EM.cpp

   1 #include<ctime>
   2 #include<cmath>
   3 #include<cstdio>
   4 #include<cstdlib>
   5 #include<cstring>
   6 #include<cassert>
   7 #include<string>
   8 #include<vector>
   9 #include<algorithm>
  10 #include<fstream>
  11 #include<iostream>
  12 #include<pthread.h>
  13
  14 #include "utils.h"
  15 #include "my_assert.h"
  16 #include "sampling.h"
  17
  18 #include "Read.h"
  19 #include "SingleRead.h"
  20 #include "SingleReadQ.h"
  21 #include "PairedEndRead.h"
  22 #include "PairedEndReadQ.h"
  23
  24 #include "SingleHit.h"
  25 #include "PairedEndHit.h"
  26
  27 #include "Model.h"
  28 #include "SingleModel.h"
  29 #include "SingleQModel.h"
  30 #include "PairedEndModel.h"
  31 #include "PairedEndQModel.h"
  32
  33 #include "Transcript.h"
  34 #include "Transcripts.h"
  35
  36 #include "Refs.h"
  37 #include "GroupInfo.h"
  38 #include "HitContainer.h"
  39 #include "ReadIndex.h"
  40 #include "ReadReader.h"
  41
  42 #include "ModelParams.h"
  43
  44 #include "HitWrapper.h"
  45 #include "BamWriter.h"
  46
  47 using namespace std;
  48
  49 const double STOP_CRITERIA = 0.001;
  50 const int MAX_ROUND = 10000;
  51 const int MIN_ROUND = 20;
  52
  53 struct Params {
  54         void *model;
  55         void *reader, *hitv, *ncpv, *mhp, *countv;
  56 };
  57
  58 int read_type;
  59 int m, M; // m genes, M isoforms
  60 READ_INT_TYPE N0, N1, N2, N_tot;
  61 int nThreads;
  62
  63
  64 bool genBamF; // If user wants to generate bam file, true; otherwise, false.
  65 bool bamSampling; // true if sampling from read posterior distribution when bam file is generated
  66 bool updateModel, calcExpectedWeights;
  67 bool genGibbsOut; // generate file for Gibbs sampler
  68
  69 char refName[STRLEN], outName[STRLEN];
  70 char imdName[STRLEN], statName[STRLEN];
  71 char refF[STRLEN], groupF[STRLEN], cntF[STRLEN], tiF[STRLEN];
  72 char mparamsF[STRLEN];
  73 char modelF[STRLEN], thetaF[STRLEN];
  74
  75 char inpSamType;
  76 char *pt_fn_list, *pt_chr_list;
  77 char inpSamF[STRLEN], outBamF[STRLEN], fn_list[STRLEN], chr_list[STRLEN];
  78
  79 char out_for_gibbs_F[STRLEN];
  80
  81 vector<double> theta, eel; // eel : expected effective length
  82
  83 double *probv, **countvs;
  84
  85 Refs refs;
  86 GroupInfo gi;
  87 Transcripts transcripts;
  88
  89 ModelParams mparams;
  90
  91 template<class ReadType, class HitType, class ModelType>
  92 void init(ReadReader<ReadType> **&readers, HitContainer<HitType> **&hitvs, double **&ncpvs, ModelType **&mhps) {
  93         READ_INT_TYPE nReads;
  94         HIT_INT_TYPE nHits;
  95         int rt; // read type
  96
  97         READ_INT_TYPE nrLeft, curnr; // nrLeft : number of reads left, curnr: current number of reads
  98         HIT_INT_TYPE nhT; // nhT : hit threshold per thread
  99         char datF[STRLEN];
 100
 101         int s;
 102         char readFs[2][STRLEN];
 103         ReadIndex *indices[2];
 104         ifstream fin;
 105
 106         readers = new ReadReader<ReadType>*[nThreads];
 107         genReadFileNames(imdName, 1, read_type, s, readFs);
 108         for (int i = 0; i < s; i++) {
 109                 indices[i] = new ReadIndex(readFs[i]);
 110         }
 111         for (int i = 0; i < nThreads; i++) {
 112                 readers[i] = new ReadReader<ReadType>(s, readFs, refs.hasPolyA(), mparams.seedLen); // allow calculation of calc_lq() function
 113                 readers[i]->setIndices(indices);
 114         }
 115
 116         hitvs = new HitContainer<HitType>*[nThreads];
 117         for (int i = 0; i < nThreads; i++) {
 118                 hitvs[i] = new HitContainer<HitType>();
 119         }
 120
 121         sprintf(datF, "%s.dat", imdName);
 122         fin.open(datF);
 123         general_assert(fin.is_open(), "Cannot open " + cstrtos(datF) + "! It may not exist.");
 124         fin>>nReads>>nHits>>rt;
 125         general_assert(nReads == N1, "Number of alignable reads does not match!");
