Repository 'imgt_locus_split'
hg clone https://toolshed.g2.bx.psu.edu/repos/davidvanzessen/imgt_locus_split

Changeset 2:4bb8f6523130 (2019-03-05)
Previous changeset 1:418b7dbc8947 (2017-07-17) Next changeset 3:9aa036caa8e9 (2019-03-05)
Commit message:
Uploaded
modified:
imgt_locus_split.py
imgt_locus_split.xml
b
diff -r 418b7dbc8947 -r 4bb8f6523130 imgt_locus_split.py
--- a/imgt_locus_split.py Mon Jul 17 08:54:02 2017 -0400
+++ b/imgt_locus_split.py Tue Mar 05 04:41:47 2019 -0500
[
@@ -14,18 +14,17 @@
 
 
 def sniff_imgt_type(input_file):
-    m = magic.Magic()
-    file_type = m.from_file(input_file)
+    file_type = magic.from_file(input_file)
     logging.debug("File type of {0} is {1}".format(input_file, file_type))
-    return file_type.split(" ")[0]
+    return file_type
 
 
 def unpack_imgt_zip(input_file, output_dir):
     imgt_type = sniff_imgt_type(input_file)
-    if imgt_type == "Zip":
+    if imgt_type.startswith("Zip"):
         with zipfile.ZipFile(input_file) as inf:
             inf.extractall(output_dir)
-    elif imgt_type == "XZ":
+    elif imgt_type.startswith("XZ"):
         with tarfile.open(input_file) as inf:
             inf.extractall(output_dir)
     else:
@@ -44,8 +43,8 @@
             shutil.rmtree(check)
 
 
-def filter_imgt_file(old_file, new_file, column, fltr):
-    logging.debug("Filtering {0} with {1}".format(old_file, fltr))
+def filter_tabular_file(old_file, new_file, column, regex):
+    logging.debug("Filtering {0} with {1}".format(old_file, regex.pattern))
     first = True
     total = 0
     remain = 0
@@ -59,7 +58,7 @@
                 nf.write(line)
                 continue
             total += 1
-            if len(splt) > column_index and splt[column_index].find(fltr) != -1:
+            if len(splt) >= column_index and regex.search(splt[column_index]):
                 remain += 1
                 nf.write(line)
     return total, remain
@@ -69,21 +68,22 @@
     return all(l[0] == x for x in l[1:])
 
 
-def filter_imgt_dir(imgt_dir, locus):
-    logging.info("Working on {0}".format(locus))
+def filter_imgt_dir(imgt_dir, loci):
+    logging.info("Filtering {0} with {1}".format(imgt_dir, loci))
     imgt_files = [f for f in os.listdir(imgt_dir) if imgt_file_regex.match(f)]
     tmp_file = os.path.join(imgt_dir, "tmp.txt")
     totals = []
     remains = []
+    loci_regex = re.compile("|".join(loci))
     for imgt_file in imgt_files:
         imgt_file = os.path.join(imgt_dir, imgt_file)
-        total, remain = filter_imgt_file(imgt_file, tmp_file, "V-GENE and allele", locus)
+        total, remain = filter_tabular_file(imgt_file, tmp_file, "V-GENE and allele", loci_regex)
         totals.append(total)
         remains.append(remain)
         logging.debug("{0} rows, {1} after filtering".format(total, remain))
         shutil.move(tmp_file, imgt_file)
     if not (all_same_in_list(totals) and all_same_in_list(remains)):
-        logging.warning("Not all files had the same number of sequences remaining for {0}".format(imgt_dir))
+        logging.warning("Not all files had the same number of sequences remaining for {0}: {1}".format(imgt_dir, remains))
     return totals[0], remains[0]
 
 
@@ -99,16 +99,9 @@
 
 def main():
     parser = argparse.ArgumentParser()
-    parser.add_argument("--input", help="The input IMGT file", required=True)
-    parser.add_argument("--output-ig", help="The output file for new IMGT ZIP with just IG sequences", default="None")
-    parser.add_argument("--output-igh", help="The output file for new IMGT ZIP with just IGH sequences", default="None")
-    parser.add_argument("--output-igk", help="The output file for new IMGT ZIP with just IGK sequences", default="None")
-    parser.add_argument("--output-igl", help="The output file for new IMGT ZIP with just IGL sequences", default="None")
-    parser.add_argument("--output-tr", help="The output file for new IMGT ZIP with just TR sequences", default="None")
-    parser.add_argument("--output-tra", help="The output file for new IMGT ZIP with just TRA sequences", default="None")
-    parser.add_argument("--output-trb", help="The output file for new IMGT ZIP with just TRB sequences", default="None")
-    parser.add_argument("--output-trd", help="The output file for new IMGT ZIP with just TRD sequences", default="None")
-    parser.add_argument("--output-trg", help="The output file for new IMGT ZIP with just TRG sequences", default="None")
+    parser.add_argument("-i", "--input", help="The input IMGT file", required=True)
+    parser.add_argument("-l", "--loci", help="The Loci to filter on", required=True)
+    parser.add_argument("-o", "--output", help="The output file for the new IMGT zip with just the filtered sequences", required=True)
 
     logging.basicConfig(filename="./log.html", level=logging.DEBUG, format="%(asctime)s:&emsp;%(message)s <br />",
                         datefmt='%Y/%m/%d %H:%M:%S')
@@ -117,57 +110,27 @@
 
