << a_motif << std::endl;
 813
 814   if (a_motif != "")
 815   {
 816     //std::cout << "Sequence: none blank motif\n";
 817     motif_scan(a_motif, &motif_match_starts);
 818
 819     a_motif_rc = rc_motif(a_motif);
 820     // make sure not to do search again if it is a palindrome
 821     if (a_motif_rc != a_motif)
 822       motif_scan(a_motif_rc, &motif_match_starts);
 823   }
 824   return motif_match_starts;
 825 }
 826
 827 void
 828 Sequence::motif_scan(std::string a_motif, std::vector<int> * motif_match_starts)
 829 {
 830    const char * seq_c;
 831   std::string::size_type seq_i;
 832   int motif_i, motif_len;
 833
 834   // faster to loop thru the sequence as a old c std::string (ie char array)
 835   seq_c = c_str();
 836   //std::cout << "Sequence: motif, seq len = " << sequence.length() << std::endl;
 837   motif_len = a_motif.length();
 838
 839   //std::cout << "motif_length: " << motif_len << std::endl;
 840   //std::cout << "RAAARRRRR\n";
 841
 842   motif_i = 0;
 843
 844   //std::cout << "motif: " << a_motif << std::endl;
 845
 846   //std::cout << "Sequence: motif, length= " << length << std::endl;
 847   seq_i = 0;
 848   while (seq_i < length())
 849   {
 850     //std::cout << seq_c[seq_i];
 851     //std::cout << seq_c[seq_i] << "?" << a_motif[motif_i] << ":" << motif_i << " ";
 852     // this is pretty much a straight translation of Nora's python code
 853     // to match iupac letter codes
 854     if (a_motif[motif_i] =='N')
 855       motif_i++;
 856     else if (a_motif[motif_i] == seq_c[seq_i])
 857       motif_i++;
 858     else if ((a_motif[motif_i] =='M') &&
 859              ((seq_c[seq_i]=='A') || (seq_c[seq_i]=='C')))
 860       motif_i++;
 861     else if ((a_motif[motif_i] =='R') &&
 862              ((seq_c[seq_i]=='A') || (seq_c[seq_i]=='G')))
 863       motif_i++;
 864     else if ((a_motif[motif_i] =='W') &&
 865              ((seq_c[seq_i]=='A') || (seq_c[seq_i]=='T')))
 866       motif_i++;
 867     else if ((a_motif[motif_i] =='S') &&
 868              ((seq_c[seq_i]=='C') || (seq_c[seq_i]=='G')))
 869       motif_i++;
 870     else if ((a_motif[motif_i] =='Y') &&
 871              ((seq_c[seq_i]=='C') || (seq_c[seq_i]=='T')))
 872       motif_i++;
 873     else if ((a_motif[motif_i] =='K') &&
 874              ((seq_c[seq_i]=='G') || (seq_c[seq_i]=='T')))
 875       motif_i++;
 876     else if ((a_motif[motif_i] =='V') &&
 877              ((seq_c[seq_i]=='A') || (seq_c[seq_i]=='C') ||
 878               (seq_c[seq_i]=='G')))
 879       motif_i++;
 880     else if ((a_motif[seq_i] =='H') &&
 881              ((seq_c[seq_i]=='A') || (seq_c[seq_i]=='C') ||
 882               (seq_c[seq_i]=='T')))
 883       motif_i++;
 884     else if ((a_motif[motif_i] =='D') &&
 885              ((seq_c[seq_i]=='A') || (seq_c[seq_i]=='G') ||
 886               (seq_c[seq_i]=='T')))
 887       motif_i++;
 888     else if ((a_motif[motif_i] =='B') &&
 889              ((seq_c[seq_i]=='C') || (seq_c[seq_i]=='G') ||
 890               (seq_c[seq_i]=='T')))
 891       motif_i++;
 892
 893     else
 894     {
 895       seq_i -= motif_i;
 896       motif_i = 0;
 897     }
 898
 899     // end Nora stuff, now we see if a match is found this pass
 900     if (motif_i == motif_len)
 901     {
 902       //std::cout << "!!";
 903       annot new_motif;
 904       motif_match_starts->push_back(seq_i - motif_len + 1);
 905       motif_i = 0;
 906     }
 907
 908     seq_i++;
 909   }
 910   //std::cout << std::endl;
 911 }
 912
 913 void Sequence::add_string_annotation(std::string a_seq,
 914                                      std::string name)
 915 {
 916   std::vector<int> seq_starts = find_motif(a_seq);
 917
 918   //std::cout << "searching for " << a_seq << " found " << seq_starts.size() << std::endl;
 919
 920   for(std::vector<int>::iterator seq_start_i = seq_starts.begin();
 921       seq_start_i != seq_starts.end();
 922       ++seq_start_i)
 923   {
 924     annots.push_back(annot(*seq_start_i,
 925                            *seq_start_i+a_seq.size(),
 926                            "",
 927                            name));
 928   }
 929 }
 930
 931 void Sequence::find_sequences(std::list<Sequence>::iterator start,
 932                               std::list<Sequence>::iterator end)
 933 {
 934   while (start != end) {
 935     add_string_annotation(*start, start->get_header());
 936     ++start;
 937   }
 938 }
 939