]> git.donarmstrong.com Git - samtools.git/blobdiff - bcftools/prob1.c
added "const" to bcf_p1_cal()
[samtools.git] / bcftools / prob1.c
index e2c090ac0dca832292b84a6533446469d63e6ed3..9d418c55acdb5d0b276bda0d718a23708bf24f6a 100644 (file)
@@ -8,11 +8,9 @@
 #include "kseq.h"
 KSTREAM_INIT(gzFile, gzread, 16384)
 
-#define MC_AVG_ERR 0.007
 #define MC_MAX_EM_ITER 16
 #define MC_EM_EPS 1e-4
-
-//#define _BCF_QUAD
+#define MC_DEF_INDEL 0.15
 
 unsigned char seq_nt4_table[256] = {
        4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4, 
@@ -34,35 +32,55 @@ unsigned char seq_nt4_table[256] = {
 };
 
 struct __bcf_p1aux_t {
-       int n, M, n1;
+       int n, M, n1, is_indel;
        double *q2p, *pdg; // pdg -> P(D|g)
-       double *phi;
+       double *phi, *phi_indel;
        double *z, *zswap; // aux for afs
-       double *z1, *z2; // only calculated when n1 is set
+       double *z1, *z2, *phi1, *phi2; // only calculated when n1 is set
        double t, t1, t2;
        double *afs, *afs1; // afs: accumulative AFS; afs1: site posterior distribution
-       double *k1k2;
        const uint8_t *PL; // point to PL
        int PL_len;
 };
 
-void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
+void bcf_p1_indel_prior(bcf_p1aux_t *ma, double x)
+{
+       int i;
+       for (i = 0; i < ma->M; ++i)
+               ma->phi_indel[i] = ma->phi[i] * x;
+       ma->phi_indel[ma->M] = 1. - ma->phi[ma->M] * x;
+}
+
+static void init_prior(int type, double theta, int M, double *phi)
 {
        int i;
        if (type == MC_PTYPE_COND2) {
-               for (i = 0; i <= ma->M; ++i)
-                       ma->phi[i] = 2. * (i + 1) / (ma->M + 1) / (ma->M + 2);
+               for (i = 0; i <= M; ++i)
+                       phi[i] = 2. * (i + 1) / (M + 1) / (M + 2);
        } else if (type == MC_PTYPE_FLAT) {
-               for (i = 0; i <= ma->M; ++i)
-                       ma->phi[i] = 1. / (ma->M + 1);
+               for (i = 0; i <= M; ++i)
+                       phi[i] = 1. / (M + 1);
        } else {
                double sum;
-               for (i = 0, sum = 0.; i < ma->M; ++i)
-                       sum += (ma->phi[i] = theta / (ma->M - i));
-               ma->phi[ma->M] = 1. - sum;
+               for (i = 0, sum = 0.; i < M; ++i)
+                       sum += (phi[i] = theta / (M - i));
+               phi[M] = 1. - sum;
        }
 }
 
+void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
+{
+       init_prior(type, theta, ma->M, ma->phi);
+       bcf_p1_indel_prior(ma, MC_DEF_INDEL);
+}
+
+void bcf_p1_init_subprior(bcf_p1aux_t *ma, int type, double theta)
+{
+       if (ma->n1 <= 0 || ma->n1 >= ma->M) return;
+       init_prior(type, theta, 2*ma->n1, ma->phi1);
+       init_prior(type, theta, 2*(ma->n - ma->n1), ma->phi2);
+}
+
 int bcf_p1_read_prior(bcf_p1aux_t *ma, const char *fn)
 {
        gzFile fp;
@@ -97,6 +115,11 @@ int bcf_p1_read_prior(bcf_p1aux_t *ma, const char *fn)
        for (k = 0; k <= ma->M; ++k) ma->phi[k] /= sum;
        for (k = 0; k <= ma->M; ++k) fprintf(stderr, " %d:%.3lg", k, ma->phi[ma->M - k]);
        fputc('\n', stderr);
+       for (sum = 0., k = 1; k < ma->M; ++k) sum += ma->phi[ma->M - k] * (2.* k * (ma->M - k) / ma->M / (ma->M - 1));
+       fprintf(stderr, "[%s] heterozygosity=%lf, ", __func__, (double)sum);
+       for (sum = 0., k = 1; k <= ma->M; ++k) sum += k * ma->phi[ma->M - k] / ma->M;
+       fprintf(stderr, "theta=%lf\n", (double)sum);
+       bcf_p1_indel_prior(ma, MC_DEF_INDEL);
        return 0;
 }
 
@@ -110,6 +133,9 @@ bcf_p1aux_t *bcf_p1_init(int n)
        ma->q2p = calloc(256, sizeof(double));
        ma->pdg = calloc(3 * ma->n, sizeof(double));
        ma->phi = calloc(ma->M + 1, sizeof(double));
+       ma->phi_indel = calloc(ma->M + 1, sizeof(double));
+       ma->phi1 = calloc(ma->M + 1, sizeof(double));
+       ma->phi2 = calloc(ma->M + 1, sizeof(double));
        ma->z = calloc(2 * ma->n + 1, sizeof(double));
        ma->zswap = calloc(2 * ma->n + 1, sizeof(double));
        ma->z1 = calloc(ma->M + 1, sizeof(double)); // actually we do not need this large
@@ -122,26 +148,10 @@ bcf_p1aux_t *bcf_p1_init(int n)
        return ma;
 }
 
-#ifdef _BCF_QUAD
-static double lbinom(int n, int k)
-{
-       return lgamma(n+1) - lgamma(k+1) - lgamma(n-k+1);
-}
-#endif
-
 int bcf_p1_set_n1(bcf_p1aux_t *b, int n1)
 {
        if (n1 == 0 || n1 >= b->n) return -1;
        b->n1 = n1;
-#ifdef _BCF_QUAD
-       {
-               int k1, k2, n2 = b->n - b->n1;
-               b->k1k2 = calloc((2*n1+1) * (2*n2+1), sizeof(double));
-               for (k1 = 0; k1 <= 2*n1; ++k1)
-                       for (k2 = 0; k2 <= 2*n2; ++k2)
-                               b->k1k2[k1*(2*n2+1)+k2] = exp(lbinom(2*n1,k1) + lbinom(2*n2,k2) - lbinom(b->M,k1+k2));
-       }
-#endif
        return 0;
 }
 
@@ -149,16 +159,13 @@ void bcf_p1_destroy(bcf_p1aux_t *ma)
 {
        if (ma) {
                free(ma->q2p); free(ma->pdg);
-               free(ma->phi);
+               free(ma->phi); free(ma->phi_indel); free(ma->phi1); free(ma->phi2);
                free(ma->z); free(ma->zswap); free(ma->z1); free(ma->z2);
                free(ma->afs); free(ma->afs1);
-               free(ma->k1k2);
                free(ma);
        }
 }
 
-#define char2int(s) (((int)s[0])<<8|s[1])
-
 static int cal_pdg(const bcf1_t *b, bcf_p1aux_t *ma)
 {
        int i, j, k;
@@ -212,7 +219,7 @@ int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
        }
        max = 1. - max;
        if (max < 1e-308) max = 1e-308;
-       q = (int)(-3.434 * log(max) + .499);
+       q = (int)(-4.343 * log(max) + .499);
        if (q > 99) q = 99;
        return q<<2|max_i;
 }
@@ -279,79 +286,52 @@ static void mc_cal_y(bcf_p1aux_t *ma)
                x = expl(ma->t - (ma->t1 + ma->t2));
                for (k = 0; k <= ma->M; ++k) ma->z[k] *= x;
        } else mc_cal_y_core(ma, 0);
-#ifdef _BCF_QUAD
-/*
-       if (ma->n1 > 0 && ma->n1 < ma->n) { // DEBUG: consistency check; z[i] should equal y[i]
-               int i, k1, k2, n1 = ma->n1, n2 = ma->n - n1;
-               double *y;
-               printf("*** ");
-               y = calloc(ma->M + 1, sizeof(double));
-               for (k1 = 0; k1 <= 2*n1; ++k1)
-                       for (k2 = 0; k2 <= 2*n2; ++k2)
-                               y[k1+k2] += ma->k1k2[k1*(2*n2+1)+k2] * ma->z1[k1] * ma->z2[k2];
-               for (i = 0; i <= ma->M; ++i) printf("(%lf,%lf) ", ma->z[i], y[i]);
-               printf("\n");
-               free(y);
-       }
-*/
-#endif
 }
 