 126         general_assert(rt == read_type, "Data file (.dat) does not have the right read type!");
 127
 128
 129         //A just so so strategy for paralleling
 130         nhT = nHits / nThreads;
 131         nrLeft = N1;
 132         curnr = 0;
 133
 134         ncpvs = new double*[nThreads];
 135         for (int i = 0; i < nThreads; i++) {
 136                 HIT_INT_TYPE ntLeft = nThreads - i - 1; // # of threads left
 137
 138                 general_assert(readers[i]->locate(curnr), "Read indices files do not match!");
 139
 140                 while (nrLeft > ntLeft && (i == nThreads - 1 || hitvs[i]->getNHits() < nhT)) {
 141                         general_assert(hitvs[i]->read(fin), "Cannot read alignments from .dat file!");
 142
 143                         --nrLeft;
 144                         if (verbose && nrLeft % 1000000 == 0) { cout<< "DAT "<< nrLeft << " reads left"<< endl; }
 145                 }
 146                 ncpvs[i] = new double[hitvs[i]->getN()];
 147                 memset(ncpvs[i], 0, sizeof(double) * hitvs[i]->getN());
 148                 curnr += hitvs[i]->getN();
 149
 150                 if (verbose) { cout<<"Thread "<< i<< " : N = "<< hitvs[i]->getN()<< ", NHit = "<< hitvs[i]->getNHits()<< endl; }
 151         }
 152
 153         fin.close();
 154
 155         mhps = new ModelType*[nThreads];
 156         for (int i = 0; i < nThreads; i++) {
 157                 mhps[i] = new ModelType(mparams, false); // just model helper
 158         }
 159
 160         probv = new double[M + 1];
 161         countvs = new double*[nThreads];
 162         for (int i = 0; i < nThreads; i++) {
 163                 countvs[i] = new double[M + 1];
 164         }
 165
 166
 167         if (verbose) { printf("EM_init finished!\n"); }
 168 }
 169
 170 template<class ReadType, class HitType, class ModelType>
 171 void* E_STEP(void* arg) {
 172         Params *params = (Params*)arg;
 173         ModelType *model = (ModelType*)(params->model);
 174         ReadReader<ReadType> *reader = (ReadReader<ReadType>*)(params->reader);
 175         HitContainer<HitType> *hitv = (HitContainer<HitType>*)(params->hitv);
 176         double *ncpv = (double*)(params->ncpv);
 177         ModelType *mhp = (ModelType*)(params->mhp);
 178         double *countv = (double*)(params->countv);
 179
 180         bool needCalcConPrb = model->getNeedCalcConPrb();
 181
 182         ReadType read;
 183
 184         READ_INT_TYPE N = hitv->getN();
 185         double sum;
 186         vector<double> fracs; //to remove this, do calculation twice
 187         HIT_INT_TYPE fr, to, id;
 188
 189         if (needCalcConPrb || updateModel) { reader->reset(); }
 190         if (updateModel) { mhp->init(); }
 191
 192         memset(countv, 0, sizeof(double) * (M + 1));
 193         for (READ_INT_TYPE i = 0; i < N; i++) {
 194                 if (needCalcConPrb || updateModel) {
 195                         general_assert(reader->next(read), "Can not load a read!");
 196                 }
 197
 198                 fr = hitv->getSAt(i);
 199                 to = hitv->getSAt(i + 1);
 200                 fracs.resize(to - fr + 1);
 201
 202                 sum = 0.0;
 203
 204                 if (needCalcConPrb) { ncpv[i] = model->getNoiseConPrb(read); }
 205                 fracs[0] = probv[0] * ncpv[i];
 206                 if (fracs[0] < EPSILON) fracs[0] = 0.0;
 207                 sum += fracs[0];
 208                 for (HIT_INT_TYPE j = fr; j < to; j++) {
 209                         HitType &hit = hitv->getHitAt(j);
 210                         if (needCalcConPrb) { hit.setConPrb(model->getConPrb(read, hit)); }
 211                         id = j - fr + 1;
 212                         fracs[id] = probv[hit.getSid()] * hit.getConPrb();
 213                         if (fracs[id] < EPSILON) fracs[id] = 0.0;
 214                         sum += fracs[id];
 215                 }
 216
 217                 if (sum >= EPSILON) {
