t/SeqIO/genbank.t

   1 # -*-Perl-*- Test Harness script for Bioperl
   2
   3 use strict;
   4
   5 BEGIN {
   6     use lib '.';
   7     use Bio::Root::Test;
   8     test_begin(-tests => 301);
   9     use_ok('Bio::SeqIO::genbank');
  10 }
  11
  12 my $verbose = test_debug;
  13
  14 my $ast = Bio::SeqIO->new(-format  => 'genbank' ,
  15                           -verbose => $verbose,
  16                           -file    => test_input_file('roa1.genbank'));
  17 isa_ok($ast, 'Bio::SeqIO');
  18 $ast->verbose($verbose);
  19 my $as = $ast->next_seq;
  20 is $as->molecule, 'mRNA',$as->accession_number;
  21 is $as->alphabet, 'dna';
  22 is $as->division, 'EST';
  23 is join(',',$as->get_dates), '27-OCT-1998';
  24 is($as->primary_id, 3598416);
  25 my @class = $as->species->classification;
  26 is $class[$#class],'Eukaryota';
  27
  28 $ast = Bio::SeqIO->new(-format  => 'genbank',
  29                        -verbose => $verbose,
  30                        -file    => test_input_file('NT_021877.gbk'));
  31 $ast->verbose($verbose);
  32 $as = $ast->next_seq;
  33 is $as->molecule, 'DNA',$as->accession_number;
  34 is $as->alphabet, 'dna';
  35 is $as->division, 'CON';
  36 is join(',',$as->get_dates), '17-OCT-2003';
  37 is($as->primary_id, 37539616);
  38 is($as->accession_number, 'NT_021877');
  39
  40 my ($cds) = grep { $_->primary_tag eq 'CDS' } $as->get_SeqFeatures;
  41 is(($cds->get_tag_values('transl_except'))[1],
  42    '(pos:complement(4224..4226),aa:OTHER)');
  43
  44 # test for a DBSOURCE line
  45 $ast = Bio::SeqIO->new(-format  => 'genbank',
  46                        -verbose => $verbose,
  47                        -file    => test_input_file('BAB68554.gb'));
  48 $ast->verbose($verbose);
  49 $as = $ast->next_seq;
  50 is $as->molecule, 'PRT',$as->accession_number;
  51 is $as->alphabet, 'protein';
  52 is $as->division, 'VRT';
  53 is join(',',$as->get_dates), '11-APR-2002';
  54 # Though older GenBank releases indicate SOURCE contains only the common name,
  55 # this is no longer true.  In general, this line will contain an abbreviated
  56 # form of the full organism name (but may contain the full length name),
  57 # as well as the optional common name and organelle.  There is no get/set
  58 # for the abbreviated name but it is accessible via name()
  59 ok defined($as->species->name('abbreviated')->[0]);
  60 is $as->species->name('abbreviated')->[0], 'Aldabra giant tortoise';
  61 is($as->primary_id, 15824047);
  62 my $ac = $as->annotation;
  63 ok defined $ac;
  64 my @dblinks = $ac->get_Annotations('dblink');
  65 is(scalar @dblinks,1);
  66 is($dblinks[0]->database, 'GenBank');
  67 is($dblinks[0]->primary_id, 'AB072353');
  68 is($dblinks[0]->version, '1');
  69 is($dblinks[0]->display_text, 'GenBank:AB072353.1','operator overloading in AnnotationI is deprecated');
  70
  71 # test for multi-line SOURCE
  72 $ast = Bio::SeqIO->new(-format  => 'genbank',
  73                        -verbose => $verbose,
  74                        -file    => test_input_file('NC_006346.gb'));
  75 $as = $ast->next_seq;
  76 is $as->species->binomial('FULL'), 'Bolitoglossa n. sp. RLM-2004',$as->accession_number;;
  77 @class = $as->species->classification;
  78 is($class[$#class],'Eukaryota');
  79 is($as->species->common_name,'mushroomtongue salamander');
  80
  81 $ast = Bio::SeqIO->new(-format  => 'genbank',
  82                        -verbose => $verbose,
  83                        -file    => test_input_file('U71225.gb'));
  84 $as = $ast->next_seq;
  85 @class = $as->species->classification;
  86 is($class[$#class],'Eukaryota',$as->accession_number);
  87 is $as->species->common_name,'black-bellied salamander';
  88
  89 # test for unusual common name
  90 $ast = Bio::SeqIO->new(-format  => 'genbank',
  91                        -verbose => $verbose,