 static void contrast(bcf_p1aux_t *ma, double pc[4]) // mc_cal_y() must be called before hand
 {
        int k, n1 = ma->n1, n2 = ma->n - ma->n1;
-       long double sum = -1., x, sum_alt;
-       double y;
+       long double sum1, sum2;
        pc[0] = pc[1] = pc[2] = pc[3] = -1.;
        if (n1 <= 0 || n2 <= 0) return;
-#ifdef _BCF_QUAD
-       { // FIXME: can be improved by skipping zero cells
-               int k1, k2;
-               long double z[3];
-               z[0] = z[1] = z[2] = 0.;
-               for (k1 = 0; k1 <= 2*n1; ++k1)
-                       for (k2 = 0; k2 <= 2*n2; ++k2) {
-                               double zz = ma->phi[k1+k2] * ma->z1[k1] * ma->z2[k2] * ma->k1k2[k1*(2*n2+1)+k2];
-                               if ((double)k1/n1 < (double)k2/n2) z[0] += zz;
-                               else if ((double)k1/n1 > (double)k2/n2) z[1] += zz;
-                               else z[2] += zz;
-                       }
-               sum = z[0] + z[1] + z[2];
-               pc[2] = z[0] / sum; pc[3] = z[1] / sum;
-       }
-#endif
-       for (k = 0, sum_alt = 0.; k <= ma->M; ++k)
-               sum_alt += (long double)ma->phi[k] * ma->z[k];
-//     printf("* %lg, %lg *\n", (double)sum, (double)sum_alt); // DEBUG: sum should equal sum_alt
-       sum = sum_alt;
-       y = lgamma(2*n1 + 1) - lgamma(ma->M + 1);
-       for (k = 1, x = 0.; k <= 2 * n2; ++k)
-               x += ma->phi[k] * ma->z2[k] * exp(lgamma(ma->M - k + 1) - lgamma(2*n2 - k + 1) + y);
-       pc[0] = ma->z1[0] * x / sum;
-       y = lgamma(2*n2 + 1) - lgamma(ma->M + 1);
-       for (k = 1, x = 0.; k <= 2 * n1; ++k)
-               x += ma->phi[k] * ma->z1[k] * exp(lgamma(ma->M - k + 1) - lgamma(2*n1 - k + 1) + y);
-       pc[1] = ma->z2[0] * x / sum;
-       for (k = 0; k < 4; ++k) {
-               y = 1. - pc[k];
-               if (y <= 0.) y = 1e-100;
-               pc[k] = (int)(-3.434 * log(y) + .499);
-               if (pc[k] > 99.) pc[k] = 99.;
+       for (k = 0, sum1 = 0.; k <= 2*n1; ++k) sum1 += ma->phi1[k] * ma->z1[k];
+       for (k = 0, sum2 = 0.; k <= 2*n2; ++k) sum2 += ma->phi2[k] * ma->z2[k];
+       pc[2] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1;
+       pc[3] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2;
+       for (k = 2; k < 4; ++k) {
+               pc[k] = pc[k] > .5? -(-4.343 * log(1. - pc[k] + TINY) + .499) : -4.343 * log(pc[k] + TINY) + .499;
+               pc[k] = (int)pc[k];
+               if (pc[k] > 99) pc[k] = 99;
+               if (pc[k] < -99) pc[k] = -99;
        }
+       pc[0] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2 * (1. - ma->phi1[2*n1] * ma->z1[2*n1] / sum1);
+       pc[1] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1 * (1. - ma->phi2[2*n2] * ma->z2[2*n2] / sum2);
+       pc[0] = pc[0] == 1.? 99 : (int)(-4.343 * log(1. - pc[0]) + .499);
+       pc[1] = pc[1] == 1.? 99 : (int)(-4.343 * log(1. - pc[1]) + .499);
 }
 
