bam.c

   1 #include <stdio.h>
   2 #include <ctype.h>
   3 #include "bam.h"
   4 #include "bam_endian.h"
   5 #include "kstring.h"
   6
   7 int bam_is_be = 0;
   8
   9 /**************************
  10  * CIGAR related routines *
  11  **************************/
  12
  13 int bam_segreg(int32_t pos, const bam1_core_t *c, const uint32_t *cigar, bam_segreg_t *reg)
  14 {
  15         unsigned k;
  16         int32_t x = c->pos, y = 0;
  17         int state = 0;
  18         for (k = 0; k < c->n_cigar; ++k) {
  19                 int op = cigar[k] & BAM_CIGAR_MASK; // operation
  20                 int l = cigar[k] >> BAM_CIGAR_SHIFT; // length
  21                 if (state == 0 && (op == BAM_CMATCH || op == BAM_CDEL || op == BAM_CINS) && x + l > pos) {
  22                         reg->tbeg = x; reg->qbeg = y; reg->cbeg = k;
  23                         state = 1;
  24                 }
  25                 if (op == BAM_CMATCH) { x += l; y += l; }
  26                 else if (op == BAM_CDEL || op == BAM_CREF_SKIP) x += l;
  27                 else if (op == BAM_CINS || op == BAM_CSOFT_CLIP) y += l;
  28                 if (state == 1 && (op == BAM_CSOFT_CLIP || op == BAM_CHARD_CLIP || op == BAM_CREF_SKIP || k == c->n_cigar - 1)) {
  29                         reg->tend = x; reg->qend = y; reg->cend = k;
  30                 }
  31         }
  32         return state? 0 : -1;
  33 }
  34
  35 uint32_t bam_calend(const bam1_core_t *c, const uint32_t *cigar)
  36 {
  37         uint32_t k, end;
  38         end = c->pos;
  39         for (k = 0; k < c->n_cigar; ++k) {
  40                 int op = cigar[k] & BAM_CIGAR_MASK;
  41                 if (op == BAM_CMATCH || op == BAM_CDEL || op == BAM_CREF_SKIP)
  42                         end += cigar[k] >> BAM_CIGAR_SHIFT;
  43         }
  44         return end;
  45 }
  46
  47 int32_t bam_cigar2qlen(const bam1_core_t *c, const uint32_t *cigar)
  48 {
  49         uint32_t k;
  50         int32_t l = 0;
  51         for (k = 0; k < c->n_cigar; ++k) {
  52                 int op = cigar[k] & BAM_CIGAR_MASK;
  53                 if (op == BAM_CMATCH || op == BAM_CINS || op == BAM_CSOFT_CLIP)
  54                         l += cigar[k] >> BAM_CIGAR_SHIFT;
  55         }
  56         return l;
  57 }
  58
  59 /********************
  60  * BAM I/O routines *
  61  ********************/
  62
  63 bam_header_t *bam_header_init()
  64 {
  65         bam_is_be = bam_is_big_endian();
  66         return (bam_header_t*)calloc(1, sizeof(bam_header_t));
  67 }
  68
  69 void bam_header_destroy(bam_header_t *header)
  70 {
  71         int32_t i;
  72         extern void bam_destroy_header_hash(bam_header_t *header);
  73         if (header == 0) return;
  74         if (header->target_name) {
  75                 for (i = 0; i < header->n_targets; ++i)
  76                         free(header->target_name[i]);
  77                 free(header->target_name);
  78                 free(header->target_len);
  79         }
  80         free(header->text);
  81 #ifndef BAM_NO_HASH
  82         bam_destroy_header_hash(header);
  83 #endif
  84         free(header);
  85 }
  86
  87 bam_header_t *bam_header_read(bamFile fp)
  88 {
  89         bam_header_t *header;
  90         char buf[4];
  91         int32_t i, name_len;
  92         // read "BAM1"
  93         if (bam_read(fp, buf, 4) != 4) return 0;
  94         if (strncmp(buf, "BAM\001", 4)) {
  95                 fprintf(stderr, "[bam_header_read] wrong header\n");
  96                 return 0;
  97         }
  98         header = bam_header_init();
  99         // read plain text and the number of reference sequences
 100         bam_read(fp, &header->l_text, 4);
 101         if (bam_is_be) bam_swap_endian_4p(&header->l_text);
 102         header->text = (char*)calloc(header->l_text + 1, 1);
 103         bam_read(fp, header->text, header->l_text);
 104         bam_read(fp, &header->n_targets, 4);
 105         if (bam_is_be) bam_swap_endian_4p(&header->n_targets);
 106         // read reference sequence names and lengths
 107         header->target_name = (char**)calloc(header->n_targets, sizeof(char*));
 108         header->target_len = (uint32_t*)calloc(header->n_targets, 4);
