BamConverter.h

   1 #ifndef BAMCONVERTER_H_
   2 #define BAMCONVERTER_H_
   3
   4 #include<cstdio>
   5 #include<cstring>
   6 #include<cassert>
   7 #include<string>
   8 #include<map>
   9
  10 #include <stdint.h>
  11 #include "sam/bam.h"
  12 #include "sam/sam.h"
  13 #include "sam_rsem_aux.h"
  14 #include "sam_rsem_cvt.h"
  15
  16 #include "utils.h"
  17 #include "my_assert.h"
  18 #include "bc_aux.h"
  19 #include "Transcript.h"
  20 #include "Transcripts.h"
  21
  22 class BamConverter {
  23 public:
  24         BamConverter(const char*, const char*, const char*, Transcripts&);
  25         ~BamConverter();
  26
  27         void process();
  28 private:
  29         samfile_t *in, *out;
  30         Transcripts& transcripts;
  31
  32         std::map<std::string, int> refmap;
  33         std::map<std::string, int>::iterator iter;
  34
  35         CollapseMap collapseMap;
  36
  37         void convert(bam1_t*, const Transcript&);
  38
  39         void writeCollapsedLines();
  40         void flipSeq(uint8_t*, int);
  41         void flipQual(uint8_t*, int);
  42         void addXSTag(bam1_t*, const Transcript&);
  43 };
  44
  45 BamConverter::BamConverter(const char* inpF, const char* outF, const char* chr_list, Transcripts& transcripts)
  46         : transcripts(transcripts)
  47 {
  48         general_assert(transcripts.getType() == 0, "Genome information is not provided! RSEM cannot convert the transcript bam file!");
  49
  50         in = samopen(inpF, "rb", NULL);
  51         assert(in != 0);
  52
  53         transcripts.buildMappings(in->header->n_targets, in->header->target_name);
  54
  55         bam_header_t *out_header = sam_header_read2(chr_list);
  56         refmap.clear();
  57         for (int i = 0; i < out_header->n_targets; i++) {
  58                 refmap[out_header->target_name[i]] = i;
  59         }
  60
  61         append_header_text(out_header, in->header->text, in->header->l_text);
  62
  63         out = samopen(outF, "wb", out_header);
  64         assert(out != 0);
  65
  66         bam_header_destroy(out_header);
  67 }
  68
  69 BamConverter::~BamConverter() {
  70         samclose(in);
  71         samclose(out);
  72 }
  73
  74 void BamConverter::process() {
  75         bam1_t *b, *b2;
  76         std::string cqname;
  77         bool isPaired = false;
  78
  79         int cnt = 0;
  80
  81         cqname = "";
  82         b = bam_init1(); b2 = bam_init1();
  83
  84         while (samread(in, b) >= 0) {
  85                 ++cnt;
  86                 isPaired = (b->core.flag & 0x0001) > 0;
  87                 if (isPaired) {
  88                         assert(samread(in, b2) >= 0 && (b2->core.flag & 0x0001) && b->core.tid == b2->core.tid);
  89                         assert((b->core.flag & 0x0040) && (b2->core.flag & 0x0080)); // for collapsing
  90                         ++cnt;
  91                 }
  92
  93                 if (cnt % 1000000 == 0) { printf("."); fflush(stdout); }
  94
  95                 // at least one segment is not properly mapped
  96                 if ((b->core.flag & 0x0004) || (isPaired && (b2->core.flag & 0x0004))) continue;
  97
  98                 const Transcript& transcript = transcripts.getTranscriptViaEid(b->core.tid + 1);
  99
 100                 convert(b, transcript);
 101                 if (isPaired) {
 102                         convert(b2, transcript);
 103                         b->core.mpos = b2->core.pos;
 104                         b2->core.mpos = b->core.pos;
 105                 }
 106
 107                 if (cqname != bam1_qname(b)) {
 108                         writeCollapsedLines();
 109                         cqname = bam1_qname(b);
 110                         collapseMap.init(isPaired);
 111                 }
 112
 113                 collapseMap.insert(b, b2, bam_aux2f(bam_aux_get(b, "ZW")));
 114         }
 115
 116         writeCollapsedLines();
 117
 118         bam_destroy1(b);
 119         bam_destroy1(b2);
 120
 121         if (cnt >= 1000000) printf("\n");
 122 }
 123
 124 void BamConverter::convert(bam1_t* b, const Transcript& transcript) {
 125         int pos = b->core.pos;
 126         int readlen = b->core.l_qseq;
 127
 128         general_assert(readlen > 0, "One alignment line has SEQ field as *. RSEM does not support this currently!");
 129
 130         iter = refmap.find(transcript.getSeqName());