 218                         fracs[0] /= sum;
 219                         countv[0] += fracs[0];
 220                         if (updateModel) { mhp->updateNoise(read, fracs[0]); }
 221                         if (calcExpectedWeights) { ncpv[i] = fracs[0]; }
 222                         for (HIT_INT_TYPE j = fr; j < to; j++) {
 223                                 HitType &hit = hitv->getHitAt(j);
 224                                 id = j - fr + 1;
 225                                 fracs[id] /= sum;
 226                                 countv[hit.getSid()] += fracs[id];
 227                                 if (updateModel) { mhp->update(read, hit, fracs[id]); }
 228                                 if (calcExpectedWeights) { hit.setConPrb(fracs[id]); }
 229                         }
 230                 }
 231                 else if (calcExpectedWeights) {
 232                         ncpv[i] = 0.0;
 233                         for (HIT_INT_TYPE j = fr; j < to; j++) {
 234                                 HitType &hit = hitv->getHitAt(j);
 235                                 hit.setConPrb(0.0);
 236                         }
 237                 }
 238         }
 239
 240         return NULL;
 241 }
 242
 243 template<class ReadType, class HitType, class ModelType>
 244 void* calcConProbs(void* arg) {
 245         Params *params = (Params*)arg;
 246         ModelType *model = (ModelType*)(params->model);
 247         ReadReader<ReadType> *reader = (ReadReader<ReadType>*)(params->reader);
 248         HitContainer<HitType> *hitv = (HitContainer<HitType>*)(params->hitv);
 249         double *ncpv = (double*)(params->ncpv);
 250
 251         ReadType read;
 252         READ_INT_TYPE N = hitv->getN();
 253         HIT_INT_TYPE fr, to;
 254
 255         assert(model->getNeedCalcConPrb());
 256         reader->reset();
 257
 258         for (READ_INT_TYPE i = 0; i < N; i++) {
 259                 general_assert(reader->next(read), "Can not load a read!");
 260
 261                 fr = hitv->getSAt(i);
 262                 to = hitv->getSAt(i + 1);
 263
 264                 ncpv[i] = model->getNoiseConPrb(read);
 265                 for (HIT_INT_TYPE j = fr; j < to; j++) {
 266                         HitType &hit = hitv->getHitAt(j);
 267                         hit.setConPrb(model->getConPrb(read, hit));
 268                 }
 269         }
 270
 271         return NULL;
 272 }
 273
 274 template<class ModelType>
 275 void calcExpectedEffectiveLengths(ModelType& model) {
 276   int lb, ub, span;
 277   double *pdf = NULL, *cdf = NULL, *clen = NULL; // clen[i] = sigma_{j=1}^{i}pdf[i]*(lb+i)
 278
 279   model.getGLD().copyTo(pdf, cdf, lb, ub, span);
 280   clen = new double[span + 1];
 281   clen[0] = 0.0;
 282   for (int i = 1; i <= span; i++) {
 283     clen[i] = clen[i - 1] + pdf[i] * (lb + i);
 284   }
 285
 286   eel.clear();
 287   eel.resize(M + 1, 0.0);
 288   for (int i = 1; i <= M; i++) {
 289     int totLen = refs.getRef(i).getTotLen();
 290     int fullLen = refs.getRef(i).getFullLen();
 291     int pos1 = max(min(totLen - fullLen + 1, ub) - lb, 0);
 292     int pos2 = max(min(totLen, ub) - lb, 0);
 293
 294     if (pos2 == 0) { eel[i] = 0.0; continue; }
 295
 296     eel[i] = fullLen * cdf[pos1] + ((cdf[pos2] - cdf[pos1]) * (totLen + 1) - (clen[pos2] - clen[pos1]));
 297     assert(eel[i] >= 0);
 298     if (eel[i] < MINEEL) { eel[i] = 0.0; }
 299   }
 300
 301   delete[] pdf;
 302   delete[] cdf;
 303   delete[] clen;
 304 }
 305
 306 template<class ModelType>
 307 void writeResults(ModelType& model, double* counts) {
 308         double denom;
 309         char outF[STRLEN];
 310         FILE *fo;
 311
 312         sprintf(modelF, "%s.model", statName);
 313         model.write(modelF);
 314
 315         //calculate tau values
 316         double *tau = new double[M + 1];
 317         memset(tau, 0, sizeof(double) * (M + 1));
 318
 319         denom = 0.0;
 320         for (int i = 1; i <= M; i++)