 109         for (i = 0; i != header->n_targets; ++i) {
 110                 bam_read(fp, &name_len, 4);
 111                 if (bam_is_be) bam_swap_endian_4p(&name_len);
 112                 header->target_name[i] = (char*)calloc(name_len, 1);
 113                 bam_read(fp, header->target_name[i], name_len);
 114                 bam_read(fp, &header->target_len[i], 4);
 115                 if (bam_is_be) bam_swap_endian_4p(&header->target_len[i]);
 116         }
 117         return header;
 118 }
 119
 120 int bam_header_write(bamFile fp, const bam_header_t *header)
 121 {
 122         char buf[4];
 123         int32_t i, name_len, x;
 124         // write "BAM1"
 125         strncpy(buf, "BAM\001", 4);
 126         bam_write(fp, buf, 4);
 127         // write plain text and the number of reference sequences
 128         if (bam_is_be) {
 129                 x = bam_swap_endian_4(header->l_text);
 130                 bam_write(fp, &x, 4);
 131                 if (header->l_text) bam_write(fp, header->text, header->l_text);
 132                 x = bam_swap_endian_4(header->n_targets);
 133                 bam_write(fp, &x, 4);
 134         } else {
 135                 bam_write(fp, &header->l_text, 4);
 136                 if (header->l_text) bam_write(fp, header->text, header->l_text);
 137                 bam_write(fp, &header->n_targets, 4);
 138         }
 139         // write sequence names and lengths
 140         for (i = 0; i != header->n_targets; ++i) {
 141                 char *p = header->target_name[i];
 142                 name_len = strlen(p) + 1;
 143                 if (bam_is_be) {
 144                         x = bam_swap_endian_4(name_len);
 145                         bam_write(fp, &x, 4);
 146                 } else bam_write(fp, &name_len, 4);
 147                 bam_write(fp, p, name_len);
 148                 if (bam_is_be) {
 149                         x = bam_swap_endian_4(header->target_len[i]);
 150                         bam_write(fp, &x, 4);
 151                 } else bam_write(fp, &header->target_len[i], 4);
 152         }
 153         return 0;
 154 }
 155
 156 static void swap_endian_data(const bam1_core_t *c, int data_len, uint8_t *data)
 157 {
 158         uint8_t *s;
 159         uint32_t i, *cigar = (uint32_t*)(data + c->l_qname);
 160         s = data + c->n_cigar*4 + c->l_qname + c->l_qseq + (c->l_qseq + 1)/2;
 161         for (i = 0; i < c->n_cigar; ++i) bam_swap_endian_4p(&cigar[i]);
 162         while (s < data + data_len) {
 163                 uint8_t type;
 164                 s += 2; // skip key
 165                 type = toupper(*s); ++s; // skip type
 166                 if (type == 'C' || type == 'A') ++s;
 167                 else if (type == 'S') { bam_swap_endian_2p(s); s += 2; }
 168                 else if (type == 'I' || type == 'F') { bam_swap_endian_4p(s); s += 4; }
 169                 else if (type == 'D') { bam_swap_endian_8p(s); s += 8; }
 170                 else if (type == 'Z' || type == 'H') { while (*s) ++s; ++s; }
 171         }
 172 }
 173
 174 int bam_read1(bamFile fp, bam1_t *b)
 175 {
 176         bam1_core_t *c = &b->core;
 177         int32_t block_len, ret, i;
 178         uint32_t x[8];
 179
 180         assert(BAM_CORE_SIZE == 32);
 181         if ((ret = bam_read(fp, &block_len, 4)) != 4) {
 182                 if (ret == 0) return -1; // normal end-of-file
 183                 else return -2; // truncated
 184         }
 185         if (bam_read(fp, x, BAM_CORE_SIZE) != BAM_CORE_SIZE) return -3;
 186         if (bam_is_be) {
 187                 bam_swap_endian_4p(&block_len);
 188                 for (i = 0; i < 8; ++i) bam_swap_endian_4p(x + i);
 189         }
 190         c->tid = x[0]; c->pos = x[1];
 191         c->bin = x[2]>>16; c->qual = x[2]>>8&0xff; c->l_qname = x[2]&0xff;
 192         c->flag = x[3]>>16; c->n_cigar = x[3]&0xffff;
 193         c->l_qseq = x[4];
 194         c->mtid = x[5]; c->mpos = x[6]; c->isize = x[7];
 195         b->data_len = block_len - BAM_CORE_SIZE;
 196         if (b->m_data < b->data_len) {
 197                 b->m_data = b->data_len;
 198                 kroundup32(b->m_data);
 199                 b->data = (uint8_t*)realloc(b->data, b->m_data);