  92                        -file    => test_input_file('AB077698.gb'));
  93 $as = $ast->next_seq;
  94 # again, this is not a common name but is in name('abbreviated')
  95 ok defined($as->species->name('abbreviated')->[0]),$as->accession_number;
  96 is $as->species->name('abbreviated')->[0],'Homo sapiens cDNA to mRNA';
  97
  98 # test for common name with parentheses
  99 $ast = Bio::SeqIO->new(-format  => 'genbank',
 100                        -verbose => $verbose,
 101                        -file    => test_input_file('DQ018368.gb'));
 102 $as = $ast->next_seq;
 103 is $as->species->scientific_name,'(Populus tomentosa x P. bolleana) x P. tomentosa var. truncata',
 104 $as->accession_number;;
 105
 106 # test secondary accessions
 107 my $seqio = Bio::SeqIO->new(-format  => 'genbank',
 108                             -verbose => $verbose,
 109                             -file    => test_input_file('D10483.gbk'));
 110 my $seq = $seqio->next_seq;
 111 my @kw =  $seq->get_keywords;
 112 is(scalar @kw, 118, $seq->accession_number);
 113 is($kw[-1], 'yabO');
 114 my @sec_acc = $seq->get_secondary_accessions;
 115 is(scalar @sec_acc,14);
 116 is($sec_acc[-1], 'X56742');
 117
 118 # bug #1487
 119 my $str = Bio::SeqIO->new(-verbose => $verbose,
 120                           -file    => test_input_file('D12555.gbk'));
 121 eval {
 122     $seq = $str->next_seq;
 123 };
 124
 125 ok(! $@, 'bug 1487');
 126
 127 # bug 1647 rpt_unit sub-feature with multiple parens
 128 $str = Bio::SeqIO->new(-format  => 'genbank',
 129                        -verbose => $verbose,
 130                        -file    => test_input_file('mini-AE001405.gb'));
 131 ok($seq = $str->next_seq);
 132 my @rpts = grep { $_->primary_tag eq 'repeat_region' }
 133   $seq->get_SeqFeatures;
 134 is $#rpts, 2, 'bug 1647';
 135 my @rpt_units = grep {$_->has_tag('rpt_unit')} @rpts;
 136 is $#rpt_units, 0;
 137 is(($rpt_units[0]->get_tag_values('rpt_unit'))[0],'(TG)10;A;(TG)7');
 138
 139 # test bug #1673 , RDB-II genbank files
 140 $str = Bio::SeqIO->new(-format  => 'genbank',
 141                        -verbose => $verbose,
 142                        -file    => test_input_file('Mcjanrna_rdbII.gbk')
 143               );
 144 ok($seq = $str->next_seq, 'bug 1673');
 145 my @refs = $seq->annotation->get_Annotations('reference');
 146 is(@refs, 1);
 147 is($seq->display_id,'Mc.janrrnA');
 148 is($seq->molecule ,'RNA');
 149 is $as->division, 'PLN';
 150 is join(',',$as->get_dates), '23-MAY-2005';
 151
 152 $str  = Bio::SeqIO->new(-format  => 'genbank',
 153                         -file    => test_input_file('AF165282.gb'),
 154                         -verbose => $verbose);
 155 $seq = $str->next_seq;
 156 my @features = $seq->all_SeqFeatures;
 157 is(@features, 5, $seq->accession_number);
 158 is($features[0]->start, 1);
 159 is($features[0]->end, 226);
 160 my $location = $features[1]->location;
 161 ok($location->isa('Bio::Location::SplitLocationI'));
 162 my @sublocs = $location->sub_Location;
 163 is(@sublocs, 29);
 164
 165 # version and primary ID - believe it or not, this wasn't working
 166 is ($seq->version, 1);
 167 is ($seq->seq_version, 1);
 168 is ($seq->primary_id, "5734104");
 169
 170 # streaming and Bio::RichSeq creation
 171 my $stream = Bio::SeqIO->new(-file    => test_input_file('test.genbank'),
 172                              -verbose => $verbose,
 173                              -format  => 'genbank');
 174 $stream->verbose($verbose);
 175 my $seqnum = 0;
 176 my $species;
 177 my @cl;
 178 my $lasts;
 179 my @ids = qw(DDU63596 DDU63595 HUMBDNF);
 180 my @tids = (44689, 44689, 9606);
 181 my @tnames = ("Dictyostelium discoideum",
 182               "Dictyostelium discoideum",
 183               "Homo sapiens");
 184 while($seq = $stream->next_seq) {
 185     if($seqnum < 3) {
