Repository 'proteore_expression_rnaseq_abbased'
hg clone https://toolshed.g2.bx.psu.edu/repos/proteore/proteore_expression_rnaseq_abbased

Changeset 6:71214d6034e7 (2018-03-19)
Previous changeset 5:f15cdeeba4b4 (2018-03-19) Next changeset 7:c9943f867413 (2018-03-20)
Commit message:
planemo upload commit 4af7ac25de19ca10b1654820e909c647a2d337b2-dirty
added:
add_expression_HPA.R
removed:
get_data_HPA_v2.R
b
diff -r f15cdeeba4b4 -r 71214d6034e7 add_expression_HPA.R
--- /dev/null Thu Jan 01 00:00:00 1970 +0000
+++ b/add_expression_HPA.R Mon Mar 19 10:09:01 2018 -0400
[
@@ -0,0 +1,121 @@
+# Read file and return file content as data.frame
+readfile = function(filename, header) {
+  if (header == "true") {
+    # Read only first line of the file as header:
+    headers <- read.table(filename, nrows = 1, header = FALSE, sep = "\t", stringsAsFactors = FALSE, fill = TRUE, na.strings=c("", "NA"), blank.lines.skip = TRUE, quote = "", comment.char = "")
+    #Read the data of the files (skipping the first row)
+    file <- read.table(filename, skip = 1, header = FALSE, sep = "\t", stringsAsFactors = FALSE, fill = TRUE, na.strings=c("", "NA"), blank.lines.skip = TRUE, quote = "", comment.char = "")
+    # Remove empty rows
+    file <- file[!apply(is.na(file) | file == "", 1, all), , drop=FALSE]
+    #And assign the header to the data
+    names(file) <- headers
+  }
+  else {
+    file <- read.table(filename, header = FALSE, sep = "\t", stringsAsFactors = FALSE, fill = TRUE, na.strings=c("", "NA"), blank.lines.skip = TRUE, quote = "", comment.char = "")
+    # Remove empty rows
+    file <- file[!apply(is.na(file) | file == "", 1, all), , drop=FALSE]
+  }
+  return(file)
+}
+
+add_expression = function(input, atlas, options) {
+  if (all(!input %in% atlas$Ensembl)) {
+    return(NULL)
+  }
+  else {
+    res = matrix(nrow=length(input), ncol=0)
+    names = c()
+    for (opt in options) {
+      names = c(names, opt)
+      info = atlas[match(input, atlas$Ensembl,incomparable="NA"),][opt][,]
+      res = cbind(res, info)
+    }
+    colnames(res) = names
+    return(res)
+  }
+}
+
+main = function() {
+  args <- commandArgs(TRUE)
+  if(length(args)<1) {
+    args <- c("--help")
+  }
+  
+  # Help section
+  if("--help" %in% args) {
+    cat("Selection and Annotation HPA
+    Arguments:
+        --inputtype: type of input (list of id or filename)
+        --input: either a file name (e.g : input.txt) or a list of blank-separated
+                 ENSG identifiers (e.g : ENSG00000283071 ENSG00000283072)
+        --atlas: path to protein atlas file
+        --column: the column number which you would like to apply...
+        --header: true/false if your file contains a header
+        --select: information from HPA to select, maybe: 
+                  RNA.tissue.category,Reliability..IH.,Reliability..IF. (comma-separated)
+        --output: text output filename \n")
+    q(save="no")
+  }
+  
+  # Parse arguments
+  parseArgs <- function(x) strsplit(sub("^--", "", x), "=")
+  argsDF <- as.data.frame(do.call("rbind", parseArgs(args)))
+  args <- as.list(as.character(argsDF$V2))
+  names(args) <- argsDF$V1
+
+  inputtype = args$inputtype
+  if (inputtype == "copypaste") {
+    input = strsplit(args$input, " ")[[1]]
+  }
+  else if (inputtype == "tabfile") {
+    filename = args$input
+    ncol = args$column
+    # Check ncol
+    if (! as.numeric(gsub("c", "", ncol)) %% 1 == 0) {
+      stop("Please enter an integer for level")
+    }
+    else {
+      ncol = as.numeric(gsub("c", "", ncol))
+    }
+    header = args$header
+    # Get file content
+    file = readfile(filename, header)
+    # Extract Protein IDs list
+    input = c()
+    for (row in as.character(file[,ncol])) {
+      input = c(input, strsplit(row, ";")[[1]][1])
+    }
+  }
+
+  # Read protein atlas
+  protein_atlas = args$atlas
+  protein_atlas = readfile(protein_atlas, "true")
+
+  # Add expression
+  output = args$output
+  names = c()
+  options = strsplit(args$select, ",")[[1]]
+  res = add_expression(input, protein_atlas, options)
+
+  # Write output
+  if (is.null(res)) {
+    write.table("None of the input ENSG ids are can be found in HPA data file",file=output,sep="\t",quote=FALSE,col.names=TRUE,row.names=FALSE)
+  }
+  else {
+    if (inputtype == "copypaste") {
+      names = c("Ensembl", colnames(res))
+      res = cbind(as.matrix(input), res)
+      colnames(res) = names
+      write.table(res, output, row.names = FALSE, sep = "\t", quote = FALSE)
+    }
+    else if (inputtype == "tabfile") {
+      names = c(names(file), colnames(res))
+      output_content = cbind(file, res)
+      colnames(output_content) = names
+      write.table(output_content, output, row.names = FALSE, sep = "\t", quote = FALSE)
+    }
+  }
+
+}
+
+main()
b
diff -r f15cdeeba4b4 -r 71214d6034e7 get_data_HPA_v2.R
--- a/get_data_HPA_v2.R Mon Mar 19 10:07:38 2018 -0400
+++ /dev/null Thu Jan 01 00:00:00 1970 +0000
[
@@ -1,127 +0,0 @@
