incorporate drawable and annotations
[mussa.git] / alg / test / test_sequence.cpp
1 #define BOOST_AUTO_TEST_MAIN
2 #include <boost/test/auto_unit_test.hpp>
3 #include <boost/filesystem/path.hpp>
4 #include <boost/filesystem/operations.hpp>
5 namespace fs=boost::filesystem;
6
7 #include <boost/algorithm/string/case_conv.hpp>
8
9 #include <list>
10 #include <iostream>
11 #include <sstream>
12
13 #include <boost/archive/text_oarchive.hpp>
14 #include <boost/archive/text_iarchive.hpp>
15 #include <boost/archive/xml_oarchive.hpp>
16 #include <boost/archive/xml_iarchive.hpp>
17
18 #include "alg/sequence.hpp"
19 #include "mussa_exceptions.hpp"
20
21 using namespace std;
22
23 BOOST_AUTO_TEST_CASE( sequence_copy_constructor )
24 {
25   SequenceRef s(new Sequence("AAAAGGGG"));
26   s->set_species("foo");
27   BOOST_CHECK_EQUAL(s->get_species(), "foo");
28   
29   SequenceRef c(new Sequence(s));
30   BOOST_CHECK_EQUAL(c->get_species(), "foo");
31
32   c->set_species("bar");
33   BOOST_CHECK_EQUAL(s->get_species(), "foo");
34   BOOST_CHECK_EQUAL(c->get_species(), "bar");
35 }
36 BOOST_AUTO_TEST_CASE( sequence_get_sequence )
37 {
38         Sequence s;
39         // make sure that retrieving the sequence doesn't throw an error
40         BOOST_CHECK_EQUAL(s.get_sequence(), std::string() );
41 }
42
43 BOOST_AUTO_TEST_CASE( sequence_from_string )
44 {
45   std::string str1("AAAT");
46   Sequence seq1(str1);
47   BOOST_CHECK_EQUAL(seq1.get_sequence(), str1);
48
49
50 BOOST_AUTO_TEST_CASE( sequence_find_first_not_of )
51 {
52   std::string str1("AAAAT");
53   Sequence seq1(str1);
54   BOOST_CHECK_EQUAL(seq1.find_first_not_of("A"), str1.find_first_not_of("A"));
55   
56   std::string str2("AATTGGCC");
57   Sequence seq2(str2);
58   BOOST_CHECK_EQUAL(seq2.find_first_not_of("qwer"), str2.find_first_not_of("qwer"));
59 }
60
61 //! when we try to load a missing file, do we get an error?
62 BOOST_AUTO_TEST_CASE( sequence_load_exception )
63 {
64   Sequence s;
65   // there should be errors when we try to load something that doesn't exist
66   BOOST_CHECK_THROW( s.load_fasta("alkejralk", 1, 0, 0), mussa_load_error);
67   BOOST_CHECK_THROW( s.load_annot("alkejralk", 0, 0), mussa_load_error);
68 }
69
70 BOOST_AUTO_TEST_CASE( sequence_eol_conventions )
71 {
72   string header(">Header");
73   string line1("AAAAGGGGCCCCTTTTT");
74   string line2("AAAAGGGGCCCCTTTTT");
75   int seq_len = line1.size() + line2.size();
76
77   stringstream cr;
78   cr << header << "\015" << line1 << "\015" << line2 << "\015";
79   Sequence seq_cr;
80   seq_cr.load_fasta(cr);
81
82   stringstream crlf;
83   crlf << header << "\015\012" << line1 << "\015\012" << line2 << "\015\012";
84   Sequence seq_crlf;
85   seq_crlf.load_fasta(crlf);
86
87   stringstream lf;
88   lf << header << "\012" << line1 << "\012" << line2 << "\012";
89   Sequence seq_lf;
90   seq_lf.load_fasta(lf);
91
92   BOOST_CHECK_EQUAL(seq_cr.size(),   seq_len);
93   BOOST_CHECK_EQUAL(seq_crlf.size(), seq_len);
94   BOOST_CHECK_EQUAL(seq_cr.size(),   seq_len);
95 }
96
97
98 //! Do simple operations work correctly?
99 BOOST_AUTO_TEST_CASE( sequence_filter )
100 {
101   const char *core_seq = "AATTGGCC";
102   Sequence s1(core_seq, reduced_dna_alphabet);
103   BOOST_CHECK_EQUAL(s1, core_seq);
104
105   Sequence s2("aattggcc", reduced_dna_alphabet);
106   BOOST_CHECK_EQUAL(s2, "AATTGGCC");
107   BOOST_CHECK_EQUAL(s2.rev_comp(), "GGCCAATT");
108   BOOST_CHECK_EQUAL(s2.rev_comp(), "ggccaatt"); // we should be case insensitive now
109   BOOST_CHECK_EQUAL(s2.size(), s2.size());
110   //We're currently forcing sequences to uppercase
111   BOOST_CHECK_EQUAL(s2.get_sequence(), "AATTGGCC"); 
112
113   Sequence s3("asdfg", reduced_dna_alphabet);
114   BOOST_CHECK_EQUAL(s3, "ANNNG");
115   BOOST_CHECK_EQUAL(s3.subseq(0,2), "AN");
116
117   s3.set_filtered_sequence("AAGGCCTT", reduced_dna_alphabet, 0, 2); 
118   BOOST_CHECK_EQUAL(s3, "AA");
119   s3.set_filtered_sequence("AAGGCCTT", reduced_dna_alphabet, 2, 2);
120   BOOST_CHECK_EQUAL( s3, "GG");
121   s3.set_filtered_sequence("AAGGCCTT", reduced_dna_alphabet, 4);
122   BOOST_CHECK_EQUAL( s3, "CCTT");
123
124   s3 = "AAGGFF";
125   BOOST_CHECK_EQUAL(s3, "AAGGNN");
126 }
127
128 BOOST_AUTO_TEST_CASE( sequence_nucleic_alphabet )
129 {
130   std::string agct("AGCT");
131   Sequence seq(agct, nucleic_alphabet);
132   BOOST_CHECK_EQUAL(seq.size(), agct.size());
133   BOOST_CHECK_EQUAL(seq.get_sequence(), agct);
134   
135   std::string bdv("BDv");
136   Sequence seq_bdv(bdv, nucleic_alphabet);
137   BOOST_CHECK_EQUAL(seq_bdv.size(), bdv.size());
138   // forcing sequence to upper case
139   BOOST_CHECK_EQUAL(seq_bdv.get_sequence(), 