 186         is $seq->display_id, $ids[$seqnum];
 187         $species = $seq->species;
 188         @cl = $species->classification;
 189         is( $species->binomial, $tnames[$seqnum],
 190             'species parsing incorrect for genbank');
 191         is( $cl[3] ne $species->genus, 1,
 192             'genus duplicated in genbank parsing');
 193         is( $species->ncbi_taxid, $tids[$seqnum] );
 194     }
 195     $seqnum++;
 196     $lasts = $seq;
 197 }
 198 is($seqnum, 5,'streaming');
 199 is $lasts->display_id, "HUMBETGLOA";
 200 my ($ref) = $lasts->annotation->get_Annotations('reference');
 201 is($ref->medline, 94173918);
 202 $stream->close;
 203
 204 $stream = Bio::SeqIO->new(-file    => test_input_file('test.genbank.noseq'),
 205                           -verbose => $verbose,
 206                           -format  => 'genbank' );
 207 $seqnum = 0;
 208 while($seq = $stream->next_seq) {
 209     if($seqnum < 3) {
 210         is $seq->display_id, $ids[$seqnum];
 211     }
 212     elsif( $seq->display_id eq 'M37762') {
 213         is( ($seq->get_keywords)[0], 'neurotrophic factor');
 214     }
 215     $seqnum++;
 216 }
 217 is $seqnum, 5, "Total number of sequences in test file";
 218
 219 # fuzzy
 220 $seq = Bio::SeqIO->new( -file    => test_input_file('testfuzzy.genbank'),
 221                         -format  => 'genbank',
 222                         -verbose => $verbose );
 223 ok(defined($as = $seq->next_seq));
 224
 225 @features = $as->all_SeqFeatures;
 226 is(@features,21,'Fuzzy in');
 227 my $lastfeature = pop @features;
 228 # this is a split location; the root doesn't have strand
 229 is($lastfeature->strand, undef);
 230 $location = $lastfeature->location;
 231 #$location->verbose(-1); # silence the warning of undef seq_id()
 232 # see above; splitlocs roots do not have a strand really
 233 is($location->strand, undef);
 234 is($location->start, 83202);
 235 is($location->end, 84996);
 236
 237 @sublocs = $location->sub_Location;
 238
 239 is(@sublocs, 2);
 240 my $loc = shift @sublocs;
 241 is($loc->start, 83202);
 242 is($loc->end, 83329);
 243 is($loc->strand, -1);
 244
 245 $loc = shift @sublocs;
 246 is($loc->start, 84248);
 247 is($loc->end, 84996);
 248 is($loc->strand,1);
 249
 250 $seq = Bio::SeqIO->new(-format  => 'genbank',
 251                        -verbose => $verbose,
 252                        -file    => ">" .test_output_file);
 253 $seq->verbose($verbose);
 254 ok($seq->write_seq($as),'Fuzzy out');
 255
 256 ## now genbank ##
 257 $str = Bio::SeqIO->new(-format  => 'genbank',
 258                        -verbose => $verbose,
 259                        -file    => test_input_file('BK000016-tpa.gbk'));
 260 $seq = $str->next_seq;
 261 ok(defined $seq, $seq->accession_number);
 262 ok(defined $seq->seq);
 263 is($seq->accession_number, 'BK000016',$seq->accession_number);
 264 is($seq->alphabet, 'dna');
 265 is($seq->display_id, 'BK000016');
 266 is($seq->length, 1162);
 267 is($seq->division, 'ROD');
 268 is($seq->get_dates, 1);
 269 is($seq->keywords, 'Third Party Annotation; TPA');
 270 is($seq->desc, 'TPA: Mus musculus pantothenate kinase 4 mRNA, partial cds.');
 271 is($seq->seq_version, 1);
 272 is($seq->feature_count, 2);
 273 my $spec_obj = $seq->species;
 274 is ($spec_obj->common_name, 'house mouse');
 275 is ($spec_obj->species, 'musculus');
 276 is ($spec_obj->genus, 'Mus');
 277 is ($spec_obj->binomial, 'Mus musculus');
 278 $ac = $seq->annotation;
 279 my $reference =  ($ac->get_Annotations('reference') )[0];
 280 is ($reference->pubmed, '11479594');
 281 is ($reference->medline, '21372465',$seq->accession_number);
 282
 283 # validate that what is written is what is read
 284 my $testfile = test_output_file;
 285 my $out = Bio::SeqIO->new(-file   => ">$testfile",
 286                           -format => 'genbank');
