t/SeqIO/embl.t

   1 # -*-Perl-*- Test Harness script for Bioperl
   2 # $Id$
   3
   4 use strict;
   5
   6 BEGIN {
   7     use Bio::Root::Test;
   8
   9     test_begin(-tests => 100);
  10
  11     use_ok('Bio::SeqIO::embl');
  12 }
  13
  14 my $verbose = test_debug();
  15
  16 my $ast = Bio::SeqIO->new( -format => 'embl',
  17                            -verbose => $verbose,
  18                            -file => test_input_file('roa1.dat'));
  19 $ast->verbose($verbose);
  20 my $as = $ast->next_seq();
  21 ok defined $as->seq;
  22 is($as->display_id, 'HSHNCPA1');
  23 is($as->accession_number, 'X79536');
  24 is($as->seq_version, 1);
  25 is($as->version, 1);
  26 is($as->desc, 'H.sapiens mRNA for hnRNPcore protein A1');
  27 is($as->molecule, 'RNA');
  28 is($as->alphabet, 'rna');
  29 is(scalar $as->all_SeqFeatures(), 4);
  30 is($as->length, 1198);
  31 is($as->species->binomial(), 'Homo sapiens');
  32
  33 # EMBL Release 87 changes (8-17-06)
  34
  35 $ast = Bio::SeqIO->new( -format => 'embl',
  36                         -verbose => $verbose,
  37                         -file => test_input_file('roa1_v2.dat'));
  38 $ast->verbose($verbose);
  39 $as = $ast->next_seq();
  40 ok defined $as->seq;
  41 # accession # same as display name now
  42 is($as->display_id, 'X79536');
  43 is($as->accession_number, 'X79536');
  44 is($as->seq_version, 1);
  45 is($as->version, 1);
  46 is($as->desc, 'H.sapiens mRNA for hnRNPcore protein A1');
  47 # mRNA instead of RNA
  48 is($as->molecule, 'mRNA');
  49 is($as->alphabet, 'rna');
  50 is(scalar $as->all_SeqFeatures(), 4);
  51 is($as->length, 1198);
  52 is($as->species->binomial(), 'Homo sapiens');
  53
  54 my $ent = Bio::SeqIO->new( -file => test_input_file('test.embl'),
  55                            -format => 'embl');
  56 my $seq = $ent->next_seq();
  57
  58 is(defined $seq->seq(), 1,
  59    'success reading Embl with ^ location and badly split double quotes');
  60 is(scalar $seq->annotation->get_Annotations('reference'), 3);
  61
  62 my $out_file = test_output_file();
  63 my $out = Bio::SeqIO->new(-file=> ">$out_file",
  64                           -format => 'embl');
  65 is($out->write_seq($seq),1,
  66    'success writing Embl format with ^ < and > locations');
  67
  68 # embl with no FT
  69 $ent = Bio::SeqIO->new( -file => test_input_file('test.embl'),
  70                         -format => 'embl');
  71 $seq = $ent->next_seq();
  72
  73 ok($seq);
  74 is(lc($seq->subseq(1,10)),'gatcagtaga');
  75 is($seq->length, 4870);
  76
  77 # embl with no FH
  78 my $noFH = Bio::SeqIO->new( -file => test_input_file('no_FH.embl'),
  79                             -format => 'embl');
  80 is(scalar($noFH->next_seq->get_SeqFeatures), 4);
  81
  82 # bug 1571
  83 $ent = Bio::SeqIO->new( -format => 'embl',
  84                         -file   => test_input_file('test.embl2sq'));
  85 is($ent->next_seq->length,4877);
  86
  87 # embl repbase
  88 $ent = Bio::SeqIO->new(-file => test_input_file('BEL16-LTR_AG.embl'), -format => 'embl');
  89 $seq = $ent->next_seq;
  90 is($seq->display_id,'BEL16-LTR_AG');
  91
  92 # test secondary accessions in EMBL (bug #1332)
  93 my $seqio = Bio::SeqIO->new( -format => 'embl',
  94                              -file => test_input_file('ECAPAH02.embl'));
  95 $seq = $seqio->next_seq;
  96 is($seq->accession_number, 'D10483');
  97 is($seq->seq_version, 2);
  98 my @accs = $seq->get_secondary_accessions();
  99 is($accs[0], 'J01597');
 100 is($accs[-1], 'X56742');
 101
 102 ### TPA TESTS - Thanks to Richard Adams ###
 103 # test Third Party Annotation entries in EMBL/Gb format
 104 # to ensure compatability with parsers.