140                     boost::algorithm::to_upper_copy(bdv));
141   
142 }
143
144 BOOST_AUTO_TEST_CASE( sequence_default_alphabet )
145 {
146   std::string agct("AGCT");
147   Sequence seq(agct);
148   BOOST_CHECK_EQUAL(seq.size(), agct.size());
149   BOOST_CHECK_EQUAL(seq.get_sequence(), agct);
150   BOOST_CHECK_EQUAL(seq[0], agct[0]);
151   BOOST_CHECK_EQUAL(seq[1], agct[1]);
152   BOOST_CHECK_EQUAL(seq[2], agct[2]);
153   BOOST_CHECK_EQUAL(seq[3], agct[3]);
154   
155   std::string bdv("BDv");
156   Sequence seq_bdv(bdv);
157   BOOST_CHECK_EQUAL(seq_bdv.size(), bdv.size());
158   // default alphabet only allows AGCTUN
159   BOOST_CHECK_EQUAL(seq_bdv.get_sequence(), "NNN");  
160 }
161
162 BOOST_AUTO_TEST_CASE( subseq_names )
163 {
164   Sequence s1("AAGGCCTT", reduced_dna_alphabet);
165   s1.set_species("species");
166   s1.set_fasta_header("a fasta header");
167   Sequence s2 = s1.subseq(2,2);
168   BOOST_CHECK_EQUAL(s2, "GG");
169   BOOST_CHECK_EQUAL(s2.get_species(), s1.get_species());
170   BOOST_CHECK_EQUAL(s2.get_fasta_header(), s1.get_fasta_header());
171 }
172
173 BOOST_AUTO_TEST_CASE( sequence_start_stop )
174 {
175   Sequence s1;
176   BOOST_CHECK_EQUAL( s1.start(), 0 );
177   BOOST_CHECK_EQUAL( s1.stop(), 0 );
178
179   std::string seq_string("AAGGCCTT");
180   Sequence s2(seq_string, reduced_dna_alphabet);
181   BOOST_CHECK_EQUAL( s2.start(), 0 );
182   BOOST_CHECK_EQUAL( s2.stop(), seq_string.size() );
183
184   std::string s3seq_string = seq_string.substr(2,3);
185   Sequence s3 = s2.subseq(2,3);
186   BOOST_CHECK_EQUAL( s3.start(), 2);
187   BOOST_CHECK_EQUAL( s3.stop(), 2+3);
188   BOOST_CHECK_EQUAL( s3.size(), 3);
189   BOOST_CHECK_EQUAL( s3, s3seq_string);
190   
191   std::string s4seq_string = s3seq_string.substr(1,1);
192   Sequence s4 = s3.subseq(1,1);
193   BOOST_CHECK_EQUAL( s4.start(), 1 );
194   BOOST_CHECK_EQUAL( s4.stop(), 1+1);
195   BOOST_CHECK_EQUAL( s4.size(), 1);
196   BOOST_CHECK_EQUAL( s4, s4seq_string);
197 }
198
199 //! Can we load data from a file
200 BOOST_AUTO_TEST_CASE( sequence_load )
201 {
202   fs::path seq_path(fs::path(EXAMPLE_DIR, fs::native)/ "seq");
203   seq_path /=  "human_mck_pro.fa";
204   Sequence s;
205   s.load_fasta(seq_path, reduced_dna_alphabet);
206   BOOST_CHECK_EQUAL(s.subseq(0, 5), "GGATC"); // first few chars of fasta file
207   BOOST_CHECK_EQUAL(s.subseq(2, 3), "ATC");
208   BOOST_CHECK_EQUAL(s.get_fasta_header(), "gi|180579|gb|M21487.1|HUMCKMM1 Human "
209                                     "muscle creatine kinase gene (CKMM), "
210                                     "5' flank");
211 }
212
213 BOOST_AUTO_TEST_CASE( sequence_load_fasta_error )
214 {
215   fs::path seq_path(fs::path(EXAMPLE_DIR, fs::native)/"seq");
216   seq_path /= "broken.fa";
217   bool exception_thrown = false;
218   std::string exception_filename;
219   Sequence s;
220   try {
221     s.load_fasta(seq_path);
222   } catch(sequence_invalid_load_error e) {
223     exception_thrown = true;
224     size_t native_string_size = seq_path.native_file_string().size();
225     std:string estr(e.what());
226     BOOST_REQUIRE(estr.size() > native_string_size);
227     std::copy(estr.begin(), estr.begin()+native_string_size,
228               std::back_inserter(exception_filename));
229   }
230   BOOST_CHECK_EQUAL(exception_thrown, true);
231   BOOST_CHECK_EQUAL(seq_path.native_file_string(), exception_filename);
232 }
233
234 BOOST_AUTO_TEST_CASE( sequence_load_annot_error )
235 {
236   fs::path seq_path(fs::path(EXAMPLE_DIR, fs::native)/"seq");
237   seq_path /= "mouse_mck_pro.fa";
238   fs::path annot_path(fs::path(EXAMPLE_DIR, fs::native));
239   annot_path /= "broken.annot";
240   bool exception_thrown = false;
241   Sequence s;
242   s.load_fasta(seq_path);
243
244   std::string exception_filename;
245   try {
246     s.load_annot(annot_path, 0, 0);
247   } catch(annotation_load_error e) {
248     exception_thrown = true;
249     std:string estr(e.what());
250     size_t native_string_size = annot_path.native_file_string().size();
251     BOOST_REQUIRE(estr.size() > native_string_size);
252     std::copy(estr.begin(), estr.begin()+native_string_size,
253               std::back_inserter(exception_filename));
254   }
255   BOOST_CHECK_EQUAL(exception_thrown, true);
256   BOOST_CHECK_EQUAL(annot_path.native_file_string(), exception_filename);
257 }
258
259 BOOST_AUTO_TEST_CASE( sequence_load_dna_reduced )
260 {
261   std::string reduced_dna_fasta_string(">foo\nAAGGCCTTNN\n");
262   std::stringstream reduced_dna_fasta(reduced_dna_fasta_string);
263   std::string invalid_dna_fasta_string(">wrong\nAUSSI\n");