 287 $out->write_seq($seq);
 288 $out->close;
 289
 290 $str = Bio::SeqIO->new(-format => 'genbank',
 291                        -file   => $testfile);
 292 $seq = $str->next_seq;
 293 ok(defined $seq,'roundtrip');
 294 ok(defined $seq->seq);
 295 is($seq->accession_number, 'BK000016');
 296 is($seq->alphabet, 'dna');
 297 is($seq->display_id, 'BK000016');
 298 is($seq->length, 1162);
 299 is($seq->division, 'ROD');
 300 is($seq->get_dates, 1);
 301 is($seq->keywords, 'Third Party Annotation; TPA');
 302 is($seq->desc, 'TPA: Mus musculus pantothenate kinase 4 mRNA, partial cds.');
 303 is($seq->seq_version, 1);
 304 is($seq->feature_count, 2);
 305 $spec_obj = $seq->species;
 306 is ($spec_obj->common_name, 'house mouse');
 307 is ($spec_obj->species, 'musculus');
 308 is ($spec_obj->genus, 'Mus');
 309 is ($spec_obj->binomial, 'Mus musculus');
 310 $ac = $seq->annotation;
 311 $reference =  ($ac->get_Annotations('reference') )[0];
 312 is ($reference->pubmed, '11479594');
 313 is ($reference->medline, '21372465');
 314
 315 # write revcomp split location
 316 my $gb = Bio::SeqIO->new(-format => 'genbank',
 317                          # This sequence has an odd LOCUS line which sets off a warning, setting
 318                          # verbose to -1.
 319                          # The newest Ensembl seq lacks this.  Maybe update?  cjfields 6-5-07
 320                          -verbose => $verbose ? $verbose : -1,
 321                          -file   => test_input_file('revcomp_mrna.gb'));
 322 $seq = $gb->next_seq;
 323
 324 $gb = Bio::SeqIO->new(-format => 'genbank',
 325                       -file   => ">$testfile");
 326
 327 $gb->write_seq($seq);
 328 undef $gb;
 329 ok(! -z $testfile, 'revcomp split location');
 330
 331 # bug 1925, continuation of long ORGANISM line ends up in @classification:
 332 # ORGANISM  Salmonella enterica subsp. enterica serovar Paratyphi A str. ATCC
 333 #           9150
 334 #           Bacteria; Proteobacteria; Gammaproteobacteria; Enterobacteriales;
 335 #           Enterobacteriaceae; Salmonella.
 336 $gb = Bio::SeqIO->new(-format  => 'genbank',
 337                       -verbose => $verbose,
 338                       -file    => test_input_file('NC_006511-short.gbk'));
 339 $seq = $gb->next_seq;
 340 is $seq->species->common_name, undef, "Bug 1925";
 341 is $seq->species->scientific_name, "Salmonella enterica subsp. enterica serovar Paratyphi A str. ATCC 9150";
 342 @class = $seq->species->classification;
 343 is $class[$#class], "Bacteria";
 344
 345 # WGS   tests
 346 $gb = Bio::SeqIO->new(-format  => 'genbank',
 347                       -verbose => $verbose,
 348                       -file    => test_input_file('O_sat.wgs'));
 349 $seq = $gb->next_seq;
 350
 351 my @tests = ('wgs'        => 'AAAA02000001-AAAA02050231',
 352              'wgs_scafld' => 'CM000126-CM000137',
 353              'wgs_scafld' => 'CH398081-CH401163');
 354
 355 my @wgs = map {$seq->annotation->get_Annotations(lc($_))} qw(WGS WGS_SCAFLD);
 356
 357 my $ct=0;
 358
 359 for my $wgs (@wgs) {
 360     my ($tagname, $value) = (shift @tests, shift @tests);
 361     is($wgs->tagname, $tagname, $tagname);
 362     is($wgs->value, $value);
 363     $ct++;
 364 }
 365
 366 is ($ct, 3);
 367
 368 # make sure we can retrieve a feature with a primary tag of 'misc_difference'
 369 $gb = Bio::SeqIO->new(-format  => 'genbank',
 370                       -verbose => $verbose,
 371                       -file    => test_input_file('BC000007.gbk'));
 372 $seq = $gb->next_seq;
 373 ($cds) = grep { $_->primary_tag eq 'misc_difference' } $seq->get_SeqFeatures;
 374 my @vals = $cds->get_tag_values('gene');
 375 is $vals[0], 'PX19', $seq->accession_number;
 376
 377 # Check that the source,organism section is identical between input and output.
