]> git.donarmstrong.com Git - samtools.git/blobdiff - kaln.c
Separate kaln and kprobaln as I am preparing further changes. At
[samtools.git] / kaln.c
diff --git a/kaln.c b/kaln.c
index bfb011dbcb0b5c73d2094e1aaa02809d214fc62a..4cba98d3ae4bcc9d9e3ab9a30d537412dbd0f2ed 100644 (file)
--- a/kaln.c
+++ b/kaln.c
@@ -370,171 +370,3 @@ uint32_t *ka_global_core(uint8_t *seq1, int len1, uint8_t *seq2, int len2, const
 
        return cigar;
 }
-
-/***************************
- * Probabilistic extension *
- ***************************/
-
-#define set_u(u, b, i, k) { int x=(i)-(b); x=x>0?x:0; (u)=((k)-x+1)*3; }
-
-ka_probpar_t ka_probpar_def = { 0.0001, 0.1, 1 };
-
-/*
-  The profile HMM is:
-
-    /\      /\             /\        /\             /\
-    I[0]    I[1]           I[k-1]    I[k]           I[L]
-     ^   \   ^   \      \    ^    \   ^   \      \   ^
-     |    \  |    \      \   |     \  |    \      \  |
-    M[0] -> M[1] -> ... -> M[k-1] -> M[k] -> ... -> M[L]   M[L+1]
-         \       \/     \/        \/      \/      /
-          \      /\     /\        /\      /\     /
-            D[1] ->     -> D[k-1] -> D[k] ->
-            \/             \/        \/
-
-  Every {M,I}[k], k=0..L connects M[L+1] at the same probability, while
-  no D[k], k=1..L-1 connects M[L+1]. This means an alignment can end up
-  with M or I but not D.
-
-  Deletions are dumb states which do not emit residues. Frankly, I am
-  not sure if they are handled properly in the following
-  implementation. This is a potential concern to be resolved in future.
- */
-int ka_prob_extend(uint8_t *_ref, int l_ref, uint8_t *_query, int l_query, float *_qual,
-                                  const ka_probpar_t *c, int *state, uint8_t *q)
-{
-       double **f, **b, m[9], f_sink, sI, sM, pf, pb, pD;
-       float *qual;
-       uint8_t *ref, *query;
-       int bw, bw2, i, k, is_diff = 0;
-
-       // FIXME: floating point underflow
-
-       /*** initialization ***/
-       ref = _ref - 1; // change to 1-based coordinate
-       query = _query - 1;
-       qual = _qual - 1;
-       bw = c->bw;
-       bw2 = c->bw * 2 + 1;
-       // allocate forward and backward matrices f[][] and b[][]
-       f = calloc(l_query+1, sizeof(void*));
-       b = calloc(l_query+1, sizeof(void*));
-       for (i = 0; i <= l_query; ++i) {
-               f[i] = calloc(bw2 * 3 + 6, sizeof(double)); // FIXME: this is over-allocated for very short seqs
-               b[i] = calloc(bw2 * 3 + 6, sizeof(double));
-       }
-       // initialize transition probability
-       sM = sI = 1. / (2 * l_query + 2); // the value here seems not to affect results; FIXME: need proof
-       m[0*3+0] = (1 - c->d - c->d) * (1 - sM); m[0*3+1] = m[0*3+2] = c->d * (1 - sM);
-       m[1*3+0] = (1 - c->e) * (1 - sI); m[1*3+1] = c->e * (1 - sI); m[1*3+2] = 0.;
-       m[2*3+0] = 1 - c->e; m[2*3+1] = 0.; m[2*3+2] = c->e;
-       /*** forward ***/
-       // f[0]
-       set_u(k, bw, 0, 0);
-       f[0][k] = 1.;
-       { // write D cells
-               int beg = 1, end = l_ref, x;
-               x = 0 - bw; beg = beg > x? beg : x;
-               x = 0 + bw; end = end < x? end : x;
-               for (k = beg; k <= end; ++k) {
-                       int u, v01;
-                       set_u(u, bw, 0, k); set_u(v01, bw, 0, k-1);
-                       f[0][u+2] = m[2] * f[0][v01+0] + m[8] * f[0][v01+2];
-               }
-       }
-       // f[1..l_query]; core loop
-       for (i = 1; i <= l_query; ++i) {
-               double *fi = f[i], *fi1 = f[i-1];
-               int beg = 0, end = l_ref, x;
-               x = i - bw; beg = beg > x? beg : x; // band start
-               x = i + bw; end = end < x? end : x; // band end
-               for (k = beg; k <= end; ++k) {
-                       int u, v11, v01, v10;
-                       double e;
-                       // FIXME: the following line can be optimized without branching!