264   std::stringstream invalid_dna_fasta(invalid_dna_fasta_string);
265   std::string reduced_rna_fasta_string(">foo\nAAGGCCUUNN-\n");
266   std::stringstream reduced_rna_fasta(reduced_rna_fasta_string);
267   std::string garbage_string(">foo\na34ralk3547oilk,jual;(*&^#%-\n");
268   std::stringstream garbage_fasta(garbage_string);
269   
270   Sequence s;
271   s.load_fasta(reduced_dna_fasta, reduced_dna_alphabet);
272   BOOST_CHECK_THROW(s.load_fasta(invalid_dna_fasta, 
273                                  reduced_dna_alphabet),
274                     sequence_invalid_load_error);
275   BOOST_CHECK_THROW(s.load_fasta(reduced_rna_fasta, 
276                                  reduced_dna_alphabet),
277                     sequence_invalid_load_error);
278   BOOST_CHECK_THROW(s.load_fasta(garbage_fasta, 
279                                  reduced_dna_alphabet),
280                     sequence_invalid_load_error);
281
282 }
283
284 BOOST_AUTO_TEST_CASE( sequence_load_rna_reduced )
285 {
286   std::string reduced_rna_fasta_string(">foo\nAAGGCCUUNN\n");
287   std::stringstream reduced_rna_fasta(reduced_rna_fasta_string);
288   std::string invalid_rna_fasta_string(">wrong\nATSSI\n");
289   std::stringstream invalid_rna_fasta(invalid_rna_fasta_string);
290   std::string reduced_dna_fasta_string(">foo\nAAGGCCTTNN\n");
291   std::stringstream reduced_dna_fasta(reduced_dna_fasta_string);
292   std::string garbage_string(">foo\na34ralk3547oilk,jual;(*&^#%-\n");
293   std::stringstream garbage_fasta(garbage_string);
294   
295   Sequence s;
296   s.load_fasta(reduced_rna_fasta, reduced_rna_alphabet);
297   BOOST_CHECK_THROW(s.load_fasta(invalid_rna_fasta, 
298                                  reduced_rna_alphabet),
299                     sequence_invalid_load_error);
300   BOOST_CHECK_THROW(s.load_fasta(reduced_dna_fasta, 
301                                  reduced_rna_alphabet),
302                     sequence_invalid_load_error);
303   BOOST_CHECK_THROW(s.load_fasta(garbage_fasta, 
304                                  reduced_rna_alphabet),
305                     sequence_invalid_load_error);
306 }
307
308 BOOST_AUTO_TEST_CASE( sequence_load_fasta_default )
309 {
310   std::string reduced_rna_fasta_string(">foo\nAAGGCCUUNN\n");
311   std::stringstream reduced_rna_fasta1(reduced_rna_fasta_string);
312   std::stringstream reduced_rna_fasta2(reduced_rna_fasta_string);
313   std::string invalid_nucleotide_fasta_string(">wrong\nATSSI\n");
314   std::stringstream invalid_nucleotide_fasta(invalid_nucleotide_fasta_string);
315   std::string reduced_dna_fasta_string(">foo\nAAGGCCTTNN\n");
316   std::stringstream reduced_dna_fasta1(reduced_dna_fasta_string);
317   std::stringstream reduced_dna_fasta2(reduced_dna_fasta_string);
318   std::string garbage_string(">foo\na34ralk3547oilk,jual;(*&^#%-\n");
319   std::stringstream garbage_fasta(garbage_string);
320   
321   Sequence s;
322   Sequence specific;
323   // there's two copies of reduced_rna_fasta because i didn't feel like
324   // figuring out how to properly reset the read pointer in a stringstream
325   s.load_fasta(reduced_rna_fasta1);
326   specific.load_fasta(reduced_rna_fasta2, reduced_nucleic_alphabet);
327   BOOST_CHECK_EQUAL(s, specific);
328   
329   s.load_fasta(reduced_dna_fasta1);
330   specific.load_fasta(reduced_dna_fasta2, reduced_nucleic_alphabet);
331   BOOST_CHECK_EQUAL(s, specific);
332   
333   BOOST_CHECK_THROW(s.load_fasta(invalid_nucleotide_fasta), 
334                     sequence_invalid_load_error);
335   BOOST_CHECK_THROW(s.load_fasta(garbage_fasta), 
336                     sequence_invalid_load_error);
337 }
338
339 BOOST_AUTO_TEST_CASE( sequence_load_multiple_sequences_one_fasta ) 
340 {
341   std::string fasta_file(
342     ">gi|10129974|gb|AF188002.1|AF188002\n"
343     "AAAAGGCTCCTGTCATATTGTGTCCTGCTCTGGTCTGC\n"
344     ">gi|180579|gb|M21487.1|HUMCKMM1\n"
345     "CGCCGAGAGCGCTTGCTCTGCCCAGATCTCGGCGAGTC\n"
346     ">gi|1621|emb|X55146.1|OCMCK1\n"
347     "CTCCCTGAGGGGAGTGCCCCGCTTAGCCC\n"
348   );
349   istringstream seq1_file(fasta_file);
350   Sequence seq1;
351   seq1.load_fasta(seq1_file, 1, 0, 0);
352   BOOST_CHECK_EQUAL(seq1.get_sequence(), "AAAAGGCTCCTGTCATATTGTGTCCTGCTCTGGTCTGC");
353   
354   istringstream seq2_file(fasta_file);
355   Sequence seq2;
356   seq2.load_fasta(seq2_file, 2, 0, 0);
357   BOOST_CHECK_EQUAL(seq2.get_sequence(), "CGCCGAGAGCGCTTGCTCTGCCCAGATCTCGGCGAGTC");
358   
359   istringstream seq3_file(fasta_file);
360   Sequence seq3;
361   seq3.load_fasta(seq3_file, 3, 0, 0);  
362   BOOST_CHECK_EQUAL(seq3.get_sequence(), "CTCCCTGAGGGGAGTGCCCCGCTTAGCCC"); 
363 }