 378 # - test an easy one where organism is species, then two different formats of
 379 # subspecies, then a species with a format that used to be mistaken for
 380 # subspecies, then a bacteria with no genus, and finally a virus with a genus.
 381
 382 # These tests are now somewhat out-of-date since we are moving to a Bio::Taxon-
 383 # based system for verifying taxonomic information.  Right now they just verify
 384 # changes so are really useless; I will change them to verify common name,
 385 # organelle, scientific name, etc.
 386
 387 my $outfile = test_output_file;
 388
 389 # output always adds a period (GenBank std), but two of these files do not use them.
 390
 391 foreach my $in ('BK000016-tpa.gbk', 'ay116458.gb', 'ay149291.gb', 'NC_006346.gb', 'ay007676.gb', 'dq519393.gb') {
 392     my $infile =  test_input_file($in);
 393
 394     $str = Bio::SeqIO->new(-format  => 'genbank',
 395                            -verbose => $verbose,
 396                            -file    => $infile);
 397     $seq = $str->next_seq;
 398
 399     $out = Bio::SeqIO->new(-file   => ">$outfile",
 400                            -format => 'genbank');
 401     $out->write_seq($seq);
 402     $out->close;
 403
 404     open my $IN, '<', $infile or die "Could not read file '$infile': $!\n";
 405     my @in = <$IN>;
 406     close $IN;
 407
 408     open my $RESULT, '<', $outfile or die "Could not read file '$outfile': $!\n";
 409     my $line = 0;
 410     my $check = 0;
 411     my $is = 1;
 412
 413   FILECHECK:
 414     while (my $result = <$RESULT>) {
 415         if ($result =~ /^KEYWORDS/) {
 416             $check = 1;
 417             next;
 418         }
 419
 420         if ($result =~ /^REFERENCE/) {
 421             last FILECHECK;
 422         }
 423
 424         if ($check) {
 425             # end periods don't count (not all input files have them)
 426             $result =~ s{\.$}{};
 427             $in[$line] =~ s{\.$}{};
 428
 429             if ($result ne $in[$line]) {
 430                 $is = 0;
 431                 last;
 432             }
 433         }
 434     }
 435     continue {
 436         $line++;
 437     }
 438     close $RESULT;
 439
 440     ok $is, $in;
 441 }
 442
 443 # NB: there should probably be full testing on all lines to ensure that output
 444 # matches input.
