calcCI.cpp

   1 #include<ctime>
   2 #include<cstdio>
   3 #include<cstring>
   4 #include<cstdlib>
   5 #include<cassert>
   6 #include<fstream>
   7 #include<algorithm>
   8 #include<vector>
   9 #include<pthread.h>
  10
  11 #include "utils.h"
  12 #include "my_assert.h"
  13 #include "sampling.h"
  14
  15 #include "Model.h"
  16 #include "SingleModel.h"
  17 #include "SingleQModel.h"
  18 #include "PairedEndModel.h"
  19 #include "PairedEndQModel.h"
  20
  21 #include "Refs.h"
  22 #include "GroupInfo.h"
  23
  24 #include "Buffer.h"
  25 using namespace std;
  26
  27 struct Params {
  28         int no;
  29         FILE *fi;
  30         engine_type *engine;
  31         double *mw;
  32 };
  33
  34 struct CIType {
  35         float lb, ub; // the interval is [lb, ub]
  36
  37         CIType() { lb = ub = 0.0; }
  38 };
  39
  40 struct CIParams {
  41         int no;
  42         int start_gene_id, end_gene_id;
  43 };
  44
  45 int model_type;
  46
  47 int nMB;
  48 double confidence;
  49 int nCV, nSpC, nSamples; // nCV: number of count vectors; nSpC: number of theta vectors sampled per count vector; nSamples: nCV * nSpC
  50 int nThreads;
  51 int cvlen;
  52
  53 char cvsF[STRLEN], tmpF[STRLEN], command[STRLEN];
  54
  55 CIType *iso_tau, *gene_tau;
  56
  57 int M, m;
  58 Refs refs;
  59 GroupInfo gi;
  60 char imdName[STRLEN], statName[STRLEN];
  61 char modelF[STRLEN], groupF[STRLEN], refF[STRLEN];
  62
  63 vector<double> eel; //expected effective lengths
  64
  65 Buffer *buffer;
  66
  67 bool quiet;
  68
  69 Params *paramsArray;
  70 pthread_t *threads;
  71 pthread_attr_t attr;
  72 int rc;
  73
  74 CIParams *ciParamsArray;
  75
  76 template<class ModelType>
  77 void calcExpectedEffectiveLengths(ModelType& model) {
  78         int lb, ub, span;
  79         double *pdf = NULL, *cdf = NULL, *clen = NULL; // clen[i] = \sigma_{j=1}^{i}pdf[i]*(lb+i)
  80
  81         model.getGLD().copyTo(pdf, cdf, lb, ub, span);
  82         clen = new double[span + 1];
  83         clen[0] = 0.0;
  84         for (int i = 1; i <= span; i++) {
  85                 clen[i] = clen[i - 1] + pdf[i] * (lb + i);
  86         }
  87
  88         eel.assign(M + 1, 0.0);
  89         for (int i = 1; i <= M; i++) {
  90                 int totLen = refs.getRef(i).getTotLen();
  91                 int fullLen = refs.getRef(i).getFullLen();
  92                 int pos1 = max(min(totLen - fullLen + 1, ub) - lb, 0);
  93                 int pos2 = max(min(totLen, ub) - lb, 0);
  94
  95                 if (pos2 == 0) { eel[i] = 0.0; continue; }
  96
  97                 eel[i] = fullLen * cdf[pos1] + ((cdf[pos2] - cdf[pos1]) * (totLen + 1) - (clen[pos2] - clen[pos1]));
  98                 assert(eel[i] >= 0);
  99                 if (eel[i] < MINEEL) { eel[i] = 0.0; }
 100         }
 101
 102         delete[] pdf;
 103         delete[] cdf;
 104         delete[] clen;
 105 }
 106
 107 void* sample_theta_from_c(void* arg) {
 108
 109         int *cvec;
 110         double *theta;
 111         gamma_dist **gammas;
 112         gamma_generator **rgs;
 113
 114         Params *params = (Params*)arg;
 115         FILE *fi = params->fi;
 116         double *mw = params->mw;
 117
 118         cvec = new int[cvlen];
 119         theta = new double[cvlen];
 120         gammas = new gamma_dist*[cvlen];
 121         rgs = new gamma_generator*[cvlen];
 122
 123         float **vecs = new float*[nSpC];
 124         for (int i = 0; i < nSpC; i++) vecs[i] = new float[cvlen];
 125
 126         int cnt = 0;
 127         while (fscanf(fi, "%d", &cvec[0]) == 1) {
 128                 for (int j = 1; j < cvlen; j++) assert(fscanf(fi, "%d", &cvec[j]) == 1);
 129
 130                 ++cnt;
 131
 132                 for (int j = 0; j < cvlen; j++) {
 133                         gammas[j] = new gamma_dist(cvec[j]);
 134                         rgs[j] = new gamma_generator(*(params->engine), *gammas[j]);
 135                 }
 136
 137                 for (int i = 0; i < nSpC; i++) {
 138                         double sum = 0.0;
 139                         for (int j = 0; j < cvlen; j++) {
 140                                 theta[j] = ((j == 0 || eel[j] >= EPSILON) ? (*rgs[j])() : 0.0);
 141                                 sum += theta[j];