 200         }
 201         if (bam_read(fp, b->data, b->data_len) != b->data_len) return -4;
 202         b->l_aux = b->data_len - c->n_cigar * 4 - c->l_qname - c->l_qseq - (c->l_qseq+1)/2;
 203         if (bam_is_be) swap_endian_data(c, b->data_len, b->data);
 204         return 4 + block_len;
 205 }
 206
 207 inline int bam_write1_core(bamFile fp, const bam1_core_t *c, int data_len, uint8_t *data)
 208 {
 209         uint32_t x[8], block_len = data_len + BAM_CORE_SIZE, y;
 210         int i;
 211         assert(BAM_CORE_SIZE == 32);
 212         x[0] = c->tid;
 213         x[1] = c->pos;
 214         x[2] = (uint32_t)c->bin<<16 | c->qual<<8 | c->l_qname;
 215         x[3] = (uint32_t)c->flag<<16 | c->n_cigar;
 216         x[4] = c->l_qseq;
 217         x[5] = c->mtid;
 218         x[6] = c->mpos;
 219         x[7] = c->isize;
 220         if (bam_is_be) {
 221                 for (i = 0; i < 8; ++i) bam_swap_endian_4p(x + i);
 222                 y = block_len;
 223                 bam_write(fp, bam_swap_endian_4p(&y), 4);
 224                 swap_endian_data(c, data_len, data);
 225         } else bam_write(fp, &block_len, 4);
 226         bam_write(fp, x, BAM_CORE_SIZE);
 227         bam_write(fp, data, data_len);
 228         if (bam_is_be) swap_endian_data(c, data_len, data);
 229         return 4 + block_len;
 230 }
 231
 232 int bam_write1(bamFile fp, const bam1_t *b)
 233 {
 234         return bam_write1_core(fp, &b->core, b->data_len, b->data);
 235 }
 236
 237 char *bam_format1(const bam_header_t *header, const bam1_t *b)
 238 {
 239         uint8_t *s = bam1_seq(b), *t = bam1_qual(b);
 240         int i;
 241         const bam1_core_t *c = &b->core;
 242         kstring_t str;
 243         str.l = str.m = 0; str.s = 0;
 244
 245         ksprintf(&str, "%s\t%d\t", bam1_qname(b), c->flag);
 246         if (c->tid < 0) kputs("*\t", &str);
 247         else ksprintf(&str, "%s\t", header->target_name[c->tid]);
 248         ksprintf(&str, "%d\t%d\t", c->pos + 1, c->qual);
 249         if (c->n_cigar == 0) kputc('*', &str);
 250         else {
 251                 for (i = 0; i < c->n_cigar; ++i)
 252                         ksprintf(&str, "%d%c", bam1_cigar(b)[i]>>BAM_CIGAR_SHIFT, "MIDNSHP"[bam1_cigar(b)[i]&BAM_CIGAR_MASK]);
 253         }
 254         kputc('\t', &str);
 255         if (c->mtid < 0) kputs("*\t", &str);
 256         else if (c->mtid == c->tid) kputs("=\t", &str);
 257         else ksprintf(&str, "%s\t", header->target_name[c->mtid]);
 258         ksprintf(&str, "%d\t%d\t", c->mpos + 1, c->isize);
 259         for (i = 0; i < c->l_qseq; ++i) kputc(bam_nt16_rev_table[bam1_seqi(s, i)], &str);
 260         kputc('\t', &str);
 261         if (t[0] == 0xff) kputc('*', &str);
 262         else for (i = 0; i < c->l_qseq; ++i) kputc(t[i] + 33, &str);
 263         s = bam1_aux(b);
 264         while (s < b->data + b->data_len) {
 265                 uint8_t type, key[2];
 266                 key[0] = s[0]; key[1] = s[1];
 267                 s += 2; type = *s; ++s;
 268                 ksprintf(&str, "\t%c%c:", key[0], key[1]);
 269                 if (type == 'A') { ksprintf(&str, "A:%c", *s); ++s; }
 270                 else if (type == 'C') { ksprintf(&str, "i:%u", *s); ++s; }
 271                 else if (type == 'c') { ksprintf(&str, "i:%d", *s); ++s; }
 272                 else if (type == 'S') { ksprintf(&str, "i:%u", *(uint16_t*)s); s += 2; }
 273                 else if (type == 's') { ksprintf(&str, "i:%d", *(int16_t*)s); s += 2; }
 274                 else if (type == 'I') { ksprintf(&str, "i:%u", *(uint32_t*)s); s += 4; }
 275                 else if (type == 'i') { ksprintf(&str, "i:%d", *(int32_t*)s); s += 4; }
 276                 else if (type == 'f') { ksprintf(&str, "f:%g", *(float*)s); s += 4; }
 277                 else if (type == 'd') { ksprintf(&str, "d:%lg", *(double*)s); s += 8; }
 278                 else if (type == 'Z' || type == 'H') { ksprintf(&str, "%c:", type); while (*s) kputc(*s++, &str); ++s; }
 279         }
 280         return str.s;
 281 }
 282
 283 void bam_view1(const bam_header_t *header, const bam1_t *b)
 284 {
 285         char *s = bam_format1(header, b);
 286         printf("%s\n", s);
 287 }