 131         assert(iter != refmap.end());
 132         b->core.tid = iter->second;
 133         if (b->core.flag & 0x0001) { b->core.mtid = b->core.tid; }
 134         b->core.qual = 255; // set to not available temporarily
 135
 136         if (transcript.getStrand() == '-') {
 137                 b->core.flag ^= 0x0010;
 138                 if (b->core.flag & 0x0001) {
 139                         b->core.flag ^= 0x0020;
 140                         b->core.isize = -b->core.isize;
 141                 }
 142                 flipSeq(bam1_seq(b), readlen);
 143                 flipQual(bam1_qual(b), readlen);
 144         }
 145
 146         std::vector<uint32_t> data;
 147         data.clear();
 148
 149         int core_pos, core_n_cigar;
 150         tr2chr(transcript, pos + 1, pos + readlen, core_pos, core_n_cigar, data);
 151         assert(core_pos >= 0);
 152
 153         int rest_len = b->data_len - b->core.l_qname - b->core.n_cigar * 4;
 154         b->data_len = b->core.l_qname + core_n_cigar * 4 + rest_len;
 155         expand_data_size(b);
 156         uint8_t* pt = b->data + b->core.l_qname;
 157         memmove(pt + core_n_cigar * 4, pt + b->core.n_cigar * 4, rest_len);
 158         for (int i = 0; i < core_n_cigar; i++) { memmove(pt, &data[i], 4); pt += 4; }
 159
 160         b->core.pos = core_pos;
 161         b->core.n_cigar = core_n_cigar;
 162         b->core.bin = bam_reg2bin(b->core.pos, bam_calend(&(b->core), bam1_cigar(b)));
 163
 164         addXSTag(b, transcript); // check if need to add XS tag, if need, add it
 165 }
 166
 167 inline void BamConverter::writeCollapsedLines() {
 168         bam1_t *tmp_b = NULL,*tmp_b2 = NULL;
 169         float prb;
 170         bool isPaired;
 171
 172         if (!collapseMap.empty(isPaired)) {
 173                 while (collapseMap.next(tmp_b, tmp_b2, prb)) {
 174                         memcpy(bam_aux_get(tmp_b, "ZW") + 1, (uint8_t*)&(prb), bam_aux_type2size('f'));
 175                         tmp_b->core.qual = getMAPQ(prb);
 176                         if (tmp_b->core.qual > 0) {
 177                                 samwrite(out, tmp_b);
 178                                 if (isPaired) {
 179                                         memcpy(bam_aux_get(tmp_b2, "ZW") + 1, (uint8_t*)&(prb), bam_aux_type2size('f'));
 180                                         tmp_b2->core.qual = tmp_b->core.qual;
 181                                         samwrite(out, tmp_b2);
 182                                 }
 183                         }
 184                         bam_destroy1(tmp_b);
 185                         if (isPaired) bam_destroy1(tmp_b2);
 186
 187                 }
 188         }
 189 }
 190
 191 inline void BamConverter::flipSeq(uint8_t* s, int readlen) {
 192         uint8_t code, base;
 193         std::vector<uint8_t> seq;
 194
 195         code = 0; base = 0;
 196         seq.clear();
 197         for (int i = 0; i < readlen; i++) {
 198                 switch (bam1_seqi(s, readlen - i - 1)) {
 199                 case 1: base = 8; break;
 200                 case 2: base = 4; break;
 201                 case 4: base = 2; break;
 202                 case 8: base = 1; break;
 203                 case 15: base = 15; break;
 204                 default: assert(false);
 205                 }
 206                 code |=  base << (4 * (1 - i % 2));
 207                 if (i % 2 == 1) { seq.push_back(code); code = 0; }
 208         }
 209         if (readlen % 2 == 1) { seq.push_back(code); }
 210
 211         for (int i = 0; i < (int)seq.size(); i++) s[i] = seq[i];
 212 }
 213
 214 inline void BamConverter::flipQual(uint8_t* q, int readlen) {
 215         int32_t mid = readlen / 2;
 216         uint8_t tmp;
 217         for (int i = 0; i < mid; i++) {
 218                 tmp = q[i]; q[i] = q[readlen - i - 1]; q[readlen -i -1] = tmp;
 219         }
 220 }
 221
 222 inline void BamConverter::addXSTag(bam1_t* b, const Transcript& transcript) {
 223         uint32_t* p = bam1_cigar(b);
 224         bool hasN = false;
 225         for (int i = 0; i < (int)b->core.n_cigar; i++)
 226                 if ((*(p + i) & BAM_CIGAR_MASK) == BAM_CREF_SKIP) { hasN = true; break; }
 227         if (!hasN) return;
 228         char strand = transcript.getStrand();
 229         bam_aux_append(b, "XS", 'A', 1, (uint8_t*)&strand);
 230 }
 231
 232 #endif /* BAMCONVERTER_H_ */