#Functie hernoemd van main naar gff_conversie

"""

De functie roept de andere functies aan:

het openen van de file, het maken van een multidimensionale lijst,

het filteren van de attributen, het maken van de genbank file en

het schrijven van de afsluitende tag //

"""

print "Merger maken"

merger = Merger(fasta_name)

refference(annot_file)

print "Merger klaar"

stopwatch = Statistiek()

make_gbk_file(gbk_name)

write_file('LOCUS PLACEHOLDER\n', gbk_name)

write_file('FEATURES\t\tLocation/Qualifiers\n', gbk_name)

write_file("PLACEHOLDER\n", gbk_name)

print "GFF bestand openen"

contigdict = merger.getdict()

dataBalancer(contigdict, gff_name, gbk_name)

print "Na verdeel"

print "Bestand genereren"

print "DO FASTA"

# print merger.get_fasta()

print "DONE FASTA"

highest_stop = 10

lowest_start = 1

insert_values(highest_stop, lowest_start, 2, gbk_name)

insert_values(highest_stop, "unspecified", 0, gbk_name)

print "Sequentie schrijven"

generate_fasta(fasta_name, gbk_name)

##write_file()

sluiter = "//"

write_file(sluiter, gbk_name)

print "Klaar!"

readfile = open(gbk_name, 'r')

lines = readfile.readlines()

readfile.close()

if type == 2:

insertstring = "\t source\t\t\t\t\t" + "1" + ".." + str(maxpar) + "\n"

if type == 0:

insertstring = "LOCUS\t\t%s\t%s" % (str(extrapar), str(maxpar) + " bp \t DNA \n")

lines[type] = insertstring

writefile = open(gbk_name, 'w')

for line in lines:

writefile.write(line)

"""

Het gff bestand wordt geopend, de rijen in het bestand

worden terug gegeven als de generator wordt aangeroepen. Als

het bestand leeg is, dan wordt None terug gegeven.

"""

# Hier heb ik een aantal aanpassingen gemaakt. Ik heb als eerste

# de open_gff omgezet naar een generator. Deze yield een rij en

# None als de file leeg is. Daarnaast wordt de filename bepaald

# door gff_name. Deze wordt meegegven door de interface, maar kan ook

# aangepast worden in de main.

gff_file = open(gff_name, 'rb', buffering=1)

reader = csv.reader(gff_file, delimiter="\t")

for row in reader:

if "#" not in row[0]:

yield row

while True:

"""

Input: 3

contigdict, contig dictionary van merger.

gff_name: bestandsnaam

gbk_name: bestandsnaam

De functie heeft eerst gebruik gemaakt van multi process, maar

blijkt bij monitoring het toch niet nodig te hebben.

De functie maakt een generator aan met de naam data. Vervolgens

worden de loop variabelen data en stop gemaakt.

In rij komt elke yield van data te staan. En stop is de boolean om

de loop te stoppen als rij een None yield.

De functie loopt op een while met als conditie dat de loop stopt

als er geen regels meer in het bestand zitten.

In de while loop wordt de resultaat lijst aangemaakt en de draden

lijst. De draden lijst is voor de eerste for loop.

In de eerste for loop wordt er 8 keer geloopt. Dit was voor de

8 cores, maar werkt serial ook erg goed. In de 8 for loop wordt

er 100 duizend keer geloopt om data punten te yielden en toe te

voegen aan de lijst draadlijst, tenzij er een None wordt geyield,

dan wordt de loop afgesloten.

De 8 multi dementionale lijsten worden na de vul loops 1 voor 1

doorgegven aan de functie lijst_gb_invoer, het resultaat daarvan

wordt in de resultaat lijst gezet en wordt doorgegeven aan

write_list zodat er 800k lines geschreven worden.

"""

print "start verdeel"

print gff_name

verdeelstat = Statistiek()

data = open_gff(gff_name)

rij = "" #declaratie voor while loop

stop = False

while rij != None:

resultaat = []

draden = []

for x in range(8):

draadlijst = []

for x in range(100000):

rij = data.next()

if rij == None:

stop = True

break

else:

draadlijst.append(rij)

draden.append(draadlijst)

if stop:

break

for draad in draden:

resultaat.append(lijst_gb_invoer(draad,contigdict))

write_list(resultaat, gbk_name)

verdeelstat.stop()

gb_lijst = []

for item in lgi_lijst:

gb_lijst += make_gb(item, contigdict)

"""

Een standaard header wordt aangemaakt.