 142                         }
 143                         assert(sum >= EPSILON);
 144                         for (int j = 0; j < cvlen; j++) theta[j] /= sum;
 145
 146                         sum = 0.0;
 147                         for (int j = 0; j < cvlen; j++) {
 148                                 theta[j] = (mw[j] < EPSILON ? 0.0 : theta[j] / mw[j]);
 149                                 sum += theta[j];
 150                         }
 151                         assert(sum >= EPSILON);
 152                         for (int j = 0; j < cvlen; j++) theta[j] /= sum;
 153
 154
 155                         sum = 0.0;
 156                         vecs[i][0] = theta[0];
 157                         for (int j = 1; j < cvlen; j++)
 158                                 if (eel[j] >= EPSILON) {
 159                                         vecs[i][j] = theta[j] / eel[j];
 160                                         sum += vecs[i][j];
 161                                 }
 162                                 else assert(theta[j] < EPSILON);
 163
 164                         assert(sum >= EPSILON);
 165                         for (int j = 1; j < cvlen; j++) vecs[i][j] /= sum;
 166                 }
 167
 168                 buffer->write(nSpC, vecs);
 169
 170                 for (int j = 0; j < cvlen; j++) {
 171                         delete gammas[j];
 172                         delete rgs[j];
 173                 }
 174
 175                 if (verbose && cnt % 100 == 0) { printf("Thread %d, %d count vectors are processed!\n", params->no, cnt); }
 176         }
 177
 178         delete[] cvec;
 179         delete[] theta;
 180         delete[] gammas;
 181         delete[] rgs;
 182
 183         for (int i = 0; i < nSpC; i++) delete[] vecs[i];
 184         delete[] vecs;
 185
 186         return NULL;
 187 }
 188
 189 template<class ModelType>
 190 void sample_theta_vectors_from_count_vectors() {
 191         ModelType model;
 192         model.read(modelF);
 193         calcExpectedEffectiveLengths<ModelType>(model);
 194
 195
 196         int num_threads = min(nThreads, nCV);
 197
 198         buffer = new Buffer(nMB, nSamples, cvlen, tmpF);
 199
 200         paramsArray = new Params[num_threads];
 201         threads = new pthread_t[num_threads];
 202
 203         char inpF[STRLEN];
 204         for (int i = 0; i < num_threads; i++) {
 205                 paramsArray[i].no = i;
 206                 sprintf(inpF, "%s%d", cvsF, i);
 207                 paramsArray[i].fi = fopen(inpF, "r");
 208                 paramsArray[i].engine = engineFactory::new_engine();
 209                 paramsArray[i].mw = model.getMW();
 210         }
 211
 212         /* set thread attribute to be joinable */
 213         pthread_attr_init(&attr);
 214         pthread_attr_setdetachstate(&attr, PTHREAD_CREATE_JOINABLE);
 215
 216         for (int i = 0; i < num_threads; i++) {
 217                 rc = pthread_create(&threads[i], &attr, &sample_theta_from_c, (void*)(&paramsArray[i]));
 218                 pthread_assert(rc, "pthread_create", "Cannot create thread " + itos(i) + " (numbered from 0) in sample_theta_vectors_from_count_vectors!");
 219         }
 220         for (int i = 0; i < num_threads; i++) {
 221                 rc = pthread_join(threads[i], NULL);
 222                 pthread_assert(rc, "pthread_join", "Cannot join thread " + itos(i) + " (numbered from 0) in sample_theta_vectors_from_count_vectors!");
 223         }
 224
 225         /* destroy attribute */
 226         pthread_attr_destroy(&attr);
 227         delete[] threads;
 228
 229         for (int i = 0; i < num_threads; i++) {
 230                 fclose(paramsArray[i].fi);
 231                 delete paramsArray[i].engine;
 232         }
 233         delete[] paramsArray;
 234
 235         delete buffer; // Must delete here, force the content left in the buffer be written into the disk
 236
 237         if (verbose) { printf("Sampling is finished!\n"); }
 238 }
 239
 240 void calcCI(int nSamples, float *samples, float &lb, float &ub) {
 241         int p, q; // p pointer for lb, q pointer for ub;
 242         int newp, newq;
 243         int threshold = nSamples - (int(confidence * nSamples - 1e-8) + 1);
 244         int nOutside = 0;