-static double mc_cal_afs(bcf_p1aux_t *ma)
+static double mc_cal_afs(bcf_p1aux_t *ma, double *p_ref_folded, double *p_var_folded)
 {
        int k;
-       long double sum = 0.;
+       long double sum = 0., sum2;
+       double *phi = ma->is_indel? ma->phi_indel : ma->phi;
        memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
        mc_cal_y(ma);
+       // compute AFS
        for (k = 0, sum = 0.; k <= ma->M; ++k)
-               sum += (long double)ma->phi[k] * ma->z[k];
+               sum += (long double)phi[k] * ma->z[k];
        for (k = 0; k <= ma->M; ++k) {
-               ma->afs1[k] = ma->phi[k] * ma->z[k] / sum;
+               ma->afs1[k] = phi[k] * ma->z[k] / sum;
                if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
        }
+       // compute folded variant probability
+       for (k = 0, sum = 0.; k <= ma->M; ++k)
+               sum += (long double)(phi[k] + phi[ma->M - k]) / 2. * ma->z[k];
+       for (k = 1, sum2 = 0.; k < ma->M; ++k)
+               sum2 += (long double)(phi[k] + phi[ma->M - k]) / 2. * ma->z[k];
+       *p_var_folded = sum2 / sum;
+       *p_ref_folded = (phi[k] + phi[ma->M - k]) / 2. * (ma->z[ma->M] + ma->z[0]) / sum;
+       // the expected frequency
        for (k = 0, sum = 0.; k <= ma->M; ++k) {
                ma->afs[k] += ma->afs1[k];
                sum += k * ma->afs1[k];
@@ -385,13 +365,14 @@ long double bcf_p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
        return pd;
 }
 
-int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
+int bcf_p1_cal(const bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 {
        int i, k;
        long double sum = 0.;
+       ma->is_indel = bcf_is_indel(b);
        // set PL and PL_len
        for (i = 0; i < b->n_gi; ++i) {
-               if (b->gi[i].fmt == char2int("PL")) {
+               if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
                        ma->PL = (uint8_t*)b->gi[i].data;
                        ma->PL_len = b->gi[i].len;
                        break;
@@ -400,8 +381,11 @@ int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
        if (b->n_alleles < 2) return -1; // FIXME: find a better solution
        // 
        rst->rank0 = cal_pdg(b, ma);
-       rst->f_exp = mc_cal_afs(ma);
+       rst->f_exp = mc_cal_afs(ma, &rst->p_ref_folded, &rst->p_var_folded);
        rst->p_ref = ma->afs1[ma->M];
+       for (k = 0, sum = 0.; k < ma->M; ++k)
+               sum += ma->afs1[k];
+       rst->p_var = (double)sum;
        // calculate f_flat and f_em
        for (k = 0, sum = 0.; k <= ma->M; ++k)
                sum += (long double)ma->z[k];
@@ -419,9 +403,21 @@ int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
                        flast = rst->f_em;
                }
        }
+       { // estimate equal-tail credible interval (95% level)
+               int l, h;
+               double p;
+               for (i = 0, p = 0.; i < ma->M; ++i)
+                       if (p + ma->afs1[i] > 0.025) break;
+                       else p += ma->afs1[i];
+               l = i;
+               for (i = ma->M-1, p = 0.; i >= 0; --i)
+                       if (p + ma->afs1[i] > 0.025) break;
+                       else p += ma->afs1[i];
+               h = i;
+               rst->cil = (double)(ma->M - h) / ma->M; rst->cih = (double)(ma->M - l) / ma->M;
+       }
        rst->g[0] = rst->g[1] = rst->g[2] = -1.;
        contrast(ma, rst->pc);
-//     bcf_p1_cal_g3(ma, rst->g);
        return 0;
 }