Gibbs.cpp

   1 #include<ctime>
   2 #include<cstdio>
   3 #include<cstring>
   4 #include<cstdlib>
   5 #include<cassert>
   6 #include<fstream>
   7 #include<sstream>
   8 #include<vector>
   9
  10 #include "randomc.h"
  11 #include "utils.h"
  12
  13 #include "Model.h"
  14 #include "SingleModel.h"
  15 #include "SingleQModel.h"
  16 #include "PairedEndModel.h"
  17 #include "PairedEndQModel.h"
  18
  19 #include "Refs.h"
  20 #include "GroupInfo.h"
  21
  22 using namespace std;
  23
  24 struct Item {
  25         int sid;
  26         double conprb;
  27
  28         Item(int sid, double conprb) {
  29                 this->sid = sid;
  30                 this->conprb = conprb;
  31         }
  32 };
  33
  34 int model_type;
  35 int m, M, N0, N1, nHits;
  36 double totc;
  37 int BURNIN, CHAINLEN, GAP;
  38 char thetaF[STRLEN], ofgF[STRLEN], groupF[STRLEN], refF[STRLEN], modelF[STRLEN];
  39 char cvsF[STRLEN];
  40
  41 Refs refs;
  42 GroupInfo gi;
  43
  44 vector<double> theta, pme_theta, pme_c, eel;
  45
  46 vector<int> s, z;
  47 vector<Item> hits;
  48 vector<int> counts;
  49
  50 bool quiet;
  51
  52 vector<double> arr;
  53 CRandomMersenne rg(time(NULL));
  54
  55 void load_data(char* reference_name, char* sample_name, char* imdName) {
  56         ifstream fin;
  57         string line;
  58         int tmpVal;
  59
  60         //load reference file
  61         sprintf(refF, "%s.seq", reference_name);
  62         refs.loadRefs(refF, 1);
  63         M = refs.getM();
  64
  65         //load groupF
  66         sprintf(groupF, "%s.grp", reference_name);
  67         gi.load(groupF);
  68         m = gi.getm();
  69
  70         //load thetaF
  71         sprintf(thetaF, "%s.theta",sample_name);
  72         fin.open(thetaF);
  73         if (!fin.is_open()) {
  74                 fprintf(stderr, "Cannot open %s!\n", thetaF);
  75                 exit(-1);
  76         }
  77         fin>>tmpVal;
  78         if (tmpVal != M + 1) {
  79                 fprintf(stderr, "Number of transcripts is not consistent in %s and %s!\n", refF, thetaF);
  80                 exit(-1);
  81         }
  82         theta.clear(); theta.resize(M + 1);
  83         for (int i = 0; i <= M; i++) fin>>theta[i];
  84         fin.close();
  85
  86         //load ofgF;
  87         sprintf(ofgF, "%s.ofg", imdName);
  88         fin.open(ofgF);
  89         if (!fin.is_open()) {
  90                 fprintf(stderr, "Cannot open %s!\n", ofgF);
  91                 exit(-1);
  92         }
  93         fin>>tmpVal>>N0;
  94         if (tmpVal != M) {
  95                 fprintf(stderr, "M in %s is not consistent with %s!\n", ofgF, refF);
  96                 exit(-1);
  97         }
  98         getline(fin, line);
  99
 100         s.clear(); hits.clear();
 101         s.push_back(0);
 102         while (getline(fin, line)) {
 103                 istringstream strin(line);
 104                 int sid;
 105                 double conprb;
 106
 107                 while (strin>>sid>>conprb) {
 108                         hits.push_back(Item(sid, conprb));
 109                 }
 110                 s.push_back(hits.size());
 111         }
 112         fin.close();
 113
 114         N1 = s.size() - 1;
 115         nHits = hits.size();
 116
 117         if (verbose) { printf("Loading Data is finished!\n"); }
 118 }
 119
 120 // arr should be cumulative!