 321           if (eel[i] >= EPSILON) {
 322             tau[i] = theta[i] / eel[i];
 323             denom += tau[i];
 324           }
 325
 326         general_assert(denom > 0, "No alignable reads?!");
 327
 328         for (int i = 1; i <= M; i++) {
 329                 tau[i] /= denom;
 330         }
 331
 332         //isoform level results
 333         sprintf(outF, "%s.iso_res", imdName);
 334         fo = fopen(outF, "w");
 335         for (int i = 1; i <= M; i++) {
 336                 const Transcript& transcript = transcripts.getTranscriptAt(i);
 337                 fprintf(fo, "%s%c", transcript.getTranscriptID().c_str(), (i < M ? '\t' : '\n'));
 338         }
 339         for (int i = 1; i <= M; i++)
 340                 fprintf(fo, "%.2f%c", counts[i], (i < M ? '\t' : '\n'));
 341         for (int i = 1; i <= M; i++)
 342                 fprintf(fo, "%.15g%c", tau[i], (i < M ? '\t' : '\n'));
 343         for (int i = 1; i <= M; i++) {
 344                 const Transcript& transcript = transcripts.getTranscriptAt(i);
 345                 fprintf(fo, "%s%c", transcript.getGeneID().c_str(), (i < M ? '\t' : '\n'));
 346         }
 347         fclose(fo);
 348
 349         //gene level results
 350         sprintf(outF, "%s.gene_res", imdName);
 351         fo = fopen(outF, "w");
 352         for (int i = 0; i < m; i++) {
 353                 const string& gene_id = transcripts.getTranscriptAt(gi.spAt(i)).getGeneID();
 354                 fprintf(fo, "%s%c", gene_id.c_str(), (i < m - 1 ? '\t' : '\n'));
 355         }
 356         for (int i = 0; i < m; i++) {
 357                 double sumC = 0.0; // sum of counts
 358                 int b = gi.spAt(i), e = gi.spAt(i + 1);
 359                 for (int j = b; j < e; j++) sumC += counts[j];
 360                 fprintf(fo, "%.2f%c", sumC, (i < m - 1 ? '\t' : '\n'));
 361         }
 362         for (int i = 0; i < m; i++) {
 363                 double sumT = 0.0; // sum of tau values
 364                 int b = gi.spAt(i), e = gi.spAt(i + 1);
 365                 for (int j = b; j < e; j++) sumT += tau[j];
 366                 fprintf(fo, "%.15g%c", sumT, (i < m - 1 ? '\t' : '\n'));
 367         }
 368         for (int i = 0; i < m; i++) {
 369                 int b = gi.spAt(i), e = gi.spAt(i + 1);
 370                 for (int j = b; j < e; j++) {
 371                         fprintf(fo, "%s%c", transcripts.getTranscriptAt(j).getTranscriptID().c_str(), (j < e - 1 ? ',' : (i < m - 1 ? '\t' :'\n')));
 372                 }
 373         }
 374         fclose(fo);
 375
 376         delete[] tau;
 377
 378         if (verbose) { printf("Expression Results are written!\n"); }
 379 }
 380
 381 template<class ReadType, class HitType, class ModelType>
 382 void release(ReadReader<ReadType> **readers, HitContainer<HitType> **hitvs, double **ncpvs, ModelType **mhps) {
 383         delete[] probv;
 384         for (int i = 0; i < nThreads; i++) {
 385                 delete[] countvs[i];
 386         }
 387         delete[] countvs;
 388
 389         for (int i = 0; i < nThreads; i++) {
 390                 delete readers[i];
 391                 delete hitvs[i];
 392                 delete[] ncpvs[i];
 393                 delete mhps[i];
 394         }
 395         delete[] readers;
 396         delete[] hitvs;
 397         delete[] ncpvs;
 398         delete[] mhps;
 399 }
 400
 401 inline bool doesUpdateModel(int ROUND) {
 402   //  return ROUND <= 20 || ROUND % 100 == 0;
 403   return ROUND <= 10;
 404 }
 405
 406 //Including initialize, algorithm and results saving
 407 template<class ReadType, class HitType, class ModelType>
 408 void EM() {
 409         FILE *fo;
 410
 411         int ROUND;
 412         double sum;
 413
 414         double bChange = 0.0, change = 0.0; // bChange : biggest change
 415         int totNum = 0;
 416
 417         ModelType model(mparams); //master model
 418         ReadReader<ReadType> **readers;
 419         HitContainer<HitType> **hitvs;
