rsem-plot-model

   1 #!/usr/bin/env Rscript
   2
   3 argv <- commandArgs(TRUE)
   4 if (length(argv) != 2) {
   5   cat("Usage: rsem-plot-model sample_name output_plot_file\n")
   6   q(status = 1)
   7 }
   8
   9 strvec <- strsplit(argv[1], split = "/")[[1]]
  10 token <- strvec[length(strvec)]
  11
  12 stat.dir <- paste(argv[1], ".stat", sep = "")
  13 if (!file.exists(stat.dir)) {
  14   cat("Error: directory does not exist: ", stat.dir, "\n", sep = "")
  15   cat(strwrap("This version of rsem-plot-model only works with the output of RSEM versions >= 1.1.8"), sep="\n")
  16   q(status = 1)
  17 }
  18 modelF <- paste(stat.dir, "/", token, ".model", sep = "")
  19 cntF <- paste(stat.dir, "/", token, ".cnt", sep = "")
  20
  21 pdf(argv[2])
  22
  23 con <- file(modelF, open = "r")
  24
  25 # model type and forward probability
  26 model_type <- as.numeric(readLines(con, n = 4)[1])
  27
  28 # fragment length distribution
  29 strvec <- readLines(con, n = 3)
  30 vec <- as.numeric(strsplit(strvec[1], split = " ")[[1]])
  31 maxL <- vec[2] # maxL used for Profile
  32 x <- (vec[1] + 1) : vec[2]
  33 y <- as.numeric(strsplit(strvec[2], split = " ")[[1]])
  34 mean <- weighted.mean(x, y)
  35 std <- sqrt(weighted.mean((x - mean)^2, y))
  36 plot(x, y, type = "h", main = "Fragment Length Distribution", sub = paste("Mean = ", mean, ", Std = ", std), xlab = "Fragment Length", ylab = "Probability")
  37
  38 # mate length distribution
  39 if (model_type == 0 || model_type == 1) bval <- as.numeric(readLines(con, n = 1)[1]) else bval <- 1
  40
  41 if (bval == 1) {
  42   list <- strsplit(readLines(con, n = 2), split = " ")
  43   vec <- as.numeric(list[[1]])
  44   maxL <- vec[2]
  45   x <- (vec[1] + 1) : vec[2]
  46   y <- as.numeric(list[[2]])
  47   mean <- weighted.mean(x, y)
  48   std <- sqrt(weighted.mean((x - mean)^2, y))
  49   plot(x, y, type = "h", main = "Mate Length Distribution", sub = paste("Mean = ", mean, ", Std = ", std), xlab = "Mate Length", ylab = "Probability")
  50 }
  51 strvec <- readLines(con, n = 1)
  52
  53 # RSPD
  54 bval <- as.numeric(readLines(con, n = 1)[1])
  55 if (bval == 1) {
  56   bin_size <- as.numeric(readLines(con, n = 1)[1])
  57   y <- as.numeric(strsplit(readLines(con, n = 1), split = " ")[[1]])
  58   par(cex.axis = 0.7)
  59   barplot(y, space = 0, names.arg = 1:bin_size, main = "Read Start Position Distribution", xlab = "Bin #", ylab = "Probability")
  60   par(cex.axis = 1.0)
  61 }
  62 strvec <- readLines(con, n = 1)
  63
  64 # plot sequencing errors
  65 if (model_type == 1 || model_type == 3) {
  66   # skip QD
  67   N <- as.numeric(readLines(con, n = 1)[1])
  68   readLines(con, n = N + 1)
  69   readLines(con, n = 1) # for the blank line
  70
  71   # QProfile
  72   readLines(con, n = 1)
  73
  74   x <- c()
  75   peA <- c() # probability of sequencing error given reference base is A
  76   peC <- c()
  77   peG <- c()
  78   peT <- c()
  79
  80   for (i in 1 : N) {
  81     strvec <- readLines(con, n = 6)
  82     list <- strsplit(strvec[1:4], split = " ")
  83
  84     vecA <- as.numeric(list[[1]])
  85     vecC <- as.numeric(list[[2]])
  86     vecG <- as.numeric(list[[3]])
  87     vecT <- as.numeric(list[[4]])
  88
  89     if (sum(c(vecA, vecC, vecG, vecT)) < 1e-8) next
  90     x <- c(x, (i - 1))
  91     peA <- c(peA, ifelse(sum(vecA) < 1e-8, NA, -10 * log10(1.0 - vecA[1])))
  92     peC <- c(peC, ifelse(sum(vecC) < 1e-8, NA, -10 * log10(1.0 - vecC[2])))
  93     peG <- c(peG, ifelse(sum(vecG) < 1e-8, NA, -10 * log10(1.0 - vecG[3])))
  94     peT <- c(peT, ifelse(sum(vecT) < 1e-8, NA, -10 * log10(1.0 - vecT[4])))
  95   }
  96
  97   matplot(x, cbind(peA, peC, peG, peT), type = "b", lty = 1:4, pch = 0:3, col = 1:4, main = "Phred Quality Score vs. Observed Quality", xlab = "Quality Score", ylab = "Observed Quality")
  98   legend("topleft", c("A", "C", "G", "T"), lty = 1:4, pch = 0:3, col = 1:4)
  99 } else {
 100   # Profile
 101   readLines(con, n = 1)
 102
 103   x <- c()
 104   peA <- c() # probability of sequencing error given reference base is A
 105   peC <- c()
 106   peG <- c()
 107   peT <- c()
 108
 109   for (i in 1: maxL) {
 110     strvec <- readLines(con, n = 6)
 111     list <- strsplit(strvec[1:4], split = " ")
 112
 113     vecA <- as.numeric(list[[1]])
 114     vecC <- as.numeric(list[[2]])
 115     vecG <- as.numeric(list[[3]])
 116     vecT <- as.numeric(list[[4]])
 117
 118     if (sum(c(vecA, vecC, vecG, vecT)) < 1e-8) next
 119     x <- c(x, i)
 120     peA <- c(peA, ifelse(sum(vecA) < 1e-8, NA, (1.0 - vecA[1]) * 100))
 121     peC <- c(peC, ifelse(sum(vecC) < 1e-8, NA, (1.0 - vecC[2]) * 100))
 122     peG <- c(peG, ifelse(sum(vecG) < 1e-8, NA, (1.0 - vecG[3]) * 100))
 123     peT <- c(peT, ifelse(sum(vecT) < 1e-8, NA, (1.0 - vecT[4]) * 100))
 124   }
 125
 126   matplot(x, cbind(peA, peC, peG, peT), type = "b", lty = 1:4, pch = 0:3, col = 1:4, main = "Position vs. Percentage Sequence Error", xlab = "Position", ylab = "Percentage of Sequencing Error")
 127   legend("topleft", c("A", "C", "G", "T"), lty = 1:4, pch = 0:3, col = 1:4)
 128 }
 129
 130 close(con)
 131
 132 pair <- read.table(file = cntF, skip = 3, sep = "\t")
 133 barplot(pair[,2], names.arg = pair[,1], xlab = "Number of Alignments", ylab = "Number of Reads", main = "Histogram of Reads with Different Number of  Alignments")
 134
 135 dev.off()