 121 // interval : [,)
 122 // random number should be in [0, arr[len - 1])
 123 // If by chance arr[len - 1] == 0.0, one possibility is to sample uniformly from 0...len-1
 124 int sample(vector<double>& arr, int len) {
 125   int l, r, mid;
 126   double prb = rg.Random() * arr[len - 1];
 127
 128   l = 0; r = len - 1;
 129   while (l <= r) {
 130     mid = (l + r) / 2;
 131     if (arr[mid] <= prb) l = mid + 1;
 132     else r = mid - 1;
 133   }
 134
 135   if (l >= len) { printf("%d %lf %lf\n", len, arr[len - 1], prb); }
 136   assert(l < len);
 137
 138   return l;
 139 }
 140
 141 void init() {
 142         int len, fr, to;
 143
 144         arr.clear();
 145         z.clear();
 146         counts.clear();
 147
 148         z.resize(N1);
 149         counts.resize(M + 1, 1); // 1 pseudo count
 150         counts[0] += N0;
 151
 152         for (int i = 0; i < N1; i++) {
 153                 fr = s[i]; to = s[i + 1];
 154                 len = to - fr;
 155                 arr.resize(len);
 156                 for (int j = fr; j < to; j++) {
 157                         arr[j - fr] = theta[hits[j].sid] * hits[j].conprb;
 158                         if (j > fr) arr[j - fr] += arr[j - fr - 1];  // cumulative
 159                 }
 160                 z[i] = hits[fr + sample(arr, len)].sid;
 161                 ++counts[z[i]];
 162         }
 163
 164         totc = N0 + N1 + (M + 1);
 165
 166         if (verbose) { printf("Initialization is finished!\n"); }
 167 }
 168
 169 void writeCountVector(FILE* fo) {
 170         for (int i = 0; i < M; i++) {
 171                 fprintf(fo, "%d ", counts[i]);
 172         }
 173         fprintf(fo, "%d\n", counts[M]);
 174 }
 175
 176 void Gibbs(char* imdName) {
 177         FILE *fo;
 178         int fr, to, len;
 179
 180         sprintf(cvsF, "%s.countvectors", imdName);
 181         fo = fopen(cvsF, "w");
 182         assert(CHAINLEN % GAP == 0);
 183         fprintf(fo, "%d %d\n", CHAINLEN / GAP, M + 1);
 184         //fprintf(fo, "%d %d\n", CHAINLEN, M + 1);
 185
 186         pme_c.clear(); pme_c.resize(M + 1, 0.0);
 187         pme_theta.clear(); pme_theta.resize(M + 1, 0.0);
 188         for (int ROUND = 1; ROUND <= BURNIN + CHAINLEN; ROUND++) {
 189
 190                 for (int i = 0; i < N1; i++) {
 191                         --counts[z[i]];
 192                         fr = s[i]; to = s[i + 1]; len = to - fr;
 193                         arr.resize(len);
 194                         for (int j = fr; j < to; j++) {
 195                                 arr[j - fr] = counts[hits[j].sid] * hits[j].conprb;
 196                                 if (j > fr) arr[j - fr] += arr[j - fr - 1]; //cumulative
 197                         }
 198                         z[i] = hits[fr + sample(arr, len)].sid;
 199                         ++counts[z[i]];
 200                 }
 201
 202                 if (ROUND > BURNIN) {
 203                         if ((ROUND - BURNIN - 1) % GAP == 0) writeCountVector(fo);
 204                         for (int i = 0; i <= M; i++) {
 205                           pme_c[i] += counts[i] - 1;
 206                           pme_theta[i] += counts[i] / totc;
 207                         }
 208                 }
 209
 210                 if (verbose) { printf("ROUND %d is finished!\n", ROUND); }
 211         }
 212         fclose(fo);
 213
 214         for (int i = 0; i <= M; i++) {
 215           pme_c[i] /= CHAINLEN;
 216           pme_theta[i] /= CHAINLEN;
 217         }
 218
 219         if (verbose) { printf("Gibbs is finished!\n"); }
 220 }
 221
 222 template<class ModelType>
 223 void calcExpectedEffectiveLengths(ModelType& model) {
 224   int lb, ub, span;
 225   double *pdf = NULL, *cdf = NULL, *clen = NULL; // clen[i] = sigma_{j=1}^{i}pdf[i]*(lb+i)
 226
 227   model.getGLD().copyTo(pdf, cdf, lb, ub, span);
 228   clen = new double[span + 1];
 229   clen[0] = 0.0;
 230   for (int i = 1; i <= span; i++) {
 231     clen[i] = clen[i - 1] + pdf[i] * (lb + i);
 232   }
 233
 234   eel.clear();
 235   eel.resize(M + 1, 0.0);
 236   for (int i = 1; i <= M; i++) {
 237     int totLen = refs.getRef(i).getTotLen();
 238     int fullLen = refs.getRef(i).getFullLen();
 239     int pos1 = max(min(totLen - fullLen + 1, ub) - lb, 0);
 240     int pos2 = max(min(totLen, ub) - lb, 0);
 241
 242     if (pos2 == 0) { eel[i] = 0.0; continue; }
 243
 244     eel[i] = fullLen * cdf[pos1] + ((cdf[pos2] - cdf[pos1]) * (totLen + 1) - (clen[pos2] - clen[pos1]));
 245     assert(eel[i] >= 0);
 246     if (eel[i] < MINEEL) { eel[i] = 0.0; }
 247   }
 248