364
365 BOOST_AUTO_TEST_CASE( sequence_reverse_complement )
366 {
367   std::string iupac_symbols("AaCcGgTtRrYySsWwKkMmBbDdHhVvNn-~.?");
368   Sequence seq(iupac_symbols, nucleic_alphabet);
369   Sequence seqr = seq.rev_comp();
370   
371   BOOST_CHECK( seq != seqr );
372   BOOST_CHECK_EQUAL( seq, seqr.rev_comp() );
373   // forcing sequence to upper case
374   BOOST_CHECK_EQUAL( seq.get_sequence(), 
375                      boost::algorithm::to_upper_copy(iupac_symbols) );
376 }
377
378 BOOST_AUTO_TEST_CASE( sequence_reverse_complement_dna )
379 {
380   std::string dna_str("AGCTN");
381   Sequence dna_seq(dna_str, reduced_dna_alphabet);
382   BOOST_CHECK_EQUAL(dna_seq.rev_comp(), "NAGCT");  
383   BOOST_CHECK_EQUAL(dna_seq, dna_seq.rev_comp().rev_comp());
384 }
385
386 BOOST_AUTO_TEST_CASE( sequence_reverse_complement_rna )
387 {
388   std::string rna_str("AGCUN");
389   Sequence rna_seq(rna_str, reduced_rna_alphabet);
390   BOOST_CHECK_EQUAL(rna_seq.rev_comp().get_sequence(), "NAGCU");  
391   BOOST_CHECK_EQUAL(rna_seq.get_sequence(), 
392                     rna_seq.rev_comp().rev_comp().get_sequence());
393 }
394
395 BOOST_AUTO_TEST_CASE( sequence_reverse_complement_subseq )
396 {
397   std::string dna_str("AAAAAAAAAAGGGGGGGGGGG");
398   Sequence seq(dna_str, reduced_dna_alphabet);
399   Sequence subseq = seq.subseq(8,4);
400   BOOST_CHECK_EQUAL( subseq, "AAGG");
401   Sequence rev_subseq = subseq.rev_comp();
402   BOOST_CHECK_EQUAL( rev_subseq.size(), subseq.size() );
403   BOOST_CHECK_EQUAL( rev_subseq.get_sequence(), "CCTT");
404 }
405
406 BOOST_AUTO_TEST_CASE( sequence_reverse_iterator )
407 {
408   std::string dna_str("AAAAAAAAAAGGGGGGGGGGG");
409   std::string dna_str_reversed(dna_str.rbegin(), dna_str.rend());
410   Sequence seq(dna_str);
411   std::string seq_reversed(seq.rbegin(), seq.rend());
412   BOOST_CHECK_EQUAL(seq_reversed, dna_str_reversed);
413   
414   std::string substr = dna_str.substr(8,4);
415   Sequence subseq = seq.subseq(8,4);
416   BOOST_CHECK_EQUAL(substr, subseq);
417
418   std::string substr_reversed(substr.rbegin(), substr.rend());
419   std::string subseq_reversed(subseq.rbegin(), subseq.rend());
420   BOOST_CHECK_EQUAL(substr_reversed, subseq_reversed);  
421 }
422
423 BOOST_AUTO_TEST_CASE( sequence_empty_reverse_iterator)
424 {
425   // so what happens with reverse interators when we have no sequence?
426   Sequence seq1;
427   Sequence seq2;
428   Sequence seq3("AGCT");
429   
430   // all the empty sequences should have equal iterators
431   BOOST_CHECK(seq1.rbegin() == seq1.rend());
432   BOOST_CHECK(seq1.rbegin() == seq2.rend());
433   
434   // none of the seq1 iterators should equal any of the seq3 iterators
435   BOOST_CHECK(seq1.rbegin() != seq3.rbegin());
436   BOOST_CHECK(seq1.rbegin() != seq3.rend());
437   BOOST_CHECK(seq1.rend() != seq3.rbegin());
438   BOOST_CHECK(seq1.rend() != seq3.rend());
439   
440   // seq3 iterators should work
441   BOOST_CHECK(seq3.rbegin() != seq3.rend());
442   
443 }
444
445 BOOST_AUTO_TEST_CASE( annotation_load )
446 {
447   string annot_data = "human\n"
448                       "0 10 name   type\n"
449                       "10 20 myf7\n"
450                       "20 30 myod\n"
451                       "50\t55 anothername\n"
452                       "60 50 backward\n"
453                       ">ident3 asdf\n"
454                       "GCT\n"
455                       "gCTn\n"
456                       "75\t90\tname2\ttype2\n"
457                       "100 120 name-asdf type!@#$%\n"
458                       ;
459   string s(100, 'A');
460   s += "GCTGCTAATT";
461   Sequence seq(s, reduced_dna_alphabet);
462                      
463   //istringstream annot_stream(annot_data);
464   seq.parse_annot(annot_data, 0, 0);
465   std::list<annot> annots_list = seq.annotations();
466   std::vector<annot> annots(annots_list.begin(), annots_list.end());
467   BOOST_REQUIRE_EQUAL( annots.size(), 8);
468   BOOST_CHECK_EQUAL( annots[0].begin, 0 );
469   BOOST_CHECK_EQUAL( annots[0].end, 10 );
470   BOOST_CHECK_EQUAL( annots[0].type, "type");
471   BOOST_CHECK_EQUAL( annots[0].name, "name");
472   BOOST_CHECK_EQUAL( annots[1].name, "myf7");
473   BOOST_CHECK_EQUAL( annots[2].name, "myod");
474   BOOST_CHECK_EQUAL( annots[3].name, "anothername");
475   BOOST_CHECK_EQUAL( annots[4].name, "backward");
476   BOOST_CHECK_EQUAL( annots[5].name, "name2");
477   BOOST_CHECK_EQUAL( annots[5].end, 90);
478   BOOST_CHECK_EQUAL( annots[6].begin, 100);
479   BOOST_CHECK_EQUAL( annots[6].end, 120);
480   BOOST_CHECK_EQUAL( annots[6].name, "name-asdf");
481   BOOST_CHECK_EQUAL( annots[6].type, "type!@#$%");