 105 my $str = Bio::SeqIO->new( -format =>'embl',
 106                            -file => test_input_file('BN000066-tpa.embl'));
 107 $seq = $str->next_seq;
 108 ok(defined $seq);
 109 is($seq->accession_number, 'BN000066');
 110 is($seq->alphabet, 'dna');
 111 is($seq->display_id, 'AGA000066');
 112 is($seq->length, 5195);
 113 is($seq->division, 'INV');
 114 is($seq->get_dates, 2);
 115 is($seq->keywords, 'acetylcholinesterase; achE1 gene; Third Party Annotation; TPA.');
 116 is($seq->seq_version, 1);
 117 is($seq->feature_count, 15);
 118
 119 my $spec_obj = $seq->species;
 120 is ($spec_obj->common_name, 'African malaria mosquito');
 121 is ($spec_obj->species, 'gambiae');
 122 is ($spec_obj->genus, 'Anopheles');
 123 is ($spec_obj->binomial, 'Anopheles gambiae');
 124
 125 my $ac = $seq->annotation;
 126 my $reference =  ($ac->get_Annotations('reference') )[1];
 127 is ($reference->title,'"A novel acetylcholinesterase gene in mosquitoes codes for the insecticide target and is non-homologous to the ace gene in Drosophila"');
 128 is ($reference->authors,'Weill M., Fort P., Berthomi eu A., Dubois M.P., Pasteur N., Raymond M.');
 129 my $cmmnt =  ($ac->get_Annotations('comment') )[0];
 130 is($cmmnt->text, 'see also AJ488492 for achE-1 from Kisumu strain Third Party Annotation Database: This TPA record uses Anopheles gambiae trace archive data (http://trace.ensembl.org) ');
 131
 132
 133 $ent = Bio::SeqIO->new( -file => test_input_file('test.embl'),
 134                         -format => 'embl');
 135 $ent->verbose($verbose);
 136 $seq = $ent->next_seq();
 137 my $species = $seq->species();
 138 my @cl = $species->classification();
 139 is( $cl[3] ne $species->genus(), 1, 'genus duplication test');
 140 $ent->close();
 141
 142 #
 143 ## read-write - test embl writing of a PrimarySeq
 144 #
 145 my $primaryseq = Bio::PrimarySeq->new( -seq => 'AGAGAGAGATA',
 146                                       -id  => 'myid',
 147                                       -desc => 'mydescr',
 148                                       -alphabet => 'DNA',
 149                                       -accession_number => 'myaccession');
 150
 151
 152
 153 $verbose = -1 unless $ENV{'BIOPERLDEBUG'};  # silence warnings unless we are debuggin
 154
 155 my $embl = Bio::SeqIO->new(-format => 'embl',
 156                           -verbose => $verbose,
 157                           -file => ">$out_file");
 158
 159 ok($embl->write_seq($primaryseq));
 160
 161 # this should generate a warning
 162 my $scalar = "test";
 163 eval {
 164     $embl->write_seq($scalar);
 165 };
 166 ok ($@);
 167
 168 # CDS records
 169 # (which have nonstandard 'PA' and 'OX' tags)
 170 # see http://bioperl.org/pipermail/bioperl-l/2009-February/029252.html
 171 # and the rest of that thread
 172 my $cds_file = Bio::SeqIO->new(-format =>'embl',
 173                                -file => test_input_file('cds_sample.embl'));
 174 my $cds_seq = $cds_file->next_seq;
 175 ok(defined $cds_seq);
 176 is($cds_seq->display_id, 'EAL24309');
 177 is($cds_seq->accession_number, 'CH236947.1', 'CDS - accession on PA line');
 178 is($cds_seq->alphabet, 'dna');
 179 is($cds_seq->length, 192);
 180 is($cds_seq->species->binomial(), 'Homo sapiens');
 181 is($cds_seq->seq_version, 1);
 182 is($cds_seq->feature_count, 2);
 183 my $cds_annot = $cds_seq->annotation;
 184 ok(defined $cds_annot);
 185 my $cds_dblink = ($cds_annot->get_Annotations('dblink'))[0];
 186 ok(defined $cds_dblink);
 187 is($cds_dblink->tagname, 'dblink', 'CDS - OX tagname');
 188 is($cds_dblink->database, 'NCBI_TaxID', 'CDS - OX database');
 189 is($cds_dblink->primary_id, '9606', 'CDS - OX primary_id');
 190
 191 #bug 2982 - parsing contig descriptions sans sequence data
 192
 193 ok( $embl = Bio::SeqIO->new( -file => test_input_file('bug2982.embl'),
 194                              -format => 'embl') );
 195 my $i;
 196 for ($i=0; my $seq = $embl->next_seq; $i++) {
 197     ok !$seq->seq;
 198     ok ( my $ann = ($seq->annotation->get_Annotations('contig'))[0] );
 199     like $ann->value, qr/join\(/;
 200 }
 201 is $i, 4;
 202
 203
 204 # bug 3086 - parsing long lines correctly
 205
 206 ok( $embl = Bio::SeqIO->new(-file => test_input_file('bug3086.embl'),
 207                             -format => 'embl',
 208                             -verbose => '$verbose') );
 209 $seq = $embl->next_seq;
 210 foreach my $feature ($seq->top_SeqFeatures) {
 211     if ($feature->has_tag('product')) {
 212         my ($product) = $feature->get_tag_values('product');
 213         is($product,
 214            'bifunctional phosphoribosylaminoimidazolecarboxamide formyltransferase/IMP cyclohydrolase',
 215            'Check if product was parsed correctly');
 216     }
 217 }
 218
 219 # long labels handled
 220
 221 {
 222     # Create sequence with feature with a long label qualifier
 223     my $seq=Bio::Seq->new(-seq=>'actg');
 224     my $feature=Bio::SeqFeature::Generic->new(-primary=>'CDS', -start=>1, -end=>4);
 225     $feature->add_tag_value(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');
 226     $seq->add_SeqFeature($feature);
 227
 228     # Write EMBL
 229     my $string;
 230     open my $str_fh, '>', \$string or skip("Could not write string, skipping", 2);
 231
 232     my $out=Bio::SeqIO->new(-format=>'embl', -fh => $str_fh);
 233     $out->write_seq($seq);
 234
 235     # Read EMBL
 236     my $in=Bio::SeqIO->new(-format=>'embl', -string => $string);
 237     my $ret=eval { my $embl=$in->next_seq };
 238     my $error;
 239     $error=$@ if (!$ret);
 240     ok($ret, 'Parse long qualifier');
 241     is($error, undef);
 242 }
 243
 244 # NCBI TaxIDs should roundtrip
 245 {
 246     my $seq=Bio::Seq->new(-seq=>'actg');
 247     my $species = Bio::Species->new(-ncbi_taxid => 7165, -classification=>
 248                                     [ 'Anopheles gambiae', 'Anopheles', 'Culicoidea',
 249                                       'Nematocera', 'Diptera', 'Endopterygota',
 250                                       'Neoptera', 'Pterygota', 'Insecta', 'Hexapoda',
 251                                       'Arthropoda', 'Metazoa', 'Eukaryota' ]);
 252
 253     $seq->species($species);
 254     is($seq->species->ncbi_taxid, 7165, 'TaxID set correctly');
 255
 256     # Write EMBL
 257     my $string;
 258     open my $str_fh, '>', \$string or skip("Could not write string, skipping", 2);
 259
 260     my $out=Bio::SeqIO->new(-format=>'embl', -fh => $str_fh);
 261     $out->write_seq($seq);
 262
 263     # Read EMBL
 264     my $in=Bio::SeqIO->new(-format=>'embl', -string => $string);
 265     my $embl_seq;
 266     my $ret=eval { $embl_seq=$in->next_seq };
 267     my $error;
 268     $error=$@ if (!$ret);
 269