 445
 446 # 20061117: problem with *double* colon in some annotation-dblink values
 447 $ct = 0;
 448
 449 foreach my $in ('P35527.gb') {
 450     my $infile =  test_input_file($in);
 451     $str = Bio::SeqIO->new(-format  => 'genbank',
 452                            -verbose => $verbose,
 453                            -file    => $infile);
 454     $seq = $str->next_seq;
 455
 456     my $ac = $seq->annotation;      # Bio::AnnotationCollection
 457     foreach my $key ($ac->get_all_annotation_keys ) {
 458         my @values = $ac->get_Annotations($key);
 459         foreach my $ann (@values) {
 460             my $value = $ann->display_text;
 461             $ct++;
 462             if ($key eq 'dblink') {
 463                 ok (index($value,'::') < 0);   # this should never be true
 464                 ok ($value, $value);           # check value is not empty
 465
 466                 #  print "  ann/", sprintf('%12s  ',$key), '>>>', $value , '<<<', "\n";
 467                 #  print "        index double colon: ",index($value   ,'::'), "\n";
 468
 469                 #  check db name:
 470                 my @parts = split(/:/,$value);
 471                 if ( $parts[0] =~ /^(?:
 472                         #  not an exhaustive list of databases;
 473                         #  just the db's referenced in P35527.gb:
 474                           swissprot | GenBank | GenPept      | HSSP | IntAct   | Ensembl | KEGG
 475                         | HGNC      | MIM     | ArrayExpress | GO   | InterPro | Pfam    | PRINTS
 476                         | PROSITE    )$/x
 477                 ) {
 478                     ok 1;
 479                 }
 480                 else {
 481                     ok 0;
 482                 }
 483                     ok ( $parts[1], "$parts[0]" );
 484             }
 485         }
 486     }
 487 }
 488
 489 is($ct, 46);
 490
 491 # bug 2195
 492
 493 $str = Bio::SeqIO->new(-format  => 'genbank',
 494                        -verbose => $verbose,
 495                        -file    => test_input_file('AF305198.gb')
 496                      );
 497
 498 $species = $str->next_seq->species;
 499
 500 is($species->scientific_name, 'Virginia creeper phytoplasma', 'Bug 2195');
 501 is(join(', ',$species->classification),
 502      'Virginia creeper phytoplasma, 16SrV (Elm yellows group), '
 503    . 'Candidatus Phytoplasma, Acholeplasmataceae, Acholeplasmatales, '
 504    . 'Mollicutes, Firmicutes, Bacteria',
 505    'Bug 2195');
 506
 507 # bug 2569, PROJECT line support, read and write, round-tripping
 508
 509 $str = Bio::SeqIO->new(-format  => 'genbank',
 510                        -verbose => $verbose,
 511                        -file    => test_input_file('NC_008536.gb'));
 512 $seq = $str->next_seq;
 513
 514 my $project = ($seq->annotation->get_Annotations('project'))[0];
 515 isa_ok($project, 'Bio::Annotation::SimpleValue');
 516
 517 if ($project) {
 518     is($project->value, 'GenomeProject:12638');
 519 }
 520 else {
 521     ok(0, "PROJECT not parsed");
 522 }
 523
 524 $outfile = test_output_file;
 525 $gb = Bio::SeqIO->new(-format  => 'genbank',
 526                       -verbose => $verbose,
 527                       -file    => ">$outfile");
 528 $gb->write_seq($seq);
 529
 530 $str = Bio::SeqIO->new(-format  => 'genbank',
 531                        -verbose => $verbose,
 532                        -file    => $outfile);
 533 $seq = $str->next_seq;
 534
 535 $project = ($seq->annotation->get_Annotations('project'))[0];
 536 isa_ok($project, 'Bio::Annotation::SimpleValue');
 537
 538 if ($project) {
 539     is($project->value, 'GenomeProject:12638');
 540 }
 541 else {
 542     ok(0, "Roundtrip test failed");
 543 }
 544
 545 # test for swissprot/UniProt/UniProtKB DBSOURCE line (Bug : RT 44536)
 546 $ast = Bio::SeqIO->new(-format  => 'genbank',
 547                        -verbose => $verbose,
 548                        -file    => test_input_file('P39765.gb'));
 549 $as = $ast->next_seq;
 550 is $as->molecule, 'PRT',$as->accession_number;
 551 is $as->division, 'BCT',$as->accession_number;
 552 is join(',',$as->get_dates), '03-MAR-2009',$as->accession_number;
 553 is $as->alphabet, 'protein';
 554 # Though older GenBank releases indicate SOURCE contains only the common name,
 555 # this is no longer true.  In general, this line will contain an abbreviated
 556 # form of the full organism name (but may contain the full length name),
 557 # as well as the optional common name and organelle.  There is no get/set
 558 # for the abbreviated name but it is accessible via name()
 559 ok defined($as->species->name('abbreviated')->[0]);
 560 is $as->species->name('abbreviated')->[0], 'Bacillus subtilis';
 561 is($as->primary_id, 20141743);
 562 $ac = $as->annotation;
 563 ok defined $ac;
 564 @dblinks = $ac->get_Annotations('dblink');
 565 is(scalar @dblinks,31);
 566 is($dblinks[0]->database, 'UniProtKB');
 567 is($dblinks[0]->primary_id, 'PYRR_BACSU');
 568 is($dblinks[0]->version, undef);
 569 is($dblinks[0]->display_text, 'UniProtKB:PYRR_BACSU','operator overloading in AnnotationI is deprecated');
 570
 571 #bug 2982 embl/genbank contig handling
 572
 573 $ast = Bio::SeqIO->new( -file   => test_input_file('bug2982.gb'),
 574                         -format => 'genbank' );
 575 $seq = $ast->next_seq;
 576
 577 ok my @ctg = $seq->annotation->get_Annotations('contig');
 578 like $ctg[0]->value, qr/join\(.*?gap.*?complement/;
 579
 580 # write_seq() and FTHelper duplicate specific tags, need to check a round-trip
 581 $ast = Bio::SeqIO->new(-format  => 'genbank' ,
 582                        -verbose => $verbose,
 583                        -file    => test_input_file('singlescore.gbk'));
 584 $as = $ast->next_seq;
 585 ($cds) = grep { $_->primary_tag eq 'CDS' } $as->get_SeqFeatures;
 586 my @notes = $cds->get_tag_values('note');
 587 is(scalar @notes, 2);
 588 $testfile = test_output_file;
 589 $out = Bio::SeqIO->new(-file   => ">$testfile",
 590                        -format => 'genbank');
 591 $out->write_seq($as);
 592 $out->close;
 593 $ast = Bio::SeqIO->new(-format  => 'genbank' ,
 594                        -verbose => $verbose,
 595                        -file    => $testfile );
 596 $as = $ast->next_seq;
 597 ($cds) = grep { $_->primary_tag eq 'CDS' } $as->get_SeqFeatures;
 598 @notes = $cds->get_tag_values('note');
 599 is(scalar @notes, 2);
 600
 601
 602 #bug 3375
 603 my $in = Bio::SeqIO->new(-format => 'genbank',
 604                          -file   => test_input_file('NC_002058_multDBLINK_bug3375.gb'));
 605 $seq = $in->next_seq;     # should not throw a warning now
 606 @dblinks = $seq->annotation->get_Annotations('dblink');    # contains 5 dblink references
 607 # testing DBLINK      BioProject: PRJNA15288
 608 is($dblinks[0]->database, 'BioProject', 'bug3375 database is BioProject');
 609 is($dblinks[0]->primary_id, 'PRJNA15288', 'bug3375 primary_id is PRJNA15288');
 610 # testing DBLINK      Project:100,200,300
 611 is($dblinks[3]->database, 'Project');
 612 is($dblinks[3]->primary_id, '300');
 613 # testing DBLINK      NC_002058.3
 614 is($dblinks[4]->database, 'GenBank');
 615 is($dblinks[4]->primary_id, 'NC_002058');
 616 is($dblinks[4]->version, '3');
 617
 618 # long labels handled
 619 {
 620     # Create sequence with feature with a long label qualifier
 621     my $seq=Bio::Seq->new(-seq => 'actg',
 622                           -id  => 'abacab');
 623     my $feature=Bio::SeqFeature::Generic->new(-primary=>'CDS', -start=>1, -end=>4);
 624     my $label='1 2 3 4 5 6 7 8 9 a b c d e f g h i j k l m n o p q r';
 625     $feature->add_tag_value(label => $label);
 626     $seq->add_SeqFeature($feature);
 627
 628     # Write genbank
 629     my $string;
 630     open my $str_fh, '>', \$string or skip("Could not write string, skipping", 2);
 631     my $out = Bio::SeqIO->new(-format => 'genbank',
 632                               -fh     => $str_fh);
 633     $out->write_seq($seq);
 634
 635     # Read genbank
 636     my $in = Bio::SeqIO->new(-format => 'genbank',
 637                              -string => $string);
 638     my $genbank = $in->next_seq;
 639     my ($read_feature) = $genbank->get_SeqFeatures;
 640     my ($read_label) = $read_feature->get_tag_values('label');
 641     is($read_label, $label, 'Label is the same');
 642 }
 643
 644 # bug 3448
 645 $in = Bio::SeqIO->new(-format  => 'genbank',
 646                       -file    => test_input_file('YP_007988852.gp'),
 647                       -verbose => $verbose);
 648 $seq = $in->next_seq;     # should not throw a warning now
 649 is($seq->length, 205);
 650
 651 my @anns = $seq->annotation->get_Annotations('contig');
 652 is(@anns, 1);
 653 isa_ok($anns[0], 'Bio::Annotation::SimpleValue');
 654 is($anns[0]->value, 'join(WP_015639704.1:1..205)');
 655
 656 is($seq->seq, 'MENRKFGYIRVSSKDQNEGRQLEAMRKIGITERDIYLDKQSGKNFERANYQLLKRIIRKGDI'
 657             . 'LYIHSLDRFGRNKEEILQEWNDLTKNIEADIVVLDMPLLDTTQYKDSMGTFIADLVLQILSWMAEEERERIRK'
 658             . 'RQREGIDLALQNGIQFGRSPVVVSDEFKEVYRKWKAKELTAVEAMQEAGVKKTSFYKLVKAHENSIKVNS');
 659
 660 # Genbank files with CONTIG and sequence should print the sequence with write_seq()
 661 $testfile = test_output_file;
 662 $out = Bio::SeqIO->new(-file   => ">$testfile",
 663                        -format => 'genbank');
 664 $out->write_seq($seq);
 665 $out->close;
 666
 667 $in = Bio::SeqIO->new(-file    => $testfile,
 668                       -format  => 'genbank',
 669                       -verbose => $verbose);
 670 $seq = $in->next_seq;
 671 is($seq->length, 205);
 672
 673 @anns = $seq->annotation->get_Annotations('contig');
 674 is(@anns, 1);
 675 isa_ok($anns[0], 'Bio::Annotation::SimpleValue');
 676 is($anns[0]->value, 'join(WP_015639704.1:1..205)');
 677
 678 is($seq->seq, 'MENRKFGYIRVSSKDQNEGRQLEAMRKIGITERDIYLDKQSGKNFERANYQLLKRIIRKGDI'
 679             . 'LYIHSLDRFGRNKEEILQEWNDLTKNIEADIVVLDMPLLDTTQYKDSMGTFIADLVLQILSWMAEEERERIRK'
 680             . 'RQREGIDLALQNGIQFGRSPVVVSDEFKEVYRKWKAKELTAVEAMQEAGVKKTSFYKLVKAHENSIKVNS');
 681
 682 $seq = Bio::SeqIO->new(-format => 'genbank',
 683                        -file   => test_input_file('YP_007988852.gp') )->next_seq;
 684 @features = $seq->remove_SeqFeatures;
 685 is $#features, 10, 'Got 11 features';
 686
 687 $seq = Bio::SeqIO->new(-format => 'genbank',
 688                        -file   => test_input_file('YP_007988852.gp') )->next_seq;
 689 @features = $seq->remove_SeqFeatures('CDS');
 690 is $#features, 0, 'Got 1 feature';
 691 is $features[0]->primary_tag, 'CDS', 'Correct primary tag for feature';
 692 @features = $seq->remove_SeqFeatures;
 693 is $#features, 9, 'Got 10 features';
 694
 695 # Handle Structured Comments in COMMENT section
 696 $seq = Bio::SeqIO->new(-format => 'genbank',
 697                        -file   => test_input_file('KF527485.gbk') )->next_seq;
 698 my $comment = ($seq->get_Annotations('comment') )[0];
 699 is($comment->as_text, "Comment:
 700 ##Assembly-Data-START##
 701 Assembly Method :: Lasergene v. 10
 702 Sequencing Technology :: ABI37XL; Sanger dideoxy sequencing
 703 ##Assembly-Data-END##",
 704 "Got correct Structured Comment");
 705
 706 $seq = Bio::SeqIO->new(-format => 'genbank',
 707                        -file   => test_input_file('HM138502.gbk') )->next_seq;
 708 $comment = ($seq->get_Annotations('comment') )[0];
 709 ok( $comment->as_text
 710         =~ /^Comment: Swine influenza A \(H1N1\) virus isolated during human swine flu outbreak of 2009/,
 711     "Got correct Structured Comment"
 712 );
 713 ok( $comment->as_text =~ /^##GISAID_EpiFlu\(TM\)Data-START##/m,
 714     "Got correct Structured Comment" );
 715 ok( $comment->as_text =~ /^Subtype :: H1N1/m,
 716     "Got correct Structured Comment"
 717 );
 718 ok( $comment->as_text =~ /^##GISAID_EpiFlu\(TM\)Data-END##/m,
 719     "Got correct Structured Comment" );