add facility in Stemma for distance tree alongside hypothesis; use this for group_var...
Tara L Andrews [Fri, 30 Sep 2011 23:00:29 +0000 (01:00 +0200)]
group_vars.pl
lib/Text/Tradition/Stemma.pm
make_tradition.pl

index ecde4de..5ffeefd 100644 (file)
@@ -48,7 +48,7 @@ my $col_wits = shift @$all_wits_table;
     
 # For each column in the table, group the readings by witness.
 
-my $useful_vars = 0;
+my $used_vars = 0;
 foreach my $i ( 0 .. $#$all_wits_table ) {
     my $rdg_wits = {};
     my $col_rdgs = shift @$all_wits_table;
@@ -65,34 +65,61 @@ foreach my $i ( 0 .. $#$all_wits_table ) {
     my( $groups, $readings ) = useful_variant( $rdg_wits );
     next unless $groups && $readings;        
     
-    # For all the groups with more than one member, make a group that contains
-    # all contiguous vertices to connect them.
-    # TODO Need to do pairwise comparison of groups - a variant location can
-    # have both coincidental and genealogical variants!
+    # We can look up witnesses for a reading; we also want to look up readings
+    # for a given witness.
+    my $group_readings = {};
+    foreach my $x ( 0 .. $#$groups ) {
+        $group_readings->{wit_stringify( $groups->[$x] )} = $readings->[$x];
+    }
+    
+    # For all the groups with more than one member, collect the list of all
+    # contiguous vertices needed to connect them.
+    # TODO: deal with a.c. reading logic
+    my $conflict = analyze_variant_location( $group_readings, $groups, $stemma->apsp );
+    print wit_stringify( $groups ) . ' - ' . join( " / ", @$readings ) . "\n";
+    foreach my $rdg ( keys %$conflict ) {
+        my $var = $conflict->{$rdg};
+        print "\tReadings '$rdg' and '$var' are not genealogical\n";
+    }
+    
+    # Now run the same analysis given a distance tree.
+    my $distance_apsp = $stemma->distance_trees->[0]->APSP_Floyd_Warshall();
+    $conflict = analyze_variant_location( $group_readings, $groups, $distance_apsp );
+    foreach my $rdg ( keys %$conflict ) {
+        my $var = $conflict->{$rdg};
+        print "\tReadings '$rdg' and '$var' disregarded by parsimony\n";
+    }
+
+    # Record that we used this variant in an analysis
+    $used_vars++;
+    
+}
+print "Found $used_vars useful variants in this analysis\n";
+
+sub analyze_variant_location {
+    my( $group_readings, $groups, $apsp ) = @_;
     my %contig;
-    my $conflict;
-    foreach my $g ( @$groups ) {
-        my @members = split( /,/, $g );
+    my $conflict = {};
+    foreach my $g ( sort { scalar @$b <=> scalar @$a } @$groups ) {
+        my @members = @$g;
+        my $gst = wit_stringify( $g );
+        map { $contig{$_} = $gst } @members; # The witnesses need themselves to be 
+                                             # in their collection.
         next unless @members > 1;
-        map { $contig{$_} = $g } @members;
         my $curr = pop @members;
         foreach my $m ( @members ) {
-            foreach my $v ( $stemma->apsp->path_vertices( $curr, $m ) ) {
-                $contig{$v} = $g unless exists $contig{$v};
-                next if $contig{$v} eq $g;
-                # print STDERR "Conflict at $v between group $g and group " 
+            foreach my $v ( $apsp->path_vertices( $curr, $m ) ) {
+                $contig{$v} = $gst unless exists $contig{$v};
+                next if $contig{$v} eq $gst;
+                # print STDERR "Conflict at $v between group $gst and group " 
                 #     . $contig{$v} . "\n";
-                $conflict = 1;
+                # Record what is conflicting.
+                $conflict->{$group_readings->{$gst}} = $group_readings->{$contig{$v}};
             }
         }
     }
-    print join( " / ", @$groups ) . ' - ' . join( " / ", @$readings ) . ' - ';
-    print $conflict ? "coincidental" : "genealogical";
-    print "\n";
-    $useful_vars++;
-    
+    return $conflict;
 }
-print "Found $useful_vars useful variants\n";
 
 # Add the variant, subject to a.c. representation logic.
 # This assumes that we will see the 'main' version before the a.c. version.
@@ -118,8 +145,27 @@ sub useful_variant {
     return( undef, undef ) if $total <= 1;
     my( $groups, $text );
     foreach my $var ( keys %$readings ) {
-        push( @$groups, join( ',', @{$readings->{$var}} ) );
+        push( @$groups, $readings->{$var} );
         push( @$text, $var );
     }
     return( $groups, $text );
 }
+
+# Take an array of witness groupings and produce a string like
+# A,B / C,D,E / F
+
+sub wit_stringify {
+    my $groups = shift;
+    my @gst;
+    # If we were passed an array of witnesses instead of an array of 
+    # groupings, then "group" the witnesses first.
+    unless( ref( $groups->[0] ) ) {
+        my $mkgrp = [ $groups ];
+        $groups = $mkgrp;
+    }
+    foreach my $g ( @$groups ) {
+        push( @gst, join( ',', @$g ) );
+    }
+    return join( ' / ', @gst );
+}
+    
\ No newline at end of file
index df8cf4a..a90d863 100644 (file)
@@ -1,12 +1,13 @@
 package Text::Tradition::Stemma;
 