De source regel wordt opgesteld door te kijken naar de laagste

beginpositie en de hoogste eindpositie.

Deze string wordt aan het bestand toegevoegd.

Iedere feature in de lijst wordt genomen en voor iedere instantie wordt de

dictionary met attributen gemaakt.

Een lege string wordt gemaakt waarin de data uiteindelijk komt.

Eerst wordt de feature toegevoegd. Dit wordt gedaan met de bijbehorende

positie. Als er aangegeven wordt dat de data complementair is, wordt dit

toegevoegd aan de string.

Daarna wordt het gene attribuut toegevoegd. Deze neemt het ID van

de instantie uit de dictionary en voegt deze toe aan de string.

Daarna wordt een eventuele notitie toegevoegd. Als deze None is, wordt

deze niet toegevoegd. Ditzelfde wordt gedaan met het db_xref attribuut

Iedere instantie wordt dan appart meegegeven aan de functie writeFile.

"""

##print "aantal rijen: ",len(mgb_rijen)

##print "aantal attrij: ", len(mgb_attrijen)

featurelist = []

mgb_attdict = filters(mgb_rijen)

finalstring = ''

# print "Merger samenvoegen maken"

# print "samenvoegen gemaakt"

# print "Dictionary maken"

# print "Dictionary gemaakt"

testvar = mgb_attdict.get('id').lower()

if "contig" in testvar:

# print mgb_attdict.get('id').lower()

if ":" in testvar:

contig = testvar.split(':')[0]

elif ":" not in testvar:

contig = testvar

else:

contig = "AAAA"

try:

start = contigdict[contig.lower()]

print start, contig.lower()

print "Found it!"

except KeyError:

print "Can't find this contig in the raw file\t", contig.lower()

pass

# Eerste: feature

if not "complement" in mgb_rijen[8]:

feature = str("\t %-20s \t %s..%s\n" % (mgb_rijen[2],

mgb_rijen[3], mgb_rijen[4]))

else:

feature = str("\t %-6s \t complement(%s..%s)\n" %

(mgb_rijen[2],

mgb_rijen[3], mgb_rijen[4]))

finalstring += feature

# Tweede: gene

gene = str("\t\t\t\t /gene=\"%s\"\n") % mgb_attdict.get('id')

if "cypCar" in gene:

# print check(gene.split("-")[0].split("\"")[1])

geneid = str(check(gene.split("-")[0].split("\"")[1]))

finalstring += str("\t\t\t\t /gene=\"%s\"\n") % geneid

else:

finalstring += gene

# Derde: note

note = mgb_attdict.get('note')

if note is not None:

finalstring += "\t\t\t\t /note=\"%s\"\n" % note

# Vierde: db_xref

db_xref = mgb_attdict.get('db_xref')

if db_xref is not None:

finalstring += "\t\t\t\t /note=\"%s\"\n" % db_xref

featurelist.append(finalstring)

# features.append(featurelist)

##print featurelist

"""for i in range(len(featurelist)):

genbank = featurelist[i]

write_file(genbank)

"""

## wat doet deze?

"""

De functie maakt een dictionary van de attributenkolom en geeft deze terug

"""

splitter = {2: " ", 3: ";"}

current = rijen[8].split(splitter[versie])

if versie == 2:

att = {"id": None, "name": None, "alias": None, "parent": None,

"target": None, "gap": None, "derives_from": None,

"note": None, "dbxref": None, "ontology_term": None,

"gene": None, "EC_number": None, "codon_start": None,

"product": None, "db_xref": None, "translation": None,

"organism": None, "strain": None, "mol_type": None,

"allele": None, "gene_synonym": None, "map": None,

"operon": None, "phenotype": None, "standard_name": None,

"function": None, "transcript": None}

else:

att = {"id": None, "name": None,

"note": None, "dbxref": None}

for waarde in current:

current2 = waarde.split("=")

if current2[0].lower() in att:

try:

att[current2[0].lower()] = current2[1]

except KeyError:

print "onbekend attribuut"

except IndexError:

print "missende data"

# print [att]

try:

gff_conversie(gff_name, fasta_name, annot_file, gbk_name)

queue.put("Goed")

except Exception as e:

print e.args

if e.args == ():

queue.put(e.args)

else: