R/dist.topo.R

   1 ## dist.topo.R (2012-03-13)
   2
   3 ##      Topological Distances, Tree Bipartitions,
   4 ##   Consensus Trees, and Bootstrapping Phylogenies
   5
   6 ## Copyright 2005-2012 Emmanuel Paradis
   7
   8 ## This file is part of the R-package `ape'.
   9 ## See the file ../COPYING for licensing issues.
  10
  11 dist.topo <- function(x, y, method = "PH85")
  12 {
  13     if (method == "score" && (is.null(x$edge.length) || is.null(y$edge.length)))
  14         stop("trees must have branch lengths for branch score distance.")
  15     nx <- length(x$tip.label)
  16     x <- unroot(x)
  17     y <- unroot(y)
  18     bp1 <- .Call("bipartition", x$edge, nx, x$Nnode, PACKAGE = "ape")
  19     bp1 <- lapply(bp1, function(xx) sort(x$tip.label[xx]))
  20     ny <- length(y$tip.label) # fix by Otto Cordero
  21     ## fix by Tim Wallstrom:
  22     bp2.tmp <- .Call("bipartition", y$edge, ny, y$Nnode, PACKAGE = "ape")
  23     bp2 <- lapply(bp2.tmp, function(xx) sort(y$tip.label[xx]))
  24     bp2.comp <- lapply(bp2.tmp, function(xx) setdiff(1:ny, xx))
  25     bp2.comp <- lapply(bp2.comp, function(xx) sort(y$tip.label[xx]))
  26     ## End
  27     q1 <- length(bp1)
  28     q2 <- length(bp2)
  29     if (method == "PH85") {
  30         p <- 0
  31         for (i in 1:q1) {
  32             for (j in 1:q2) {
  33                 if (identical(bp1[[i]], bp2[[j]]) | identical(bp1[[i]], bp2.comp[[j]])) {
  34                     p <- p + 1
  35                     break
  36                 }
  37             }
  38         }
  39         dT <- q1 + q2 - 2 * p # same than:
  40         ##dT <- if (q1 == q2) 2*(q1 - p) else 2*(min(q1, q2) - p) + abs(q1 - q2)
  41     }
  42     if (method == "score") {
  43         dT <- 0
  44         found1 <- FALSE
  45         found2 <- logical(q2)
  46         found2[1] <- TRUE
  47         for (i in 2:q1) {
  48             for (j in 2:q2) {
  49                 if (identical(bp1[[i]], bp2[[j]]) | identical(bp1[[i]], bp2.comp[[j]])) {
  50                     dT <- dT + (x$edge.length[which(x$edge[, 2] == nx + i)] -
  51                                 y$edge.length[which(y$edge[, 2] == ny + j)])^2
  52                     found1 <- found2[j] <- TRUE
  53                     break
  54                 }
  55             }
  56             if (found1) found1 <- FALSE
  57             else dT <- dT + (x$edge.length[which(x$edge[, 2] == nx + i)])^2
  58         }
  59         if (!all(found2))
  60             dT <- dT + sum((y$edge.length[y$edge[, 2] %in% (ny + which(!found2))])^2)
  61         dT <- sqrt(dT)
  62     }
  63     dT
  64 }
  65
  66 .compressTipLabel <- function(x)
  67 {
  68     ## 'x' is a list of objects of class "phylo" possibly with no class
  69     if (!is.null(attr(x, "TipLabel"))) return(x)
  70     ref <- x[[1]]$tip.label
  71     if (any(table(ref) != 1))
  72         stop("some tip labels are duplicated in tree no. 1")
  73     n <- length(ref)
  74     Ntree <- length(x)
  75     if (Ntree > 1) {
  76         for (i in 2:Ntree) {
  77             label <- x[[i]]$tip.label
  78             if (!identical(label, ref)) {
  79                 if (length(label) != length(ref))
  80                     stop(paste("tree no.", i, "has a different number of tips"))
  81                 ilab <- match(label, ref)
  82                 ## can use tabulate here because 'ilab' contains integers
  83                 if (any(is.na(ilab)))
  84                     stop(paste("tree no.", i, "has different tip labels"))
  85 ### <FIXME> the test below does not seem useful anymore
  86 ###            if (any(tabulate(ilab) > 1))
  87 ###                stop(paste("some tip labels are duplicated in tree no.", i))
  88 ### </FIXME>
  89                 ie <- match(1:n, x[[i]]$edge[, 2])
  90                 x[[i]]$edge[ie, 2] <- ilab
  91             }
  92             x[[i]]$tip.label <- NULL
  93         }
  94     }
  95     x[[1]]$tip.label <- NULL
  96     attr(x, "TipLabel") <- ref
  97     x
  98 }
  99
 100 prop.part <- function(..., check.labels = TRUE)
 101 {
 102     obj <- list(...)
 103     if (length(obj) == 1 && class(obj[[1]]) != "phylo")
 104         obj <- obj[[1]]
 105     ## <FIXME>
 106     ## class(obj) <- NULL # needed? apparently not, see below (2010-11-18)
 107     ## </FIXME>
 108     ntree <- length(obj)
 109     if (ntree == 1) check.labels <- FALSE
 110     if (check.labels) obj <- .compressTipLabel(obj) # fix by Klaus Schliep (2011-02-21)
 111     for (i in 1:ntree) storage.mode(obj[[i]]$Nnode) <- "integer"
 112     ## <FIXME>
 113     ## The 1st must have tip labels
 114     ## Maybe simply pass the number of tips to the C code??
 115     obj <- .uncompressTipLabel(obj) # fix a bug (2010-11-18)
 116     ## </FIXME>
 117     clades <- .Call("prop_part", obj, ntree, TRUE, PACKAGE = "ape")
 118     attr(clades, "number") <- attr(clades, "number")[1:length(clades)]
 119     attr(clades, "labels") <- obj[[1]]$tip.label
 120     class(clades) <- "prop.part"
 121     clades
 122 }
 123
 124 print.prop.part <- function(x, ...)
 125 {
 126     if (is.null(attr(x, "labels"))) {
 127         for (i in 1:length(x)) {
 128             cat("==>", attr(x, "number")[i], "time(s):")
 129             print(x[[i]], quote = FALSE)
 130         }
 131     } else {
 132         for (i in 1:length(attr(x, "labels")))
 133           cat(i, ": ", attr(x, "labels")[i], "\n", sep = "")
 134         cat("\n")
 135         for (i in 1:length(x)) {
 136             cat("==>", attr(x, "number")[i], "time(s):")
 137             print(x[[i]], quote = FALSE)
 138         }
 139     }
 140 }
 141
 142 summary.prop.part <- function(object, ...) attr(object, "number")
 143
 144 plot.prop.part <- function(x, barcol = "blue", leftmar = 4, ...)
 145 {
 146     if (is.null(attr(x, "labels")))
 147       stop("cannot plot this partition object; see ?prop.part for details.")
 148     L <- length(x)
 149     n <- length(attr(x, "labels"))
 150     layout(matrix(1:2, 2, 1), heights = c(1, 3))
 151     par(mar = c(0.1, leftmar, 0.1, 0.1))
 152     plot(1:L, attr(x, "number"), type = "h", col = barcol, xlim = c(1, L),
 153          xlab = "", ylab = "Frequency", xaxt = "n", bty = "n")
 154     plot(0, type = "n", xlim = c(1, L), ylim = c(1, n),
 155          xlab = "", ylab = "", xaxt = "n", yaxt = "n")
 156     for (i in 1:L) points(rep(i, length(x[[i]])), x[[i]], ...)
 157     mtext(attr(x, "labels"), side = 2, at = 1:n, las = 1)
 158 }
 159
 160 prop.clades <- function(phy, ..., part = NULL, rooted = FALSE)
 161 {
 162     if (is.null(part)) {
 163         ## <FIXME>
 164         ## Are we going to keep the '...' way of passing trees?
 165         obj <- list(...)
 166         if (length(obj) == 1 && class(obj[[1]]) != "phylo")
 167             obj <- unlist(obj, recursive = FALSE)
 168         ## </FIXME>
 169         part <- prop.part(obj, check.labels = TRUE)
 170     }
 171
 172     bp <- prop.part(phy)
 173     if (!rooted) {
 174         bp <- postprocess.prop.part(bp)
 175         part <- postprocess.prop.part(part) # fix by Klaus Schliep
 176         ## actually the above line in not needed if called from boot.phylo()
 177     }
 178
 179     n <- numeric(phy$Nnode)
 180     for (i in seq_along(bp)) {
 181         for (j in seq_along(part)) {
 182             ## we rely on the fact the values returned by prop.part are
 183             ## sorted and without attributes, so identical can be used:
 184             if (identical(bp[[i]], part[[j]])) {
 185                 n[i] <- attr(part, "number")[j]
 186                 done <-  TRUE
 187                 break
 188             }
 189         }
 190     }
 191     n
 192 }
 193
 194 boot.phylo <- function(phy, x, FUN, B = 100, block = 1,
 195                        trees = FALSE, quiet = FALSE, rooted = FALSE)
 196 {
 197     if (is.list(x) && !is.data.frame(x)) {
 198         if (inherits(x, "DNAbin")) x <- as.matrix(x)
 199         else {
 200             nm <- names(x)
 201             n <- length(x)
 202             x <- unlist(x)
 203             nL <- length(x)
 204             x <- matrix(x, n, nL/n, byrow = TRUE)
 205             rownames(x) <- nm
 206         }
 207     }
 208     boot.tree <- vector("list", B)
 209     if (!quiet) # suggestion by Alastair Potts
 210         progbar <- utils::txtProgressBar(style = 3)
 211     for (i in 1:B) {
 212         if (block > 1) {
 213             y <- seq(block, ncol(x), block)
 214             boot.i <- sample(y, replace = TRUE)
 215             boot.samp <- numeric(ncol(x))
 216             boot.samp[y] <- boot.i
 217             for (j in 1:(block - 1))
 218                 boot.samp[y - j] <- boot.i - j
 219         } else boot.samp <- sample(ncol(x), replace = TRUE)
 220         boot.tree[[i]] <- FUN(x[, boot.samp])
 221         if (!quiet) utils::setTxtProgressBar(progbar, i/B)
 222     }
 223     if (!quiet) close(progbar)
 224     for (i in 1:B) storage.mode(boot.tree[[i]]$Nnode) <- "integer"
 225     storage.mode(phy$Nnode) <- "integer"
 226
 227     pp <- prop.part(boot.tree)
 228     if (!rooted) pp <- postprocess.prop.part(pp)
 229     ans <- prop.clades(phy, part = pp, rooted = rooted)
 230
 231     ##ans <- attr(.Call("prop_part", c(list(phy), boot.tree),
 232     ##                  B + 1, FALSE, PACKAGE = "ape"), "number") - 1
 233     if (trees) {
 234         class(boot.tree) <- "multiPhylo"
 235         ans <- list(BP = ans, trees = boot.tree)
 236     }
 237     ans
 238 }
 239
 240 ### The next function transforms an object of class "prop.part" so
 241 ### that the vectors which are identical in terms of split are aggregated.
 242 ### For instance if n = 5 tips, 1:2 and 3:5 actually represent the same
 243 ### split though they are different clades. The aggregation is done
 244 ### arbitrarily. The call to ONEwise() insures that all splits include
 245 ### the first tip.