 420         double **ncpvs;
 421         ModelType **mhps; //model helpers
 422
 423         Params fparams[nThreads];
 424         pthread_t threads[nThreads];
 425         pthread_attr_t attr;
 426         void *status;
 427         int rc;
 428
 429
 430         //initialize boolean variables
 431         updateModel = calcExpectedWeights = false;
 432
 433         theta.clear();
 434         theta.resize(M + 1, 0.0);
 435         init<ReadType, HitType, ModelType>(readers, hitvs, ncpvs, mhps);
 436
 437         //set initial parameters
 438         assert(N_tot > N2);
 439         theta[0] = max(N0 * 1.0 / (N_tot - N2), 1e-8);
 440         double val = (1.0 - theta[0]) / M;
 441         for (int i = 1; i <= M; i++) theta[i] = val;
 442
 443         model.estimateFromReads(imdName);
 444
 445         for (int i = 0; i < nThreads; i++) {
 446                 fparams[i].model = (void*)(&model);
 447
 448                 fparams[i].reader = (void*)readers[i];
 449                 fparams[i].hitv = (void*)hitvs[i];
 450                 fparams[i].ncpv = (void*)ncpvs[i];
 451                 fparams[i].mhp = (void*)mhps[i];
 452                 fparams[i].countv = (void*)countvs[i];
 453         }
 454
 455         /* set thread attribute to be joinable */
 456         pthread_attr_init(&attr);
 457         pthread_attr_setdetachstate(&attr, PTHREAD_CREATE_JOINABLE);
 458
 459         ROUND = 0;
 460         do {
 461                 ++ROUND;
 462
 463                 updateModel = doesUpdateModel(ROUND);
 464
 465                 for (int i = 0; i <= M; i++) probv[i] = theta[i];
 466
 467                 //E step
 468                 for (int i = 0; i < nThreads; i++) {
 469                         rc = pthread_create(&threads[i], &attr, E_STEP<ReadType, HitType, ModelType>, (void*)(&fparams[i]));
 470                         pthread_assert(rc, "pthread_create", "Cannot create thread " + itos(i) + " (numbered from 0) at ROUND " + itos(ROUND) + "!");
 471                 }
 472
 473                 for (int i = 0; i < nThreads; i++) {
 474                         rc = pthread_join(threads[i], &status);
 475                         pthread_assert(rc, "pthread_join", "Cannot join thread " + itos(i) + " (numbered from 0) at ROUND " + itos(ROUND) + "!");
 476                 }
 477
 478                 model.setNeedCalcConPrb(false);
 479
 480                 for (int i = 1; i < nThreads; i++) {
 481                         for (int j = 0; j <= M; j++) {
 482                                 countvs[0][j] += countvs[i][j];
 483                         }
 484                 }
 485
 486                 //add N0 noise reads
 487                 countvs[0][0] += N0;
 488
 489                 //M step;
 490                 sum = 0.0;
 491                 for (int i = 0; i <= M; i++) sum += countvs[0][i];
 492                 assert(sum >= EPSILON);
 493                 for (int i = 0; i <= M; i++) theta[i] = countvs[0][i] / sum;
 494
 495                 if (updateModel) {
 496                         model.init();
 497                         for (int i = 0; i < nThreads; i++) { model.collect(*mhps[i]); }
 498                         model.finish();
 499                 }
 500
 501                 // Relative error
 502                 bChange = 0.0; totNum = 0;
 503                 for (int i = 0; i <= M; i++)
 504                         if (probv[i] >= 1e-7) {
 505                                 change = fabs(theta[i] - probv[i]) / probv[i];
 506                                 if (change >= STOP_CRITERIA) ++totNum;
 507                                 if (bChange < change) bChange = change;
 508                         }
 509
 510                 if (verbose) { cout<< "ROUND = "<< ROUND<< ", SUM = "<< setprecision(15)<< sum<< ", bChange = " << setprecision(6)<< bChange<< ", totNum = " << totNum<< endl; }
 511         } while (ROUND < MIN_ROUND || (totNum > 0 && ROUND < MAX_ROUND));
 512 //      } while (ROUND < 1);