-                       e = (ref[k] > 3 || query[i] > 3)? 1. : ref[k] == query[i]? 1. - qual[i] : qual[i] / 3.;
-                       set_u(u, bw, i, k); set_u(v11, bw, i-1, k-1); set_u(v10, bw, i-1, k); set_u(v01, bw, i, k-1);
-                       fi[u+0] = e * (m[0] * fi1[v11+0] + m[3] * fi1[v11+1] + m[6] * fi1[v11+2]);
-                       fi[u+1] = .25 * (m[1] * fi1[v10+0] + m[4] * fi1[v10+1]);
-                       fi[u+2] = m[2] * fi[v01+0] + m[8] * fi[v01+2];
-//                     fprintf(stderr, "F (%d,%d;%d): %lg,%lg,%lg\n", i, k, u, fi[u], fi[u+1], fi[u+2]); // DEBUG
-               }
-       }
-       // sink
-       for (k = 0, f_sink = 0.; k <= l_ref; ++k) {
-               int u;
-               set_u(u, bw, l_query, k);
-               if (u < 3 || u >= bw2*3+3) continue;
-               f_sink += f[l_query][u+0] * sM + f[l_query][u+1] * sI;
-       }
-       pf = f_sink; // this P(x) calculated by the forward algorithm
-       /*** backward ***/
-       // sink
-       for (k = 0; k <= l_ref; ++k) {
-               int u;
-               double *bi = b[l_query];
-               set_u(u, bw, l_query, k);
-               if (u < 3 || u >= bw2*3+3) continue;
-               bi[u+0] = sM; bi[u+1] = sI;
-       }
-       // b[l_query-1..1]; core loop
-       for (i = l_query - 1; i >= 0; --i) {
-               int beg = 0, end = l_ref, x;
-               double *bi = b[i], *bi1 = b[i+1];
-               x = i - bw; beg = beg > x? beg : x;
-               x = i + bw; end = end < x? end : x;
-               for (k = end; k >= beg; --k) {
-                       int u, v11, v01, v10;
-                       double e;
-                       e = k >= l_ref? 0 : (ref[k+1] > 3 || query[i+1] > 3)? 1. : ref[k+1] == query[i+1]? 1. - qual[i+1] : qual[i+1] / 3.;
-                       set_u(u, bw, i, k); set_u(v11, bw, i+1, k+1); set_u(v10, bw, i+1, k); set_u(v01, bw, i, k+1);
-                       bi[u+0] = e * m[0] * bi1[v11+0] + .25 * m[1] * bi1[v10+1] + m[2] * bi[v01+2];
-                       bi[u+1] = e * m[3] * bi1[v11+0] + .25 * m[4] * bi1[v10+1];
-                       bi[u+2] = e * m[6] * bi1[v11+0] + m[8] * bi[v01+2];
-//                     fprintf(stderr, "B (%d,%d;%d): %lg,%lg,%lg\n", i, k, u, bi[u], bi[u+1], bi[u+2]); // DEBUG
-               }
-       }
-       set_u(k, bw, 0, 0);
-       pb = b[0][k];
-       pD = (pf + pb) / 2.;
-       is_diff = fabs(pb/pf - 1.) > 1e-7? 1 : 0;
-       /*** MAP ***/
-       for (i = 1; i <= l_query; ++i) {
-               double sum = 0., *fi = f[i], *bi = b[i], max = 0.;
-               int beg = 0, end = l_ref, x, max_k = -1;
-               x = i - bw; beg = beg > x? beg : x;
-               x = i + bw; end = end < x? end : x;
-               for (k = beg; k <= end; ++k) {
-                       int u;
-                       double z;
-                       set_u(u, bw, i, k);
-                       z = fi[u+0] * bi[u+0]; if (z > max) max = z, max_k = k<<2 | 0; sum += z;
-                       z = fi[u+1] * bi[u+1]; if (z > max) max = z, max_k = k<<2 | 1; sum += z;
-               }
-               max /= sum; sum /= pD; // if everything works as is expected, sum == 1.0
-               if (state) state[i-1] = max_k;
-               if (q) q[i-1] = -4.343 * log(1. - max);
-#ifdef _MAIN
-               fprintf(stderr, "[%d,%.10lg,%.10lg],%d,%lg,%d:%d,%lg\n", is_diff, pf, pb, i, sum, max_k>>2, max_k&3, max);
-#endif
-       }
-       /*** free ***/
-       for (i = 0; i <= l_query; ++i) {
-               free(f[i]); free(b[i]);
-       }
-       free(f); free(b);
-       return 0;
-}
-
-#ifdef _MAIN
-int main()
-{
-       int l_ref = 5, l_query = 3;
-       uint8_t *ref = (uint8_t*)"\0\1\3\3\1";
-//     uint8_t *query = (uint8_t*)"\0\3\3\1";
-       uint8_t *query = (uint8_t*)"\1\3\3\1"; // FIXME: the output is not so right given this input!!!
-       static float qual[4] = {.01, .01, .01, .01};
-       ka_prob_extend(ref, l_ref, query, l_query, qual, &ka_probpar_def, 0, 0);
-       return 0;
-}
-#endif