 246 postprocess.prop.part <- function(x)
 247 {
 248     n <- length(x[[1]])
 249     N <- length(x)
 250     w <- attr(x, "number")
 251
 252     drop <- logical(N)
 253     V <- numeric(n)
 254     for (i in 2:(N - 1)) {
 255         if (drop[i]) next
 256         A <- x[[i]]
 257         for (j in (i + 1):N) {
 258             if (drop[j]) next
 259             B <- x[[j]]
 260             if (length(A) + length(B) != n) next
 261             V[] <- 0L
 262             V[A] <- 1L
 263             V[B] <- 1L
 264             if (all(V == 1L)) {
 265                 drop[j] <- TRUE
 266                 w[i] <- w[i] + w[j]
 267             }
 268         }
 269     }
 270     if (any(drop)) {
 271         labels <- attr(x, "labels")
 272         x <- x[!drop]
 273         w <- w[!drop]
 274         attr(x, "number") <- w
 275         attr(x, "labels") <- labels
 276         class(x) <- "prop.part"
 277     }
 278     ONEwise(x)
 279 }
 280
 281 ### This function changes an object of class "prop.part" so that they
 282 ### all include the first tip. For instance if n = 5 tips, 3:5 is
 283 ### changed to 1:2.
 284 ONEwise <- function(x)
 285 {
 286     n <- length(x[[1L]])
 287     v <- 1:n
 288     for (i in 2:length(x)) {
 289         y <- x[[i]]
 290         if (y[1] != 1) x[[i]] <- v[-y]
 291     }
 292     x
 293 }
 294
 295 consensus <- function(..., p = 1, check.labels = TRUE)
 296 {
 297     foo <- function(ic, node) {
 298         ## ic: index of 'pp'
 299         ## node: node number in the final tree
 300         pool <- pp[[ic]]
 301         if (ic < m) {
 302             for (j in (ic + 1):m) {
 303                 wh <- match(pp[[j]], pool)
 304                 if (!any(is.na(wh))) {
 305                     edge[pos, 1] <<- node
 306                     pool <- pool[-wh]
 307                     edge[pos, 2] <<- nextnode <<- nextnode + 1L
 308                     pos <<- pos + 1L
 309                     foo(j, nextnode)
 310                 }
 311             }
 312         }
 313         size <- length(pool)
 314         if (size) {
 315             ind <- pos:(pos + size - 1)
 316             edge[ind, 1] <<- node
 317             edge[ind, 2] <<- pool
 318             pos <<- pos + size
 319         }
 320     }
 321     obj <- list(...)
 322     if (length(obj) == 1) {
 323         ## better than unlist(obj, recursive = FALSE)
 324         ## because "[[" keeps the class of 'obj':
 325         obj <- obj[[1]]
 326         if (class(obj) == "phylo") return(obj)
 327     }
 328     if (!is.null(attr(obj, "TipLabel")))
 329         labels <- attr(obj, "TipLabel")
 330     else {
 331         labels <- obj[[1]]$tip.label
 332         if (check.labels) obj <- .compressTipLabel(obj)
 333     }
 334     ntree <- length(obj)
 335     ## Get all observed partitions and their frequencies:
 336     pp <- prop.part(obj, check.labels = FALSE)
 337     ## Drop the partitions whose frequency is less than 'p':
 338     if (p == 0.5) p <- 0.5000001 # avoid incompatible splits
 339     pp <- pp[attr(pp, "number") >= p * ntree]
 340     ## Get the order of the remaining partitions by decreasing size:
 341     ind <- sort(unlist(lapply(pp, length)), decreasing = TRUE,
 342                 index.return = TRUE)$ix
 343     pp <- pp[ind]
 344     n <- length(labels)
 345     m <- length(pp)
 346     edge <- matrix(0L, n + m - 1, 2)
 347     if (m == 1) {
 348         edge[, 1] <- n + 1L
 349         edge[, 2] <- 1:n
 350     } else {
 351         nextnode <- n + 1L
 352         pos <- 1L
 353         foo(1, nextnode)
 354     }
 355     structure(list(edge = edge, tip.label = labels,
 356               Nnode = m), class = "phylo")
 357 }