 513
 514         if (totNum > 0) { cout<< "Warning: RSEM reaches "<< MAX_ROUND<< " iterations before meeting the convergence criteria."<< endl; }
 515
 516         //generate output file used by Gibbs sampler
 517         if (genGibbsOut) {
 518                 if (model.getNeedCalcConPrb()) {
 519                         for (int i = 0; i < nThreads; i++) {
 520                                 rc = pthread_create(&threads[i], &attr, calcConProbs<ReadType, HitType, ModelType>, (void*)(&fparams[i]));
 521                                 pthread_assert(rc, "pthread_create", "Cannot create thread " + itos(i) + " (numbered from 0) when generating files for Gibbs sampler!");
 522                         }
 523                         for (int i = 0; i < nThreads; i++) {
 524                                 rc = pthread_join(threads[i], &status);
 525                                 pthread_assert(rc, "pthread_join", "Cannot join thread " + itos(i) + " (numbered from 0) when generating files for Gibbs sampler!");
 526                         }
 527                 }
 528                 model.setNeedCalcConPrb(false);
 529
 530                 sprintf(out_for_gibbs_F, "%s.ofg", imdName);
 531                 ofstream fout(out_for_gibbs_F);
 532                 fout<< M<< " "<< N0<< endl;
 533                 for (int i = 0; i < nThreads; i++) {
 534                         READ_INT_TYPE numN = hitvs[i]->getN();
 535                         for (READ_INT_TYPE j = 0; j < numN; j++) {
 536                                 HIT_INT_TYPE fr = hitvs[i]->getSAt(j);
 537                                 HIT_INT_TYPE to = hitvs[i]->getSAt(j + 1);
 538                                 HIT_INT_TYPE totNum = 0;
 539
 540                                 if (ncpvs[i][j] >= EPSILON) { ++totNum; fout<< "0 "<< setprecision(15)<< ncpvs[i][j]<< " "; }
 541                                 for (HIT_INT_TYPE k = fr; k < to; k++) {
 542                                         HitType &hit = hitvs[i]->getHitAt(k);
 543                                         if (hit.getConPrb() >= EPSILON) {
 544                                                 ++totNum;
 545                                                 fout<< hit.getSid()<< " "<< setprecision(15)<< hit.getConPrb()<< " ";
 546                                         }
 547                                 }
 548
 549                                 if (totNum > 0) { fout<< endl; }
 550                         }
 551                 }
 552                 fout.close();
 553         }
 554
 555         sprintf(thetaF, "%s.theta", statName);
 556         fo = fopen(thetaF, "w");
 557         fprintf(fo, "%d\n", M + 1);
 558
 559         // output theta'
 560         for (int i = 0; i < M; i++) fprintf(fo, "%.15g ", theta[i]);
 561         fprintf(fo, "%.15g\n", theta[M]);
 562
 563         //calculate expected effective lengths for each isoform
 564         calcExpectedEffectiveLengths<ModelType>(model);
 565
 566         //correct theta vector
 567         sum = theta[0];
 568         for (int i = 1; i <= M; i++)
 569           if (eel[i] < EPSILON) { theta[i] = 0.0; }
 570           else sum += theta[i];
 571
 572         general_assert(sum >= EPSILON, "No Expected Effective Length is no less than" + ftos(MINEEL, 6) + "?!");
 573
 574         for (int i = 0; i <= M; i++) theta[i] /= sum;
 575
 576         //calculate expected weights and counts using learned parameters
 577         updateModel = false; calcExpectedWeights = true;
 578         for (int i = 0; i <= M; i++) probv[i] = theta[i];
 579         for (int i = 0; i < nThreads; i++) {
 580                 rc = pthread_create(&threads[i], &attr, E_STEP<ReadType, HitType, ModelType>, (void*)(&fparams[i]));
 581                 pthread_assert(rc, "pthread_create", "Cannot create thread " + itos(i) + " (numbered from 0) when calculating expected weights!");
 582         }
 583         for (int i = 0; i < nThreads; i++) {
