bam_plcmd.c

   1 #include <math.h>
   2 #include <stdio.h>
   3 #include <unistd.h>
   4 #include <ctype.h>
   5 #include "sam.h"
   6 #include "faidx.h"
   7 #include "bam_maqcns.h"
   8 #include "khash.h"
   9 #include "glf.h"
  10 #include "kstring.h"
  11
  12 typedef int *indel_list_t;
  13 KHASH_MAP_INIT_INT64(64, indel_list_t)
  14
  15 #define BAM_PLF_SIMPLE     0x01
  16 #define BAM_PLF_CNS        0x02
  17 #define BAM_PLF_INDEL_ONLY 0x04
  18 #define BAM_PLF_GLF        0x08
  19 #define BAM_PLF_VAR_ONLY   0x10
  20 #define BAM_PLF_2ND        0x20
  21 #define BAM_PLF_RANBASE    0x40
  22 #define BAM_PLF_1STBASE    0x80
  23 #define BAM_PLF_ALLBASE    0x100
  24 #define BAM_PLF_READPOS    0x200
  25
  26 typedef struct {
  27         bam_header_t *h;
  28         bam_maqcns_t *c;
  29         bam_maqindel_opt_t *ido;
  30         faidx_t *fai;
  31         khash_t(64) *hash;
  32         uint32_t format;
  33         int tid, len, last_pos;
  34         int mask;
  35     int max_depth;  // for indel calling, ignore reads with the depth too high. 0 for unlimited
  36         char *ref;
  37         glfFile fp_glf; // for glf output only
  38 } pu_data_t;
  39
  40 char **__bam_get_lines(const char *fn, int *_n);
  41 void bam_init_header_hash(bam_header_t *header);
  42 int32_t bam_get_tid(const bam_header_t *header, const char *seq_name);
  43
  44 static khash_t(64) *load_pos(const char *fn, bam_header_t *h)
  45 {
  46         char **list;
  47         int i, j, n, *fields, max_fields;
  48         khash_t(64) *hash;
  49         bam_init_header_hash(h);
  50         list = __bam_get_lines(fn, &n);
  51         hash = kh_init(64);
  52         max_fields = 0; fields = 0;
  53         for (i = 0; i < n; ++i) {
  54                 char *str = list[i];
  55                 int chr, n_fields, ret;
  56                 khint_t k;
  57                 uint64_t x;
  58                 n_fields = ksplit_core(str, 0, &max_fields, &fields);
  59                 if (n_fields < 2) continue;
  60                 chr = bam_get_tid(h, str + fields[0]);
  61                 if (chr < 0) {
  62                         fprintf(stderr, "[load_pos] unknown reference sequence name: %s\n", str + fields[0]);
  63                         continue;
  64                 }
  65                 x = (uint64_t)chr << 32 | (atoi(str + fields[1]) - 1);
  66                 k = kh_put(64, hash, x, &ret);
  67                 if (ret == 0) {
  68                         fprintf(stderr, "[load_pos] position %s:%s has been loaded.\n", str+fields[0], str+fields[1]);
  69                         continue;
  70                 }
  71                 kh_val(hash, k) = 0;
  72                 if (n_fields > 2) {
  73                         // count
  74                         for (j = 2; j < n_fields; ++j) {
  75                                 char *s = str + fields[j];
  76                                 if ((*s != '+' && *s != '-') || !isdigit(s[1])) break;
  77                         }
  78                         if (j > 2) { // update kh_val()
  79                                 int *q, y, z;
  80                                 q = kh_val(hash, k) = (int*)calloc(j - 1, sizeof(int));
  81                                 q[0] = j - 2; z = j; y = 1;
  82                                 for (j = 2; j < z; ++j)
  83                                         q[y++] = atoi(str + fields[j]);
  84                         }
  85                 }
  86                 free(str);
  87         }
  88         free(list); free(fields);
  89         return hash;
  90 }
  91
  92 // an analogy to pileup_func() below
  93 static int glt3_func(uint32_t tid, uint32_t pos, int n, const bam_pileup1_t *pu, void *data)
  94 {
  95         pu_data_t *d = (pu_data_t*)data;
  96         bam_maqindel_ret_t *r = 0;
  97         int rb, *proposed_indels = 0;
  98         glf1_t *g;
  99         glf3_t *g3;
 100
 101         if (d->fai == 0) {
 102                 fprintf(stderr, "[glt3_func] reference sequence is required for generating GLT. Abort!\n");
 103                 exit(1);
 104         }
 105         if (d->hash) { // only output a list of sites