 270     # Check that TaxID has roundtripped
 271     my $embl_species = $embl_seq->species;
 272     ok(defined $embl_species, "The read sequence has a species object");
 273     is($embl_species->ncbi_taxid, 7165, "NCBI TaxID has roundtripped");
 274     is($embl_species->binomial(), 'Anopheles gambiae', "Name has roundtripped");
 275 }
 276
 277 # a taxon db_xref on a source feature should override an OX line
 278 {
 279     my $seq=Bio::Seq->new(-seq=>'actg');
 280     my $species = Bio::Species->new(-ncbi_taxid => 7165, -classification=>
 281                                     [ 'Anopheles gambiae', 'Anopheles', 'Culicoidea',
 282                                       'Nematocera', 'Diptera', 'Endopterygota',
 283                                       'Neoptera', 'Pterygota', 'Insecta', 'Hexapoda',
 284                                       'Arthropoda', 'Metazoa', 'Eukaryota' ]);
 285
 286     $seq->species($species);
 287     is($seq->species->ncbi_taxid, 7165, 'TaxID set correctly');
 288
 289     my $seq_feature = Bio::SeqFeature::Generic->new(-primary=>'source',
 290                                                     -start => 1,
 291                                                     -end=> length($seq->seq));
 292
 293     $seq_feature->add_tag_value('db_xref', 'taxon:9606');
 294     $seq->add_SeqFeature($seq_feature);
 295
 296     # Write EMBL
 297     my $string;
 298     open my $str_fh, '>', \$string or skip("Could not write string, skipping", 2);
 299
 300     my $out=Bio::SeqIO->new(-format=>'embl', -fh => $str_fh);
 301     $out->write_seq($seq);
 302
 303     # Read EMBL
 304     my $in=Bio::SeqIO->new(-format=>'embl', -string => $string);
 305     my $embl_seq;
 306     my $ret=eval { $embl_seq=$in->next_seq };
 307     my $error;
 308     $error=$@ if (!$ret);
 309
 310     # Check that TaxID has roundtripped
 311     my $embl_species = $embl_seq->species;
 312     ok(defined $embl_species, "The read sequence has a species object");
 313     is($embl_species->ncbi_taxid, 9606, "The taxid of the source feature overrides that of the OX line");
 314     is($embl_species->binomial(), 'Anopheles gambiae', "Name has roundtripped");
 315 }
 316
 317 # Handle Seq objects that only define an ID, not an accession number
 318 {
 319     my $seq = Bio::Seq->new(-seq=>'actg', -id=>'test_id');
 320
 321     my $string;
 322     open my $str_fh, '>', \$string or skip("Could not write string, skipping", 1);
 323
 324     my $out = Bio::SeqIO->new(-format=>'embl', -fh=>$str_fh);
 325     $out->write_seq($seq);
 326
 327     ok($string =~ m/ID   test_id;/, "The ID field was written correctly");
 328 }
 329
 330 # Test lenient handling of space after '=' sign in qualifiers:
 331 {
 332     my $ent = Bio::SeqIO->new( -file => test_input_file('test_space.embl'),
 333                                -format => 'embl');
 334     my $seq;
 335     eval { $seq = $ent->next_seq(); };
 336     my $error=$@;
 337     is($error, '', 'EMBL format with space after equal sign parses');
 338
 339     my ($feature)=$seq->all_SeqFeatures;
 340     is($feature->primary_tag, 'CDS', 'CDS read');
 341
 342     ok($feature->has_tag('product'), '/product found');
 343
 344     my ($value)=$feature->get_tag_values('product');
 345     is($value, 'somewordandt extthatisquite lon gandthereforewraps', 'Qualifier /product value matches');
 346 }