-# Usage :
-# Rscript --vanilla get_data_HPA_v2.R --typeinput copypaste --input
-# ENSG00000283071 --header FALSE --proteinatlas proteinatlas.csv --column c1
-# --select RNA.tissue.category,Reliability..IH.,Reliability..IF. --output
-# output.txt 
-
-# INPUTS : 
-# --typeinput : "copypaste" or "tabfile"
-# --input : either a file name (e.g : input.txt) or a list of blank-separated
-# ENSG identifiers (e.g : ENSG00000283071 ENSG00000283072)
-# --header : "TRUE" or "FALSE" : indicates in case the input is a file if said
-# file has an header
-# --proteinatlas : HPA proteinatlas tab file
-# --column : column containing in input ENSG identifiers
-# --select : information from HPA to select, may be
-# : RNA.tissue.category,Reliability..IH.,Reliability..IF. (comma-separated)
-# --output : output file name
-# Useful functions
-
-# Read file and return file content as data.frame
-readfile = function(filename, header) {
-  if (header == "true") {
-    # Read only first line of the file as header:
-    headers <- read.table(filename, nrows = 1, header = FALSE, sep = "\t", stringsAsFactors = FALSE, fill = TRUE, na.strings=c("", "NA"), blank.lines.skip = TRUE, quote = "")
-    #Read the data of the files (skipping the first row)
-    file <- read.table(filename, skip = 1, header = FALSE, sep = "\t", stringsAsFactors = FALSE, fill = TRUE, na.strings=c("", "NA"), blank.lines.skip = TRUE, quote = "")
-    # Remove empty rows
-    file <- file[!apply(is.na(file) | file == "", 1, all), , drop=FALSE]
-    #And assign the header to the data
-    names(file) <- headers
-  }
-  else {
-    file <- read.table(filename, header = FALSE, sep = "\t", stringsAsFactors = FALSE, fill = TRUE, na.strings=c("", "NA"), blank.lines.skip = TRUE, quote = "")
-    # Remove empty rows
-    file <- file[!apply(is.na(file) | file == "", 1, all), , drop=FALSE]
-  }
-  return(file)
-}
-
-'%!in%' <- function(x,y)!('%in%'(x,y))
-
-args = commandArgs(trailingOnly = TRUE)
-
-# create a list of the arguments from the command line, separated by a blank space
-hh <- paste(unlist(args),collapse=' ')
-# delete the first element of the list which is always a blank space
-listoptions <- unlist(strsplit(hh,'--'))[-1]
-# for each input, split the arguments with blank space as separator, unlist, and delete the first element which is the input name (e.g --protatlas) 
-options.args <- sapply(listoptions,function(x){
-         unlist(strsplit(x, ' '))[-1]
-        })
-# same as the step above, except that only the names are kept
-options.names <- sapply(listoptions,function(x){
-  option <-  unlist(strsplit(x, ' '))[1]
-})
-names(options.args) <- unlist(options.names)
-
-
-typeinput = as.character(options.args[1])
-proteinatlas = read.table(as.character(options.args[4]),header=TRUE,sep="\t",quote="\"",fill=TRUE,blank.lines.skip=TRUE, na.strings=c("NA"," ","")) 
-listfile = options.args[2]
-
-header = as.character(options.args[3])
-column = as.numeric(gsub("c","",options.args[5]))
-select = as.character(options.args[6])
-output = as.character(options.args[7])
-
-if (typeinput=="copypaste"){
-  sample = as.data.frame(unlist(listfile))
-  sample = sample[,column]
-}
-if (typeinput=="tabfile"){
-  
-  if (header=="TRUE"){
-    listfile = readfile(listfile, "true")
-  }else{
-    listfile = readfile(listfile, "false")
-  }
-  sample = listfile[,column]
-
-}
-
-# Select user input ensembl ids in HPA protein atlas file 
-
-if ((length(sample[sample %in% proteinatlas[,3]]))==0){
-    write.table("None of the input ENSG ids are can be found in HPA data file",file=output,sep="\t",quote=FALSE,col.names=TRUE,row.names=FALSE)
-
-}else{ 
-
-
- to_keep = c()
-
- if (select!="None"){
-   select = unlist(strsplit(select,","))
-   for (arg in select){
-     colnb = which(colnames(proteinatlas) %in% c(arg))
-     to_keep = c(to_keep,colnb)    
-   }
- }
-
-  to_keep = c(3,to_keep)
-  lines = which(proteinatlas[,3] %in% sample)
-  data = proteinatlas[lines,]
-  data = data[,to_keep]
-  # if only some of the proteins were not found in proteinatlas they will be added to
-  # the file with the fields "Protein not found in proteinatlas"
-  if (length(which(sample %!in% proteinatlas[,3]))!=0){
-    proteins_not_found = as.data.frame(sample[which(sample %!in% proteinatlas[,3])])
-   proteins_not_found = cbind(proteins_not_found,matrix(rep("Protein not found in HPA",length(proteins_not_found)),nrow=length(proteins_not_found),ncol=length(colnames(data))-1))
-
-    colnames(proteins_not_found)=colnames(data) 
-
-    data = rbind(data,proteins_not_found)
-  }
-  
-  # Merge original data and data selected from proteinatlas
-
-  # Before that, if the initial ids were uniprot ids change them back from
-  # proteinatlas to uniprot ids in data 
-  data = merge(listfile, data, by.x = column, by.y=1)
-  colnames(data)[1] = "Ensembl gene ids"
-  # Write result
-  write.table(data,file=output,sep="\t",quote=FALSE,col.names=TRUE,row.names=FALSE)
-
-}
-
-