482   // sequence defined annotations will always be after the
483   // absolute positions
484   BOOST_CHECK_EQUAL( annots[7].name, "ident3 asdf");
485   BOOST_CHECK_EQUAL( annots[7].begin, 100);
486
487   //BOOST_CHECK_EQUAL( annots
488 }
489
490 BOOST_AUTO_TEST_CASE( annotation_broken_load )
491 {
492   string annot_data = "human\n"
493                       "0 10 name   type\n"
494                       "blah60 50 backward\n"
495                       ">ident3 asdf\n"
496                       "GCT\n"
497                       "gCTn\n"
498                       ;
499   string s(100, 'A');
500   s += "GCTGCTAATT";
501   Sequence seq(s, reduced_dna_alphabet);
502                      
503   BOOST_CHECK_THROW(seq.parse_annot(annot_data, 0, 0), annotation_load_error);
504   BOOST_CHECK_EQUAL(seq.annotations().size(), 0);
505   }
506
507 BOOST_AUTO_TEST_CASE(annotation_ucsc_html_load)
508 {
509   // this actually is basically what's returned by UCSC
510   // (well actually with some of the sequence and copies of fasta blocks
511   // removed to make the example shorter
512   string annot_data = "\n"
513     "<PRE>\n"
514     ">hg17_knownGene_NM_001824_0 range=chr19:50517919-50517974 5'pad=0 3'pad=0 revComp=TRUE strand=- repeatMasking=none\n"
515     "GGGTCAGTGTCACCTCCAGGATACAGACAG\n"
516     "&gt;hg17_knownGene_NM_001824_3 range=chr19:50510563-50510695 5'pad=0 3'pad=0 revComp=TRUE strand=- repeatMasking=none\n"
517     "GGTGGAGACGACCTGGACCCTAACTACGT\n"
518     "</PRE>\n"
519     "\n"
520     "</BODY>\n"
521     "</HTML>\n"
522     ;
523
524   string s = 
525     "TGGGTCAGTGTCACCTCCAGGATACAGACAGCCCCCCTTCAGCCCAGCCCAGCCAG"
526     "AAAAA"
527     "GGTGGAGACGACCTGGACCCTAACTACGTGCTCAGCAGCCGCGTCCGCAC";
528   Sequence seq(s, reduced_dna_alphabet);
529   seq.parse_annot(annot_data);
530   std::list<annot> annots = seq.annotations();
531   BOOST_CHECK_EQUAL( annots.size(), 2);
532 }
533
534 BOOST_AUTO_TEST_CASE( annotation_load_no_species_name )
535 {
536   string annot_data = "0 10 name   type\n"
537                       "10 20 myf7\n"
538                       "20 30 myod\n"
539                       "50\t55 anothername\n"
540                       "60 50 backward\n"
541                       ">ident3 asdf\n"
542                       "GCT\n"
543                       "gCTn\n"
544                       "75\t90\tname2\ttype2\n"
545                       "100 120 name-asdf type!@#$%\n"
546                       ;
547   string s(100, 'A');
548   s += "GCTGCTAATT";
549   Sequence seq(s, reduced_dna_alphabet);
550                      
551   //istringstream annot_stream(annot_data);
552   seq.parse_annot(annot_data, 0, 0);
553   std::list<annot> annots_list = seq.annotations();
554   std::vector<annot> annots(annots_list.begin(), annots_list.end());
555   BOOST_REQUIRE_EQUAL( annots.size(), 8);
556   BOOST_CHECK_EQUAL( annots[0].begin, 0 );
557   BOOST_CHECK_EQUAL( annots[0].end, 10 );
558   BOOST_CHECK_EQUAL( annots[0].type, "type");
559 }
560
561 // ticket:83 when you try to load a sequence from a file that doesn't
562 // have fasta headers it crashes. 
563 BOOST_AUTO_TEST_CASE( sequence_past_end ) 
564 {
565   fs::path seq_path(fs::path(EXAMPLE_DIR, fs::native)/ "seq" );
566   seq_path /=  "misformated_seq.fa";
567   Sequence s;
568   BOOST_CHECK_THROW( s.load_fasta(seq_path), mussa_load_error );
569 }
570
571 BOOST_AUTO_TEST_CASE ( sequence_empty )
572 {
573   
574   Sequence s;
575   BOOST_CHECK_EQUAL( s.empty(), true );
576   s = "AAAGGG";
577   BOOST_CHECK_EQUAL( s.empty(), false );
578   s.clear();
579   BOOST_CHECK_EQUAL( s.empty(), true);
580   s = "";
581   BOOST_CHECK_EQUAL( s.empty(), true);
582 }
583
584 BOOST_AUTO_TEST_CASE ( sequence_size )
585 {
586   
587   Sequence s;
588   BOOST_CHECK_EQUAL( s.size(), 0);
589   std::string seq_string("AAAGGG");
590   s = seq_string;
591   BOOST_CHECK_EQUAL( s.size(), seq_string.size() );
592   s.clear();
593   BOOST_CHECK_EQUAL( s.size(), 0);
594   s = "";
595   BOOST_CHECK_EQUAL( s.size(), 0);
596 }
597
598 BOOST_AUTO_TEST_CASE( sequence_empty_equality )
599 {
600   Sequence szero("", reduced_dna_alphabet);
601   BOOST_CHECK_EQUAL(szero.empty(), true);
602   BOOST_CHECK_EQUAL(szero, szero);
603   BOOST_CHECK_EQUAL(szero, "");
604
605   Sequence sclear("AGCT", reduced_dna_alphabet);
606   sclear.clear();
607   BOOST_CHECK_EQUAL(sclear.empty(), true);
608   BOOST_CHECK_EQUAL(sclear, sclear);
609   BOOST_CHECK_EQUAL(sclear, szero);
610   BOOST_CHECK_EQUAL(sclear, "");
611
612 }
613 BOOST_AUTO_TEST_CASE ( sequence_iterators )
614 {
615   std::string seq_string = "AAGGCCTTNNTATA";
616   Sequence s(seq_string, reduced_dna_alphabet);
