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         HIT_INT_TYPE 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));
  89                         assert((b->core.flag & 0x0001) && (b2->core.flag & 0x0001));
  90                         assert((b->core.flag & 0x0040) && (b2->core.flag & 0x0080) || (b->core.flag & 0x0080) && (b2->core.flag & 0x0040));
  91                         ++cnt;
  92                 }
  93
  94                 if (cnt % 1000000 == 0) { printf("."); fflush(stdout); }
  95
  96                 // at least one segment is not properly mapped
  97                 bool notgood = (b->core.flag & 0x0004) || (isPaired && (b2->core.flag & 0x0004));
  98
  99
 100                 if (isPaired && notgood) assert((b->core.flag & 0x0004) && (b2->core.flag & 0x0004));
 101
 102
 103                 if (!notgood) {
 104                   if (isPaired) assert((b->core.tid == b2->core.tid) && (b->core.flag & 0x0040) && (b2->core.flag & 0x0080)); // for collapsing
 105
 106                   const Transcript& transcript = transcripts.getTranscriptViaEid(b->core.tid + 1);
 107
 108                   convert(b, transcript);
 109                   if (isPaired) {
 110                     convert(b2, transcript);
 111                     b->core.mpos = b2->core.pos;
 112                     b2->core.mpos = b->core.pos;
 113                   }
 114
 115                   if (cqname != bam1_qname(b)) {
 116                     writeCollapsedLines();
 117                     cqname = bam1_qname(b);
 118                     collapseMap.init(isPaired);
 119                   }
 120                   collapseMap.insert(b, b2, bam_aux2f(bam_aux_get(b, "ZW")));
 121                 }
 122                 else {
 123                   assert(cqname != bam1_qname(b));
 124
 125                   writeCollapsedLines();
 126                   cqname = bam1_qname(b);
 127                   collapseMap.init(isPaired);
 128
 129                   samwrite(out, b);
 130                   if (isPaired) samwrite(out, b2);
 131                 }
 132
 133         }
 134
 135         writeCollapsedLines();
 136
 137         bam_destroy1(b);
 138         bam_destroy1(b2);
 139
 140         if (cnt >= 1000000) printf("\n");
 141 }
 142
 143 void BamConverter::convert(bam1_t* b, const Transcript& transcript) {
 144         int pos = b->core.pos;
 145         int readlen = b->core.l_qseq;
 146
 147         general_assert(readlen > 0, "One alignment line has SEQ field as *. RSEM does not support this currently!");
 148
 149         iter = refmap.find(transcript.getSeqName());
 150         assert(iter != refmap.end());
 151         b->core.tid = iter->second;
 152         if (b->core.flag & 0x0001) { b->core.mtid = b->core.tid; }
 153         b->core.qual = 255; // set to not available temporarily
 154
 155         if (transcript.getStrand() == '-') {
 156                 b->core.flag ^= 0x0010;
 157                 if (b->core.flag & 0x0001) {
 158                         b->core.flag ^= 0x0020;
 159                         b->core.isize = -b->core.isize;
 160                 }
 161                 flipSeq(bam1_seq(b), readlen);
 162                 flipQual(bam1_qual(b), readlen);
 163         }
 164
 165         std::vector<uint32_t> data;
 166         data.clear();
 167
 168         int core_pos, core_n_cigar;
 169         tr2chr(transcript, pos + 1, pos + readlen, core_pos, core_n_cigar, data);
 170         assert(core_pos >= 0);
 171
 172         int rest_len = b->data_len - b->core.l_qname - b->core.n_cigar * 4;
 173         b->data_len = b->core.l_qname + core_n_cigar * 4 + rest_len;
 174         expand_data_size(b);
 175         uint8_t* pt = b->data + b->core.l_qname;
 176         memmove(pt + core_n_cigar * 4, pt + b->core.n_cigar * 4, rest_len);
 177         for (int i = 0; i < core_n_cigar; i++) { memmove(pt, &data[i], 4); pt += 4; }
 178
 179         b->core.pos = core_pos;
 180         b->core.n_cigar = core_n_cigar;
 181         b->core.bin = bam_reg2bin(b->core.pos, bam_calend(&(b->core), bam1_cigar(b)));
 182
 183         addXSTag(b, transcript); // check if need to add XS tag, if need, add it
 184 }
 185
 186 inline void BamConverter::writeCollapsedLines() {
 187         bam1_t *tmp_b = NULL,*tmp_b2 = NULL;
 188         float prb;
 189         bool isPaired;
 190
 191         if (!collapseMap.empty(isPaired)) {
 192                 while (collapseMap.next(tmp_b, tmp_b2, prb)) {
 193                         memcpy(bam_aux_get(tmp_b, "ZW") + 1, (uint8_t*)&(prb), bam_aux_type2size('f'));
 194                         tmp_b->core.qual = getMAPQ(prb);
 195                         samwrite(out, tmp_b);
 196                         if (isPaired) {
 197                           memcpy(bam_aux_get(tmp_b2, "ZW") + 1, (uint8_t*)&(prb), bam_aux_type2size('f'));
 198                           tmp_b2->core.qual = tmp_b->core.qual;
 199                           samwrite(out, tmp_b2);
 200                         }
 201                         bam_destroy1(tmp_b);
 202                         if (isPaired) bam_destroy1(tmp_b2);
 203                 }
 204         }
 205 }
 206
 207 inline void BamConverter::flipSeq(uint8_t* s, int readlen) {
 208         uint8_t code, base;
 209         std::vector<uint8_t> seq;
 210
 211         code = 0; base = 0;
 212         seq.clear();
 213         for (int i = 0; i < readlen; i++) {
 214                 switch (bam1_seqi(s, readlen - i - 1)) {
 215                 case 1: base = 8; break;
 216                 case 2: base = 4; break;
 217                 case 4: base = 2; break;
 218                 case 8: base = 1; break;
 219                 case 15: base = 15; break;
 220                 default: assert(false);
 221                 }
 222                 code |=  base << (4 * (1 - i % 2));
 223                 if (i % 2 == 1) { seq.push_back(code); code = 0; }
 224         }
 225         if (readlen % 2 == 1) { seq.push_back(code); }
 226
 227         for (int i = 0; i < (int)seq.size(); i++) s[i] = seq[i];
 228 }
 229
 230 inline void BamConverter::flipQual(uint8_t* q, int readlen) {
 231         int32_t mid = readlen / 2;
 232         uint8_t tmp;
 233         for (int i = 0; i < mid; i++) {
 234                 tmp = q[i]; q[i] = q[readlen - i - 1]; q[readlen -i -1] = tmp;
 235         }
 236 }
 237
 238 inline void BamConverter::addXSTag(bam1_t* b, const Transcript& transcript) {
 239         uint32_t* p = bam1_cigar(b);
 240         bool hasN = false;
 241         for (int i = 0; i < (int)b->core.n_cigar; i++)
 242                 if ((*(p + i) & BAM_CIGAR_MASK) == BAM_CREF_SKIP) { hasN = true; break; }
 243         if (!hasN) return;
 244         char strand = transcript.getStrand();
 245         bam_aux_append(b, "XS", 'A', 1, (uint8_t*)&strand);
 246 }
 247
 248 #endif /* BAMCONVERTER_H_ */