 245
 246         sort(samples, samples + nSamples);
 247
 248         p = 0; q = nSamples - 1;
 249         newq = nSamples - 1;
 250         do {
 251                 q = newq;
 252                 while (newq > 0 && samples[newq - 1] == samples[newq]) newq--;
 253                 newq--;
 254         } while (newq >= 0 && nSamples - (newq + 1) <= threshold);
 255
 256         nOutside = nSamples - (q + 1);
 257
 258         lb = -1e30; ub = 1e30;
 259         do {
 260                 if (samples[q] - samples[p] < ub - lb) {
 261                         lb = samples[p];
 262                         ub = samples[q];
 263                 }
 264
 265                 newp = p;
 266                 while (newp < nSamples - 1 && samples[newp] == samples[newp + 1]) newp++;
 267                 newp++;
 268                 if (newp <= threshold) {
 269                         nOutside += newp - p;
 270                         p = newp;
 271                         while (nOutside > threshold && q < nSamples - 1) {
 272                                 newq = q + 1;
 273                                 while (newq < nSamples - 1 && samples[newq] == samples[newq + 1]) newq++;
 274                                 nOutside -= newq - q;
 275                                 q = newq;
 276                         }
 277                         assert(nOutside <= threshold);
 278                 }
 279                 else p = newp;
 280         } while (p <= threshold);
 281 }
 282
 283 void* calcCI_batch(void* arg) {
 284         float *itsamples, *gtsamples;
 285         ifstream fin;
 286         CIParams *ciParams = (CIParams*)arg;
 287
 288         itsamples = new float[nSamples];
 289         gtsamples = new float[nSamples];
 290
 291         fin.open(tmpF, ios::binary);
 292         streampos pos = streampos(gi.spAt(ciParams->start_gene_id)) * nSamples * FLOATSIZE;
 293         fin.seekg(pos, ios::beg);
 294
 295         int cnt = 0;
 296         for (int i = ciParams->start_gene_id; i < ciParams->end_gene_id; i++) {
 297                 int b = gi.spAt(i), e = gi.spAt(i + 1);
 298                 memset(gtsamples, 0, FLOATSIZE * nSamples);
 299                 for (int j = b; j < e; j++) {
 300                         for (int k = 0; k < nSamples; k++) {
 301                                 fin.read((char*)(&itsamples[k]), FLOATSIZE);
 302                                 gtsamples[k] += itsamples[k];
 303                         }
 304                         calcCI(nSamples, itsamples, iso_tau[j].lb, iso_tau[j].ub);
 305                 }
 306                 calcCI(nSamples, gtsamples, gene_tau[i].lb, gene_tau[i].ub);
 307
 308                 ++cnt;
 309                 if (verbose && cnt % 1000 == 0) { printf("In thread %d, %d genes are processed for CI calculation!\n", ciParams->no, cnt); }
 310         }
 311
 312         fin.close();
 313
 314         delete[] itsamples;
 315         delete[] gtsamples;
 316
 317         return NULL;
 318 }
 319
 320 void calculate_credibility_intervals(char* imdName) {
 321         FILE *fo;
 322         char outF[STRLEN];
 323         int num_threads = nThreads;
 324
 325         iso_tau = new CIType[M + 1];
 326         gene_tau = new CIType[m];
 327
 328         assert(M > 0);
 329         int quotient = M / num_threads;
 330         if (quotient < 1) { num_threads = M; quotient = 1; }
 331         int cur_gene_id = 0;
 332         int num_isoforms = 0;
 333
 334         // A just so so strategy for paralleling
 335         ciParamsArray = new CIParams[num_threads];
 336         for (int i = 0; i < num_threads; i++) {
 337                 ciParamsArray[i].no = i;
 338                 ciParamsArray[i].start_gene_id = cur_gene_id;
 339                 num_isoforms = 0;
 340
 341                 while ((m - cur_gene_id > num_threads - i - 1) && (i == num_threads - 1 || num_isoforms < quotient)) {
 342                         num_isoforms += gi.spAt(cur_gene_id + 1) - gi.spAt(cur_gene_id);
 343                         ++cur_gene_id;
 344                 }
 345
 346                 ciParamsArray[i].end_gene_id = cur_gene_id;
 347         }
 348
 349         threads = new pthread_t[num_threads];
 350
 351         /* set thread attribute to be joinable */