617   const Sequence cs(s);
618   std::string::size_type count = 0;
619
620   std::string::iterator str_itor;
621   Sequence::const_iterator s_itor;
622   Sequence::const_iterator cs_itor;
623
624   for( str_itor = seq_string.begin(),
625        s_itor   = s.begin(),
626        cs_itor  = cs.begin();
627        str_itor != seq_string.end() and
628        s_itor   != s.end() and
629        cs_itor  != cs.end();
630        ++str_itor, ++s_itor, ++cs_itor, ++count)
631   {
632     BOOST_CHECK_EQUAL ( *str_itor, *s_itor );
633     BOOST_CHECK_EQUAL ( *s_itor, *cs_itor );
634     BOOST_CHECK_EQUAL ( *cs_itor, *str_itor );
635   }
636   BOOST_CHECK_EQUAL( seq_string.size(), count );
637   BOOST_CHECK_EQUAL( s.size(), count );
638   BOOST_CHECK_EQUAL( cs.size(), count );
639 }
640
641 BOOST_AUTO_TEST_CASE( sequence_motifs )
642 {
643   string m("AAAA");
644   string bogus("AATTGGAA");
645   Sequence s1("AAAAGGGGCCCCTTTT", reduced_dna_alphabet);
646
647   list<motif>::const_iterator motif_i = s1.motifs().begin();
648   list<motif>::const_iterator motif_end = s1.motifs().end();
649
650   // do our iterators work?
651   BOOST_CHECK( motif_i == s1.motifs().begin() );
652   BOOST_CHECK( motif_end == s1.motifs().end() );
653   BOOST_CHECK( motif_i == motif_end );
654
655   // this shouldn't show up
656   s1.add_motif(bogus);
657   BOOST_CHECK( s1.motifs().begin() == s1.motifs().end() );
658   BOOST_CHECK_EQUAL( s1.motifs().size(), 0 );
659
660   s1.add_motif(m);
661   BOOST_CHECK( s1.motifs().begin() != s1.motifs().end() );
662   BOOST_CHECK_EQUAL( s1.motifs().size(), 2 );
663
664   for(motif_i = s1.motifs().begin(); 
665       motif_i != s1.motifs().end(); 
666       ++motif_i)
667   {
668     BOOST_CHECK_EQUAL( motif_i->type, "motif" );
669     BOOST_CHECK_EQUAL( motif_i->name, m);
670     BOOST_CHECK_EQUAL( motif_i->sequence, m);
671   }
672
673   s1.clear_motifs();
674   BOOST_CHECK( s1.motifs().begin() == s1.motifs().end() );
675
676   /* FIXME: enable this when i find a way of passing storing the motif name
677   // does our annotation travel?
678   Sequence motif_seq(m);
679   motif_seq.set_fasta_header("hi");
680   s1.add_motif(motif_seq);
681
682   BOOST_CHECK_EQUAL(s1.motifs().size(), 2);
683   for(motif_i = s1.motifs().begin(); 
684       motif_i != s1.motifs().end(); 
685       ++motif_i)
686   {
687     BOOST_CHECK_EQUAL( motif_i->type, "motif" );
688     BOOST_CHECK_EQUAL( motif_i->name, "hi");
689     BOOST_CHECK_EQUAL( motif_i->sequence, m);
690   }
691   */
692 }
693
694 BOOST_AUTO_TEST_CASE( sequence_motif_subseq)
695 {
696   // when searching for a motif on a subsequence we should 
697   // only search the subsequence ticket:199
698   string aaaa("AAAA");
699   string cccc("CCCC");
700   Sequence s1("AAAANCCCC", reduced_dna_alphabet);
701
702   // this shouldn't show up
703   s1.add_motif(cccc);
704   BOOST_CHECK_EQUAL( s1.motifs().size(), 1 );
705
706   s1.add_motif(aaaa);
707   BOOST_CHECK_EQUAL( s1.motifs().size(), 2 );
708
709   Sequence subseq1 = s1.subseq(4,5);
710   BOOST_CHECK_EQUAL(subseq1.motifs().size(), 2);
711   subseq1.clear_motifs();
712   BOOST_CHECK_EQUAL(subseq1.motifs().size(), 0);
713   // this is outside of our subsequence, and so shouldn't be found    
714   subseq1.add_motif(aaaa);
715   BOOST_CHECK_EQUAL( subseq1.motifs().size(), 0 );
716   
717   subseq1.add_motif(cccc);
718   BOOST_CHECK_EQUAL( subseq1.motifs().size(), 1);
719   std::list<motif>::const_iterator motif_i = subseq1.motifs().begin();
720   BOOST_REQUIRE(motif_i != subseq1.motifs().end());
721   BOOST_CHECK_EQUAL(motif_i->begin, 1);
722   BOOST_CHECK_EQUAL(motif_i->end, 5);
723 }
724
725 BOOST_AUTO_TEST_CASE( annot_test )
726 {
727   annot a(0, 10, "test", "thing");
728
729   BOOST_CHECK_EQUAL( a.begin, 0 );
730   BOOST_CHECK_EQUAL( a.end,   10 );
731   BOOST_CHECK_EQUAL( a.type,  "test" );
732   BOOST_CHECK_EQUAL( a.name,  "thing" );
733
734   motif m(10, "AAGGCC");
735   BOOST_CHECK_EQUAL( m.begin, 10 );
736   BOOST_CHECK_EQUAL( m.type, "motif" );
737   BOOST_CHECK_EQUAL( m.name, "AAGGCC" );
738   BOOST_CHECK_EQUAL( m.end,  10+6 );
739 }
740
741 BOOST_AUTO_TEST_CASE( annotate_from_sequence )
742 {
743   string s("CCGCCCCCCATCATCGCGGCTCTCCGAGAGTCCCGCGCCCCACTCCCGGC"
744            "ACCCACCTGACCGCGGGCGGCTCCGGCCCCGCTTCGCCCCACTGCGATCA"
745            "GTCGCGTCCCGCAGGCCAGGCACGCCCCGCCGCTCCCGCTGCGCCGGGCG"
746            "TCTGGGACCTCGGGCGGCTCCTCCGAGGGGCGGGGCAGCCGGGAGCCACG"
747            "CCCCCGCAGGTGAGCCGGCCACGCCCACCGCCCGTGGGAAGTTCAGCCTC"
748            "GGGGCTCCAGCCCCGCGGGAATGGCAGAACTTCGCACGCGGAACTGGTAA"
749            "CCTCCAGGACACCTCGAATCAGGGTGATTGTAGCGCAGGGGCCTTGGCCA"