 584                 rc = pthread_join(threads[i], &status);
 585                 pthread_assert(rc, "pthread_join", "Cannot join thread " + itos(i) + " (numbered from 0) when calculating expected weights!");
 586         }
 587         model.setNeedCalcConPrb(false);
 588         for (int i = 1; i < nThreads; i++) {
 589                 for (int j = 0; j <= M; j++) {
 590                         countvs[0][j] += countvs[i][j];
 591                 }
 592         }
 593         countvs[0][0] += N0;
 594
 595         /* destroy attribute */
 596         pthread_attr_destroy(&attr);
 597
 598         //convert theta' to theta
 599         double *mw = model.getMW();
 600         sum = 0.0;
 601         for (int i = 0; i <= M; i++) {
 602           theta[i] = (mw[i] < EPSILON ? 0.0 : theta[i] / mw[i]);
 603           sum += theta[i];
 604         }
 605         assert(sum >= EPSILON);
 606         for (int i = 0; i <= M; i++) theta[i] /= sum;
 607
 608         // output theta
 609         for (int i = 0; i < M; i++) fprintf(fo, "%.15g ", theta[i]);
 610         fprintf(fo, "%.15g\n", theta[M]);
 611
 612         fclose(fo);
 613
 614         writeResults<ModelType>(model, countvs[0]);
 615
 616         if (genBamF) {
 617                 sprintf(outBamF, "%s.transcript.bam", outName);
 618
 619                 if (bamSampling) {
 620                         READ_INT_TYPE local_N;
 621                         HIT_INT_TYPE fr, to, len, id;
 622                         vector<double> arr;
 623                         uniform01 rg(engine_type(time(NULL)));
 624
 625                         if (verbose) cout<< "Begin to sample reads from their posteriors."<< endl;
 626                         for (int i = 0; i < nThreads; i++) {
 627                                 local_N = hitvs[i]->getN();
 628                                 for (READ_INT_TYPE j = 0; j < local_N; j++) {
 629                                         fr = hitvs[i]->getSAt(j);
 630                                         to = hitvs[i]->getSAt(j + 1);
 631                                         len = to - fr + 1;
 632                                         arr.assign(len, 0);
 633                                         arr[0] = ncpvs[i][j];
 634                                         for (HIT_INT_TYPE k = fr; k < to; k++) arr[k - fr + 1] = arr[k - fr] + hitvs[i]->getHitAt(k).getConPrb();
 635                                         id = (arr[len - 1] < EPSILON ? -1 : sample(rg, arr, len)); // if all entries in arr are 0, let id be -1
 636                                         for (HIT_INT_TYPE k = fr; k < to; k++) hitvs[i]->getHitAt(k).setConPrb(k - fr + 1 == id ? 1.0 : 0.0);
 637                                 }
 638                         }
 639
 640                         if (verbose) cout<< "Sampling is finished."<< endl;
 641                 }
 642
 643                 BamWriter writer(inpSamType, inpSamF, pt_fn_list, outBamF, transcripts);
 644                 HitWrapper<HitType> wrapper(nThreads, hitvs);
 645                 writer.work(wrapper);
 646         }
 647
 648         release<ReadType, HitType, ModelType>(readers, hitvs, ncpvs, mhps);
 649 }
 650
 651 int main(int argc, char* argv[]) {
 652         ifstream fin;
 653         bool quiet = false;
 654
 655         if (argc < 6) {
 656                 printf("Usage : rsem-run-em refName read_type sampleName imdName statName [-p #Threads] [-b samInpType samInpF has_fn_list_? [fn_list]] [-q] [--gibbs-out] [--sampling]\n\n");
 657                 printf("  refName: reference name\n");
 658                 printf("  read_type: 0 single read without quality score; 1 single read with quality score; 2 paired-end read without quality score; 3 paired-end read with quality score.\n");
 659                 printf("  sampleName: sample's name, including the path\n");
 660                 printf("  sampleToken: sampleName excludes the path\n");
 661                 printf("  -p: number of threads which user wants to use. (default: 1)\n");
