#########################################################################################################
################################### P R O G R A M A   1  ################################################
#########################################################################################################

#!/usr/bin/perl -w
use strict;

## DEFINICION DE VARIABLES

my $infile;  ## almacena el fichero de datos que entran
my $grupo;   ## almacena el grupo que queremos que print muestre

my $sp;      ## para el intron actual, almacena la especie
my $intron;  ## para el intron actual, almacena la especie
my $seq;     ## para el intron actual, almacena la secuencia de nucleotidos

my %hash;
my @todos_los_intrones; 
my $g;      ## indice de @todos_lso_intrones
my @esp = ('Sc','Sb','Sm','Sp','star'); ## almacena las 4 especies que ya sabemos que tenemos
my $j;      ## indice de @esp

my $linia; ## almacena $seq de 'Sc'
my $star;  ## almacena $seq de 'star'

my $actual; ## almacena la sequencia de la especie que miramos (cambia con $j)
my $a;      ## cuenta cuantas secuencias de $actual cumplen la condicion

my @branch_sp;   ## almacena heptameros de $linia
my @branch_star; ## almacena heptameros de $star
my $i;           ## indice en  @branch_sp y @branch_star (coinciden)
my $b;           ## si encuentra branch-site, $b pasa a valer 1
my %branches;    ## almacena la posicion anterior de donde empeiza el branch-site, para cada intron

my $interruptor; ## si el intron tiene 3 señales reguladoras consenso, este parametro para a valer 1

my %consenso;    ## almacena $linia y $star para cada intron consenso
my %no_consenso; ## almacena $linia y $star para cada intron no consenso




if(scalar(@ARGV)<2){
    print"Escribe: perl primero.pl dataset.txt 1 o 2 (consenso/noconsenso)\n";
    exit (1);
};


$infile = $ARGV[0];
$grupo = $ARGV[1];  


if (!open(INFILE,"< $infile")){
    print"primero.pl: imposible abrir $infile\n";
    exit (1);
};


## CONSTRUCCION DEL HASH

$g = 0; 

while(<INFILE>){
    chomp;

    if ($_ =~/(S\w)_(\S+)\s([ACGT-]+)/){
	$sp = $1;     ## almacena la especie de la linia que lee desde dataset.txt
	$intron = $2; ## almacena el nombre del intron de la linia que lee desde dataset.txt
	$seq = $3;    ## almacena la secuencia de nucleotidos que lee desde dataset.txt
    };    

    if ($_ =~ /\s([\* ]+)/g){
	$sp = 'star';
	$seq = $1;
	$todos_los_intrones[$g] = $intron; ## almacena todos los nombres de los intrones que usamos
        $g = $g + 1;
    };

    $hash{$intron}{$sp} = $seq;
};

## RECORRE %HASH PARA DIFERENCIAR DOS GRUPOS DE INTRONES: consenso / no consenso.

$g = 0;

while($g < scalar(@todos_los_intrones)){ ## utilitza @todos_los_intrones para recorrer %hash
    $interruptor = 0; 
    $a = 0; ## assigna 0 a todos los indices y contadores
    $j = 0;
    $i = 0;
    $b = 0;
    $linia = $hash{$todos_los_intrones[$g]}{'Sc'};
    $star = $hash{$todos_los_intrones[$g]}{'star'};
    
## BUSQUEDA DE BRANCH CONSENSO
    
    while($i <= length($linia) - 7){
	$branch_sp[$i] = substr($linia,$i,7);
	$branch_star[$i] = substr($star,$i,7);
	if(($branch_sp[$i] eq 'TACTAAC') && ($branch_star[$i] eq '*******')){
	    $branches{$todos_los_intrones[$g]} = $i; 
	    $b = $b + 1;
	    $i = length($linia) + 1;
	    
	};
	$i = $i + 1;
    };
    
## BUSQUEDA DE DONOR-SITE CONSENSO
    
    if(($b > 0) && ($linia =~/\AGTATGT[ACTG-]+\Z/) && ($star =~/\A\*{6}[\* ]+\Z/)){
	while($j <= 3){
	    $actual = $hash{$todos_los_intrones[$g]}{$esp[$j]};
	    
## BUSQUEDA DE ACCEPTOR-SITE CONSENSO
	    
	    if (($actual =~/\A[ACGT-]+[CT]AG\Z/) && ($star =~/\A[\* ]+\*{2}\Z/)){
		$a = $a + 1;	   
	    }; 

	    $j = $j + 1; 
	    if ($a == 4){  
		$interruptor = 1;
		$j = 10;
	    };     
	};
    };
    
    ## IMPRIME EL GRUPO 1
    if ($interruptor == 1 && $grupo == 1){
	$consenso{$todos_los_intrones[$g]}{'Sc'} = $linia;
	$consenso{$todos_los_intrones[$g]}{'star'} = $star;
	print$todos_los_intrones[$g],"\tbranch $branches{$todos_los_intrones[$g]}\n";
	print$todos_los_intrones[$g],"\t","Sc","\t",$linia,"\n";
	print$todos_los_intrones[$g],"\t","star","\t",$star,"\n";
    };
    ## IMPRIME EL GRUPO 2
    if ($interruptor == 0 && $grupo == 2){
	$no_consenso{$todos_los_intrones[$g]}{'star'} = $star;
	$no_consenso{$todos_los_intrones[$g]}{'Sc'} = $linia;
	if ($b > 0){
	    print$todos_los_intrones[$g],"\tbranch $branches{$todos_los_intrones[$g]}\n";
	};
	print$todos_los_intrones[$g],"\t","Sc","\t",$linia,"\n";
	print$todos_los_intrones[$g],"\t","star","\t",$star,"\n";
    };
    
    $g = $g + 1; ## PASSSA AL INTRON SIGUIENTE
};