+use Bio::Phylo::IO;
 use File::chdir;
 use File::Temp;
-use IPC::Run qw/ run /;
-use Moose;
-use Text::Tradition::Collation::Position;
 use Graph;
 use Graph::Reader::Dot;
+use IPC::Run qw/ run /;
+use Moose;
+use Text::Balanced qw/ extract_bracketed /;
 
 has collation => (
     is => 'ro',
@@ -31,6 +32,13 @@ has apsp => (
     is => 'rw',
     isa => 'Graph',
     );
+    
+has distance_trees => (
+    is => 'ro',
+    isa => 'ArrayRef[Graph]',
+    writer => '_save_distance_trees',
+    predicate => 'has_distance_trees',
+    );
         
 sub BUILD {
     my( $self, $args ) = @_;
@@ -62,7 +70,21 @@ sub BUILD {
         $self->apsp( $undirected->APSP_Floyd_Warshall() );
     }
 }
-        
+
+before 'distance_trees' => sub {
+    my $self = shift;
+    my %args = @_;
+    # TODO allow specification of method for calculating distance tree
+    if( $args{'recalc'} || !$self->has_distance_trees ) {
+        # We need to make a tree before we can return it.
+        my( $ok, $result ) = $self->run_phylip_pars();
+        if( $ok ) {
+            $self->_save_distance_trees( _parse_newick( $result ) );
+        } else {
+            warn "Failed to calculate distance tree: $result";
+        }
+    }
+};
         
 sub make_character_matrix {
     my $self = shift;
@@ -110,13 +132,13 @@ sub convert_characters {
         }
     }
     if( scalar( keys %unique ) > 8 ) {
-        warn "Have more than 8 variants on this location; pars will break";
+        warn "Have more than 8 variants on this location; phylip will break";
     }
     my @chars = map { $_ ? $unique{$_} : $unique{'__UNDEF__' } } @$row;
     return @chars;
 }
 
-sub pars_input {
+sub phylip_pars_input {
     my $self = shift;
     $self->make_character_matrix unless $self->has_character_matrix;
     my $matrix = '';
@@ -129,16 +151,15 @@ sub pars_input {
     return $matrix;
 }
 
-sub run_pars {
+sub run_phylip_pars {
     my $self = shift;
 
     # Set up a temporary directory for all the default Phylip files.
     my $phylip_dir = File::Temp->newdir();
-    print STDERR $phylip_dir . "\n";
     # $phylip_dir->unlink_on_destroy(0);
     # We need an infile, and we need a command input file.
     open( MATRIX, ">$phylip_dir/infile" ) or die "Could not write $phylip_dir/infile";
-    print MATRIX $self->pars_input();
+    print MATRIX $self->phylip_pars_input();
     close MATRIX;
 
     open( CMD, ">$phylip_dir/cmdfile" ) or die "Could not write $phylip_dir/cmdfile";
@@ -201,6 +222,46 @@ sub run_pars {
     return( undef, join( '', @error ) );
 }
 
+sub _parse_newick {
+    my $newick = shift;
+    my @trees;
+    # Parse the result into a tree
+    my $forest = Bio::Phylo::IO->parse( 
+        -format => 'newick',
+        -string => $newick,
+        );
+    # Turn the tree into a graph, starting with the root node
+    foreach my $tree ( @{$forest->get_entities} ) {
+        push( @trees, _graph_from_bio( $tree ) );
+    }
+    return \@trees;
+}
+
+sub _graph_from_bio {
+    my $tree = shift;
+    my $graph = Graph->new( 'undirected' => 1 );
+    # Give all the intermediate anonymous nodes a name.
+    my $i = 0;
+    foreach my $n ( @{$tree->get_entities} ) {
+        next if $n->get_name;
+        $n->set_name( $i++ );
+    }
+    my $root = $tree->get_root->get_name;
+    $graph->add_vertex( $root );
+    _add_tree_children( $graph, $root, $tree->get_root->get_children() );
+    return $graph;
+}
+
+sub _add_tree_children {
+    my( $graph, $parent, $tree_children ) = @_;
+    foreach my $c ( @$tree_children ) {
+        my $child = $c->get_name;
+        $graph->add_vertex( $child );
+        $graph->add_path( $parent, $child );
+        _add_tree_children( $graph, $child, $c->get_children() );
+    }
+}
+
 no Moose;
 __PACKAGE__->meta->make_immutable;
     
index 6828e71..22b50df 100644 (file)
@@ -81,7 +81,7 @@ if( $HACK ) {
 if( $outformat eq 'stemma' ) {
     my $stemma = Text::Tradition::Stemma->new( 
         'collation' => $tradition->collation );
-    my( $result, $tree ) = $stemma->run_pars();
+    my( $result, $tree ) = $stemma->run_phylip_pars();
     if( $result ) {
         print $tree;
     } else {