 352         pthread_attr_init(&attr);
 353         pthread_attr_setdetachstate(&attr, PTHREAD_CREATE_JOINABLE);
 354
 355         // paralleling
 356         for (int i = 0; i < num_threads; i++) {
 357                 rc = pthread_create(&threads[i], &attr, &calcCI_batch, (void*)(&ciParamsArray[i]));
 358                 pthread_assert(rc, "pthread_create", "Cannot create thread " + itos(i) + " (numbered from 0) in calculate_credibility_intervals!");
 359         }
 360         for (int i = 0; i < num_threads; i++) {
 361                 rc = pthread_join(threads[i], NULL);
 362                 pthread_assert(rc, "pthread_join", "Cannot join thread " + itos(i) + " (numbered from 0) in calculate_credibility_intervals!");
 363         }
 364
 365         // releasing resources
 366
 367         /* destroy attribute */
 368         pthread_attr_destroy(&attr);
 369         delete[] threads;
 370
 371         delete[] ciParamsArray;
 372
 373         //isoform level results
 374         sprintf(outF, "%s.iso_res", imdName);
 375         fo = fopen(outF, "a");
 376         for (int i = 1; i <= M; i++)
 377                 fprintf(fo, "%.6g%c", iso_tau[i].lb, (i < M ? '\t' : '\n'));
 378         for (int i = 1; i <= M; i++)
 379                 fprintf(fo, "%.6g%c", iso_tau[i].ub, (i < M ? '\t' : '\n'));
 380         fclose(fo);
 381
 382         //gene level results
 383         sprintf(outF, "%s.gene_res", imdName);
 384         fo = fopen(outF, "a");
 385         for (int i = 0; i < m; i++)
 386                 fprintf(fo, "%.6g%c", gene_tau[i].lb, (i < m - 1 ? '\t' : '\n'));
 387         for (int i = 0; i < m; i++)
 388                 fprintf(fo, "%.6g%c", gene_tau[i].ub, (i < m - 1 ? '\t' : '\n'));
 389         fclose(fo);
 390
 391         delete[] iso_tau;
 392         delete[] gene_tau;
 393
 394         if (verbose) { printf("All credibility intervals are calculated!\n"); }
 395 }
 396
 397 int main(int argc, char* argv[]) {
 398         if (argc < 8) {
 399                 printf("Usage: rsem-calculate-credibility-intervals reference_name imdName statName confidence nCV nSpC nMB [-p #Threads] [-q]\n");
 400                 exit(-1);
 401         }
 402
 403         strcpy(imdName, argv[2]);
 404         strcpy(statName, argv[3]);
 405
 406         confidence = atof(argv[4]);
 407         nCV = atoi(argv[5]);
 408         nSpC = atoi(argv[6]);
 409         nMB = atoi(argv[7]);
 410
 411         nThreads = 1;
 412         quiet = false;
 413         for (int i = 8; i < argc; i++) {
 414                 if (!strcmp(argv[i], "-p")) nThreads = atoi(argv[i + 1]);
 415                 if (!strcmp(argv[i], "-q")) quiet = true;
 416         }
 417         verbose = !quiet;
 418
 419         sprintf(refF, "%s.seq", argv[1]);
 420         refs.loadRefs(refF, 1);
 421         M = refs.getM();
 422         sprintf(groupF, "%s.grp", argv[1]);
 423         gi.load(groupF);
 424         m = gi.getm();
 425
 426         nSamples = nCV * nSpC;
 427         cvlen = M + 1;
 428         assert(nSamples > 0 && cvlen > 1); // for Buffter.h: (bufsize_type)nSamples
 429
 430         sprintf(tmpF, "%s.tmp", imdName);
 431         sprintf(cvsF, "%s.countvectors", imdName);
 432
 433         sprintf(modelF, "%s.model", statName);
 434         FILE *fi = fopen(modelF, "r");
 435         general_assert(fi != NULL, "Cannot open " + cstrtos(modelF) + "!");
 436         assert(fscanf(fi, "%d", &model_type) == 1);
 437         fclose(fi);
 438
 439         // Phase I
 440         switch(model_type) {
 441         case 0 : sample_theta_vectors_from_count_vectors<SingleModel>(); break;
 442         case 1 : sample_theta_vectors_from_count_vectors<SingleQModel>(); break;
 443         case 2 : sample_theta_vectors_from_count_vectors<PairedEndModel>(); break;
 444         case 3 : sample_theta_vectors_from_count_vectors<PairedEndQModel>(); break;
 445         }
 446
 447         // Phase II
 448         calculate_credibility_intervals(imdName);
 449
 450         /*
 451         sprintf(command, "rm -f %s", tmpF);
 452         int status = system(command);
 453         if (status != 0) {
 454                 fprintf(stderr, "Cannot delete %s!\n", tmpF);
 455                 exit(-1);
 456         }
 457         */
 458
 459         return 0;
 460 }