750            "AGCTAAAACTTTGGAAACTTTAGATCCCAGACAGGTGGCTTTCTTGCAGT");
751   string gc("GCCCCC");
752   string gga("GGACACCTC");
753   Sequence seq(s, reduced_dna_alphabet);
754
755   std::list<Sequence> query_list;
756   std::list<string> string_list;
757   query_list.push_back(Sequence(gc));
758   string_list.push_back(gc);
759   query_list.push_back(Sequence(gga));
760   string_list.push_back(gga);
761
762   BOOST_CHECK_EQUAL( seq.annotations().size(), 0 );
763   seq.find_sequences(query_list.begin(), query_list.end());
764   
765   int count = 0;
766   for(list<string>::iterator string_i = string_list.begin();
767       string_i != string_list.end();
768       ++string_i)
769   {
770     string::size_type pos=0;
771     while(pos != string::npos) {
772       pos = s.find(*string_i, pos);
773       if (pos != string::npos) {
774         ++count;
775         ++pos;
776       }
777     }
778   }
779   BOOST_CHECK_EQUAL(seq.annotations().size(), count);
780   const std::list<annot> &a = seq.annotations();
781   for (std::list<annot>::const_iterator annot_i = a.begin();
782        annot_i != a.end();
783        ++annot_i)
784   {
785     int count = annot_i->end - annot_i->begin ;
786   }
787 }
788
789 BOOST_AUTO_TEST_CASE( subseq_annotation_test )
790 {
791   string s("CCGCCCCCCATCATCGCGGCTCTCCGAGAGTCCCGCGCCCCACTCCCGGC"
792            "ACCCACCTGACCGCGGGCGGCTCCGGCCCCGCTTCGCCCCACTGCGATCA"
793            "GTCGCGTCCCGCAGGCCAGGCACGCCCCGCCGCTCCCGCTGCGCCGGGCG"
794            "TCTGGGACCTCGGGCGGCTCCTCCGAGGGGCGGGGCAGCCGGGAGCCACG"
795            "CCCCCGCAGGTGAGCCGGCCACGCCCACCGCCCGTGGGAAGTTCAGCCTC"
796            "GGGGCTCCAGCCCCGCGGGAATGGCAGAACTTCGCACGCGGAACTGGTAA"
797            "CCTCCAGGACACCTCGAATCAGGGTGATTGTAGCGCAGGGGCCTTGGCCA"
798            "AGCTAAAACTTTGGAAACTTTAGATCCCAGACAGGTGGCTTTCTTGCAGT");
799   Sequence seq(s, reduced_dna_alphabet);
800
801
802   seq.add_annotation(annot(0, 10, "0-10", "0-10"));
803   seq.add_annotation(annot(10, 20, "10-20", "10-20"));
804   seq.add_annotation(annot(0, 20, "0-20", "0-20"));
805   seq.add_annotation(annot(8, 12, "8-12", "8-12"));
806   seq.add_annotation(annot(100, 5000, "100-5000", "100-5000"));
807
808   Sequence subseq = seq.subseq(5, 10);
809   const list<annot> annots = subseq.annotations();
810   // generate some ground truth
811   list<annot> correct;
812   correct.push_back(annot(0, 5, "0-10",  "0-10"));
813   correct.push_back(annot(5,10, "10-20", "10-20"));
814   correct.push_back(annot(0,10, "0-20",  "0-20"));
815   correct.push_back(annot(3, 7, "8-12",  "8-12"));
816   BOOST_REQUIRE_EQUAL( annots.size(), correct.size() );
817
818   list<annot>::iterator correct_i = correct.begin();
819   list<annot>::const_iterator annot_i = annots.begin();
820   for(; annot_i != annots.end(); ++annot_i, ++correct_i)
821   {
822     BOOST_CHECK( *annot_i == *correct_i );
823   }
824 }
825
826 BOOST_AUTO_TEST_CASE( motif_annotation_update )
827 {
828   string s("CCGTCCCCCATCATCGCGGCTCTCCGAGAGTCCCGCGCCCCACTCCCGGC"
829            "ACCCACCTGACCGCGGGCGGCTCCGGCCCCGCTTCGCCCCACTGCGATCA"
830            "GTCGCGTCCCGCAGGCCAGGCACGCCCCGCCGCTCCCGCTGCGCCGGGCG"
831            "TCTGGGACCTCGGGCGGCTCCTCCGAGGGGCGGGGCAGCCGGGAGCCACG"
832            "CCCCCGCAGGTGAGCCGGCCACGCCCACCGCCCGTGGGAAGTTCAGCCTC"
833            "GGGGCTCCAGCCCCGCGGGAATGGCAGAACTTCGCACGCGGAACTGGTAA"
834            "CCTCCAGGACACCTCGAATCAGGGTGATTGTAGCGCAGGGGCCTTGGCCA"
835            "AGCTAAAACTTTGGAAACTTTAGATCCCAGACAGGTGGCTTTCTTGCAGT");
836   Sequence seq(s, reduced_dna_alphabet);
837
838   // starting conditions
839   BOOST_CHECK_EQUAL(seq.annotations().size(), 0);
840   BOOST_CHECK_EQUAL(seq.motifs().size(), 0);
841   seq.add_annotation(annot(0, 10, "0-10", "0-10"));
842   seq.add_annotation(annot(10, 20, "10-20", "10-20"));
843   seq.add_annotation(annot(0, 20, "0-20", "0-20"));
844   BOOST_CHECK_EQUAL(seq.annotations().size(), 3);
845   BOOST_CHECK_EQUAL(seq.motifs().size(), 0);
846   seq.add_motif("CCGTCCC");
847   BOOST_CHECK_EQUAL(seq.annotations().size(), 3);
848   BOOST_CHECK_EQUAL(seq.motifs().size(), 1);
849   seq.clear_motifs();
850   BOOST_CHECK_EQUAL(seq.annotations().size(), 3);
851   BOOST_CHECK_EQUAL(seq.motifs().size(), 0);
852 }
853
854 BOOST_AUTO_TEST_CASE( out_operator )
855 {
856   string s("AAGGCCTT");
857   Sequence seq(s, reduced_dna_alphabet);
858
859   ostringstream buf;
860   buf << s;
861   BOOST_CHECK_EQUAL( s, buf.str() );
862 }
863
864 BOOST_AUTO_TEST_CASE( get_name )
865 {
866   Sequence seq("AAGGCCTT", reduced_dna_alphabet);
867
868   BOOST_CHECK_EQUAL( seq.get_name(), "" );
869   seq.set_species("hooman"); // anyone remember tradewars?