 662                 printf("  -b: produce bam format output file. (default: off)\n");
 663                 printf("  -q: set it quiet\n");
 664                 printf("  --gibbs-out: generate output file used by Gibbs sampler. (default: off)\n");
 665                 printf("  --sampling: sample each read from its posterior distribution when bam file is generated. (default: off)\n");
 666                 printf("// model parameters should be in imdName.mparams.\n");
 667                 exit(-1);
 668         }
 669
 670         time_t a = time(NULL);
 671
 672         strcpy(refName, argv[1]);
 673         read_type = atoi(argv[2]);
 674         strcpy(outName, argv[3]);
 675         strcpy(imdName, argv[4]);
 676         strcpy(statName, argv[5]);
 677
 678         nThreads = 1;
 679
 680         genBamF = false;
 681         bamSampling = false;
 682         genGibbsOut = false;
 683         pt_fn_list = pt_chr_list = NULL;
 684
 685         for (int i = 6; i < argc; i++) {
 686                 if (!strcmp(argv[i], "-p")) { nThreads = atoi(argv[i + 1]); }
 687                 if (!strcmp(argv[i], "-b")) {
 688                         genBamF = true;
 689                         inpSamType = argv[i + 1][0];
 690                         strcpy(inpSamF, argv[i + 2]);
 691                         if (atoi(argv[i + 3]) == 1) {
 692                                 strcpy(fn_list, argv[i + 4]);
 693                                 pt_fn_list = (char*)(&fn_list);
 694                         }
 695                 }
 696                 if (!strcmp(argv[i], "-q")) { quiet = true; }
 697                 if (!strcmp(argv[i], "--gibbs-out")) { genGibbsOut = true; }
 698                 if (!strcmp(argv[i], "--sampling")) { bamSampling = true; }
 699         }
 700
 701         general_assert(nThreads > 0, "Number of threads should be bigger than 0!");
 702
 703         verbose = !quiet;
 704
 705         //basic info loading
 706         sprintf(refF, "%s.seq", refName);
 707         refs.loadRefs(refF);
 708         M = refs.getM();
 709         sprintf(groupF, "%s.grp", refName);
 710         gi.load(groupF);
 711         m = gi.getm();
 712
 713         sprintf(tiF, "%s.ti", refName);
 714         transcripts.readFrom(tiF);
 715
 716         sprintf(cntF, "%s.cnt", statName);
 717         fin.open(cntF);
 718
 719         general_assert(fin.is_open(), "Cannot open " + cstrtos(cntF) + "! It may not exist.");
 720
 721         fin>>N0>>N1>>N2>>N_tot;
 722         fin.close();
 723
 724         general_assert(N1 > 0, "There are no alignable reads!");
 725
 726         if ((READ_INT_TYPE)nThreads > N1) nThreads = N1;
 727
 728         //set model parameters
 729         mparams.M = M;
 730         mparams.N[0] = N0; mparams.N[1] = N1; mparams.N[2] = N2;
 731         mparams.refs = &refs;
 732
 733         sprintf(mparamsF, "%s.mparams", imdName);
 734         fin.open(mparamsF);
 735
 736         general_assert(fin.is_open(), "Cannot open " + cstrtos(mparamsF) + "It may not exist.");
 737
 738         fin>> mparams.minL>> mparams.maxL>> mparams.probF;
 739         int val; // 0 or 1 , for estRSPD
 740         fin>>val;
 741         mparams.estRSPD = (val != 0);
 742         fin>> mparams.B>> mparams.mate_minL>> mparams.mate_maxL>> mparams.mean>> mparams.sd;
 743         fin>> mparams.seedLen;
 744         fin.close();
 745
 746         //run EM
 747         switch(read_type) {
 748         case 0 : EM<SingleRead, SingleHit, SingleModel>(); break;
 749         case 1 : EM<SingleReadQ, SingleHit, SingleQModel>(); break;
 750         case 2 : EM<PairedEndRead, PairedEndHit, PairedEndModel>(); break;
 751         case 3 : EM<PairedEndReadQ, PairedEndHit, PairedEndQModel>(); break;
 752         default : fprintf(stderr, "Unknown Read Type!\n"); exit(-1);
 753         }
 754
 755         time_t b = time(NULL);
 756
 757         printTimeUsed(a, b, "EM.cpp");
 758
 759         return 0;
 760 }