 249   delete[] pdf;
 250   delete[] cdf;
 251   delete[] clen;
 252 }
 253
 254 template<class ModelType>
 255 void writeEstimatedParameters(char* modelF, char* imdName) {
 256         ModelType model;
 257         double denom;
 258         char outF[STRLEN];
 259         FILE *fo;
 260
 261         model.read(modelF);
 262
 263         calcExpectedEffectiveLengths<ModelType>(model);
 264
 265         denom = pme_theta[0];
 266         for (int i = 1; i <= M; i++)
 267           if (eel[i] < EPSILON) pme_theta[i] = 0.0;
 268           else denom += pme_theta[i];
 269         if (denom <= 0) { fprintf(stderr, "No Expected Effective Length is no less than %.6g?!\n", MINEEL); exit(-1); }
 270         for (int i = 0; i <= M; i++) pme_theta[i] /= denom;
 271
 272         denom = 0.0;
 273         double *mw = model.getMW();
 274         for (int i = 0; i <= M; i++) {
 275           pme_theta[i] = (mw[i] < EPSILON ? 0.0 : pme_theta[i] / mw[i]);
 276           denom += pme_theta[i];
 277         }
 278         assert(denom >= EPSILON);
 279         for (int i = 0; i <= M; i++) pme_theta[i] /= denom;
 280
 281         //calculate tau values
 282         double *tau = new double[M + 1];
 283         memset(tau, 0, sizeof(double) * (M + 1));
 284
 285         denom = 0.0;
 286         for (int i = 1; i <= M; i++)
 287           if (eel[i] > EPSILON) {
 288             tau[i] = pme_theta[i] / eel[i];
 289             denom += tau[i];
 290           }
 291         if (denom <= 0) { fprintf(stderr, "No alignable reads?!\n"); exit(-1); }
 292         //assert(denom > 0);
 293         for (int i = 1; i <= M; i++) {
 294                 tau[i] /= denom;
 295         }
 296
 297         //isoform level results
 298         sprintf(outF, "%s.iso_res", imdName);
 299         fo = fopen(outF, "a");
 300         if (fo == NULL) { fprintf(stderr, "Cannot open %s!\n", outF); exit(-1); }
 301         for (int i = 1; i <= M; i++)
 302                 fprintf(fo, "%.2f%c", pme_c[i], (i < M ? '\t' : '\n'));
 303         for (int i = 1; i <= M; i++)
 304                 fprintf(fo, "%.15g%c", tau[i], (i < M ? '\t' : '\n'));
 305         fclose(fo);
 306
 307         //gene level results
 308         sprintf(outF, "%s.gene_res", imdName);
 309         fo = fopen(outF, "a");
 310         if (fo == NULL) { fprintf(stderr, "Cannot open %s!\n", outF); exit(-1); }
 311         for (int i = 0; i < m; i++) {
 312                 double sumC = 0.0; //  sum of pme counts
 313                 int b = gi.spAt(i), e = gi.spAt(i + 1);
 314                 for (int j = b; j < e; j++) {
 315                         sumC += pme_c[j];
 316                 }
 317                 fprintf(fo, "%.15g%c", sumC, (i < m - 1 ? '\t' : '\n'));
 318         }
 319         for (int i = 0; i < m; i++) {
 320                 double sumT = 0.0; //  sum of tau values
 321                 int b = gi.spAt(i), e = gi.spAt(i + 1);
 322                 for (int j = b; j < e; j++) {
 323                         sumT += tau[j];
 324                 }
 325                 fprintf(fo, "%.15g%c", sumT, (i < m - 1 ? '\t' : '\n'));
 326         }
 327         fclose(fo);
 328
 329         delete[] tau;
 330
 331         if (verbose) { printf("Gibbs based expression values are written!\n"); }
 332 }
 333
 334
 335 int main(int argc, char* argv[]) {
 336         if (argc < 7) {
 337                 printf("Usage: rsem-run-gibbs reference_name sample_name imdName BURNIN CHAINLEN GAP [-q]\n");
 338                 exit(-1);
 339         }
 340
 341         BURNIN = atoi(argv[4]);
 342         CHAINLEN = atoi(argv[5]);
 343         GAP = atoi(argv[6]);
 344         load_data(argv[1], argv[2], argv[3]);
 345
 346         quiet = false;
 347         if (argc > 7 && !strcmp(argv[7], "-q")) {
 348                 quiet = true;
 349         }
 350         verbose = !quiet;
 351
 352         init();
 353         Gibbs(argv[3]);
 354
 355         sprintf(modelF, "%s.model", argv[2]);
 356         FILE *fi = fopen(modelF, "r");
 357         if (fi == NULL) { fprintf(stderr, "Cannot open %s!\n", modelF); exit(-1); }
 358         fscanf(fi, "%d", &model_type);
 359         fclose(fi);
 360
 361         switch(model_type) {
 362         case 0 : writeEstimatedParameters<SingleModel>(modelF, argv[3]); break;
 363         case 1 : writeEstimatedParameters<SingleQModel>(modelF, argv[3]); break;
 364         case 2 : writeEstimatedParameters<PairedEndModel>(modelF, argv[3]); break;
 365         case 3 : writeEstimatedParameters<PairedEndQModel>(modelF, argv[3]); break;
 366         }
 367
 368         return 0;
 369 }