870   BOOST_CHECK_EQUAL( seq.get_name(), "hooman");
871   seq.set_fasta_header("fasta human");
872   BOOST_CHECK_EQUAL( seq.get_name(), "fasta human");
873 }
874
875 BOOST_AUTO_TEST_CASE( serialize_simple )
876 {
877   std::string seq_string = "AAGGCCTT";
878   Sequence seq(seq_string, reduced_dna_alphabet);
879   seq.set_species("ribbet");
880   std::ostringstream oss;
881   // allocate/deallocate serialization components
882   {
883     boost::archive::text_oarchive oarchive(oss);
884     const Sequence& const_seq(seq);
885     BOOST_CHECK_EQUAL(seq, const_seq);
886     oarchive << const_seq;
887   }
888   Sequence seq_loaded;
889   {
890     std::istringstream iss(oss.str());
891     boost::archive::text_iarchive iarchive(iss);
892     iarchive >> seq_loaded;
893   }
894   BOOST_CHECK_EQUAL(seq_loaded, seq);
895   BOOST_CHECK_EQUAL(seq.get_species(), "ribbet");
896 }  
897
898 BOOST_AUTO_TEST_CASE( serialize_tree )
899 {
900   std::string seq_string = "AAGGCCTT";
901   Sequence seq(seq_string, reduced_dna_alphabet);
902   seq.set_species("ribbet");
903   seq.add_motif("AA");
904   seq.add_motif("GC");
905   annot a1(6,7,"t","t");
906   seq.add_annotation(a1);
907
908   std::ostringstream oss;
909   // allocate/deallocate serialization components
910   {
911     boost::archive::text_oarchive oarchive(oss);
912     const Sequence& const_seq(seq);
913     BOOST_CHECK_EQUAL(seq, const_seq);
914     oarchive << const_seq;
915   }
916
917   Sequence seq_loaded;
918   {
919     std::istringstream iss(oss.str());
920     boost::archive::text_iarchive iarchive(iss);
921     iarchive >> seq_loaded;
922   }
923   BOOST_CHECK_EQUAL(seq_loaded, seq);
924 }  
925
926 // this writes out an "old" style annotated sequence
927 // with annotations attached as "motifs" and "annots"
928 BOOST_AUTO_TEST_CASE( serialize_xml_sequence )
929 {
930   std::string seq_string = "AAGGCCTT";
931   Sequence seq(seq_string, reduced_dna_alphabet);
932   seq.set_species("ribbet");
933   seq.add_motif("AA");
934   seq.add_motif("GC");
935   annot a1(6,7,"t","t");
936   seq.add_annotation(a1);
937
938   std::ostringstream oss;
939   // allocate/deallocate serialization components
940   {
941     boost::archive::xml_oarchive oarchive(oss);
942     const Sequence& const_seq(seq);
943     BOOST_CHECK_EQUAL(seq, const_seq);
944     oarchive << boost::serialization::make_nvp("root", const_seq);
945   }
946   Sequence seq_loaded;
947   {
948     std::istringstream iss(oss.str());
949     boost::archive::xml_iarchive iarchive(iss);
950     iarchive >> boost::serialization::make_nvp("root", seq_loaded);
951   }
952   BOOST_CHECK_EQUAL(seq_loaded, seq);
953 }
954
955 BOOST_AUTO_TEST_CASE( serialize_xml_two )
956 {
957   std::string seq_string = "AAGGCCTT";
958   Sequence seq1(seq_string, reduced_dna_alphabet);
959   Sequence seq2(seq1);
960
961   std::ostringstream oss;
962   // allocate/deallocate serialization components
963   {
964     boost::archive::xml_oarchive oarchive(oss);
965     const Sequence& const_seq1(seq1);
966     const Sequence& const_seq2(seq2);
967     oarchive << boost::serialization::make_nvp("seq1", const_seq1);
968     oarchive << boost::serialization::make_nvp("seq2", const_seq2);
969   }
970   //std::cout << "xml: " << oss.str() << std::endl;
971   Sequence seq1_loaded;
972   Sequence seq2_loaded;
973   {
974     std::istringstream iss(oss.str());
975     boost::archive::xml_iarchive iarchive(iss);
976     iarchive >> boost::serialization::make_nvp("seq1", seq1_loaded);
977     iarchive >> boost::serialization::make_nvp("seq2", seq2_loaded);
978   }
979   BOOST_CHECK_EQUAL(seq1_loaded, seq1);
980   BOOST_CHECK_EQUAL(seq2_loaded, seq2);
981   // test if our pointers are the same
982   BOOST_CHECK_EQUAL(seq1_loaded.data(), seq2_loaded.data());
983 }