     args = parser.parse_args()
     input_file = args.input
-    output_ig = args.output_ig
-    output_igh = args.output_igh
-    output_igk = args.output_igk
-    output_igl = args.output_igl
-    output_tr = args.output_tr
-    output_tra = args.output_tra
-    output_trb = args.output_trb
-    output_trd = args.output_trd
-    output_trg = args.output_trg
-
-    loci = {
-        "IG": output_ig,
-        "IGH": output_igh,
-        "IGK": output_igk,
-        "IGL": output_igl,
-        "TR": output_tr,
-        "TRA": output_tra,
-        "TRB": output_trb,
-        "TRD": output_trd,
-        "TRG": output_trg
-    }
-
-    loci_to_filter = {}
+    loci = args.loci.split(",")
+    output_file = args.output
 
     logging.debug("All Parameters:")
     logging.debug("Input: {0}".format(input_file))
-    for locus, path in loci.items():
-        logging.debug("{0}: {1}".format(locus, path))
-        if path != "None" and os.path.isdir(os.path.split(path)[0]):
-            loci_to_filter[locus] = path
+    logging.debug("Loci: {0}".format(loci))
+    logging.debug("Output: {0}".format(output_file))
 
-    if len(loci_to_filter) == 0:
+    if len(loci) == 0:
         raise Exception("No locus selected, nothing to do")
 
-    logging.info("Parameters:")
-    for locus, path in loci_to_filter.items():
-        logging.info("{0}: {1}".format(locus, path))
-
     work_dir = tempfile.mkdtemp()
     original_files_dir = os.path.join(work_dir, "original")
     os.mkdir(original_files_dir)
 
     unpack_imgt_zip(input_file, original_files_dir)
 
-    for locus, path in loci_to_filter.items():
-        locus_dir = os.path.join(work_dir, locus)
-        shutil.copytree(original_files_dir, locus_dir)
-        total, remain = filter_imgt_dir(locus_dir, locus)
-        logging.info("{0}\t{1}\t{2}\t{3}".format(locus, path, total, remain))
+    total, remain = filter_imgt_dir(original_files_dir, loci)
+    logging.info("{0}\t{1}".format(total, remain))
 
-        make_new_xz_file(locus_dir, loci_to_filter[locus])
+    make_new_xz_file(original_files_dir, output_file)
 
 
 if __name__ == "__main__":
b
diff -r 418b7dbc8947 -r 4bb8f6523130 imgt_locus_split.xml
--- a/imgt_locus_split.xml Mon Jul 17 08:54:02 2017 -0400
+++ b/imgt_locus_split.xml Tue Mar 05 04:41:47 2019 -0500
[
@@ -1,19 +1,12 @@
 <tool id="imgt_locus_split" name="IMGT Locus Split" version="0.1">
     <requirements>
-        <requirement type="package" version="0.4.13">python-magic</requirement>
+        <requirement type="package" version="0.4.15">python-magic</requirement>
     </requirements>
     <command detect_errors="exit_code"><![CDATA[
         python3 $__tool_directory__/imgt_locus_split.py 
-            --input $input 
-            --output-ig ${output_ig}
-            --output-igh ${output_igh}
-            --output-igk ${output_igk}
-            --output-igl ${output_igl}
-            --output-tr ${output_tr}
-            --output-tra ${output_tra}
-            --output-trb ${output_trb}
-            --output-trd ${output_trd}
-            --output-trg ${output_trg}
+            --input $input
+            --loci $loci
+            --output $output
     ]]></command>
     <inputs>
         <param name="input" type="data" format="data" label="The IMGT zip file to be split"/>
@@ -30,33 +23,7 @@
         </param>
     </inputs>
     <outputs>
-        <data format="imgt_archive" name="output_ig" label="Filtered IMGT IG: ${input.name}">
-            <filter>loci.__contains__('IG')</filter>
-        </data>
-        <data format="imgt_archive" name="output_igh" label="Filtered IMGT IGH: ${input.name}">
-            <filter>loci.__contains__('IGH')</filter>
-        </data>
-        <data format="imgt_archive" name="output_igk" label="Filtered IMGT IGK: ${input.name}">
-            <filter>loci.__contains__('IGK')</filter>
-        </data>
-        <data format="imgt_archive" name="output_igl" label="Filtered IMGT IGL: ${input.name}">
-            <filter>loci.__contains__('IGL')</filter>
-        </data>
-        <data format="imgt_archive" name="output_tr" label="Filtered IMGT TR: ${input.name}">
-            <filter>loci.__contains__('TR')</filter>
-        </data>
-        <data format="imgt_archive" name="output_tra" label="Filtered IMGT TRA: ${input.name}">
-            <filter>loci.__contains__('TRA')</filter>
-        </data>
-        <data format="imgt_archive" name="output_trb" label="Filtered IMGT TRB: ${input.name}">
-            <filter>loci.__contains__('TRB')</filter>
-        </data>
-        <data format="imgt_archive" name="output_trd" label="Filtered IMGT TRD: ${input.name}">
-            <filter>loci.__contains__('TRD')</filter>
-        </data>
-        <data format="imgt_archive" name="output_trg" label="Filtered IMGT TRG: ${input.name}">
-            <filter>loci.__contains__('TRG')</filter>
-        </data>
+        <data format="imgt_archive" name="output" label="${input.name} $loci" />
     </outputs>
     <help><![CDATA[
         Creates a new IMGT zip file for every checked locus with sequences from only that locus.