 106                 khint_t k = kh_get(64, d->hash, (uint64_t)tid<<32|pos);
 107                 if (k == kh_end(d->hash)) return 0;
 108                 proposed_indels = kh_val(d->hash, k);
 109         }
 110         g3 = glf3_init1();
 111         if (d->fai && (int)tid != d->tid) {
 112                 if (d->ref) { // then write the end mark
 113                         g3->rtype = GLF3_RTYPE_END;
 114                         glf3_write1(d->fp_glf, g3);
 115                 }
 116                 glf3_ref_write(d->fp_glf, d->h->target_name[tid], d->h->target_len[tid]); // write reference
 117                 free(d->ref);
 118                 d->ref = fai_fetch(d->fai, d->h->target_name[tid], &d->len);
 119                 d->tid = tid;
 120                 d->last_pos = 0;
 121         }
 122         rb = (d->ref && (int)pos < d->len)? d->ref[pos] : 'N';
 123         g = bam_maqcns_glfgen(n, pu, bam_nt16_table[rb], d->c);
 124         memcpy(g3, g, sizeof(glf1_t));
 125         g3->rtype = GLF3_RTYPE_SUB;
 126         g3->offset = pos - d->last_pos;
 127         d->last_pos = pos;
 128         glf3_write1(d->fp_glf, g3);
 129     if (pos < d->len) {
 130         int m = (!d->max_depth || d->max_depth>n) ? n : d->max_depth;
 131                 if (proposed_indels)
 132                         r = bam_maqindel(m, pos, d->ido, pu, d->ref, proposed_indels[0], proposed_indels+1);
 133                 else r = bam_maqindel(m, pos, d->ido, pu, d->ref, 0, 0);
 134         }
 135         if (r) { // then write indel line
 136                 int het = 3 * n, min;
 137                 min = het;
 138                 if (min > r->gl[0]) min = r->gl[0];
 139                 if (min > r->gl[1]) min = r->gl[1];
 140                 g3->ref_base = 0;
 141                 g3->rtype = GLF3_RTYPE_INDEL;
 142                 memset(g3->lk, 0, 10);
 143                 g3->lk[0] = r->gl[0] - min < 255? r->gl[0] - min : 255;
 144                 g3->lk[1] = r->gl[1] - min < 255? r->gl[1] - min : 255;
 145                 g3->lk[2] = het - min < 255? het - min : 255;
 146                 g3->offset = 0;
 147                 g3->indel_len[0] = r->indel1;
 148                 g3->indel_len[1] = r->indel2;
 149                 g3->min_lk = min < 255? min : 255;
 150                 g3->max_len = (abs(r->indel1) > abs(r->indel2)? abs(r->indel1) : abs(r->indel2)) + 1;
 151                 g3->indel_seq[0] = strdup(r->s[0]+1);
 152                 g3->indel_seq[1] = strdup(r->s[1]+1);
 153                 glf3_write1(d->fp_glf, g3);
 154                 bam_maqindel_ret_destroy(r);
 155         }
 156         free(g);
 157         glf3_destroy1(g3);
 158         return 0;
 159 }
 160
 161 static int pileup_func(uint32_t tid, uint32_t pos, int n, const bam_pileup1_t *pu, void *data)
 162 {
 163         pu_data_t *d = (pu_data_t*)data;
 164         bam_maqindel_ret_t *r = 0;
 165         int i, j, rb, rms_mapq = -1, *proposed_indels = 0;
 166         uint64_t rms_aux;
 167         uint32_t cns = 0;
 168
 169         // if GLF is required, suppress -c completely
 170         if (d->format & BAM_PLF_GLF) return glt3_func(tid, pos, n, pu, data);
 171         // if d->hash is initialized, only output the sites in the hash table
 172         if (d->hash) {
 173                 khint_t k = kh_get(64, d->hash, (uint64_t)tid<<32|pos);
 174                 if (k == kh_end(d->hash)) return 0;
 175                 proposed_indels = kh_val(d->hash, k);
 176         }
 177         // update d->ref if necessary
 178         if (d->fai && (int)tid != d->tid) {
 179                 free(d->ref);
 180                 d->ref = faidx_fetch_seq(d->fai, d->h->target_name[tid], 0, 0x7fffffff, &d->len);
 181                 d->tid = tid;
 182         }
 183         rb = (d->ref && (int)pos < d->len)? d->ref[pos] : 'N';
 184         // when the indel-only mode is asked for, return if no reads mapped with indels
 185         if (d->format & BAM_PLF_INDEL_ONLY) {
 186                 for (i = 0; i < n; ++i)
 187                         if (pu[i].indel != 0) break;
 188                 if (i == n) return 0;
 189         }
 190         // call the consensus and indel
 191         if (d->format & BAM_PLF_CNS) { // call consensus
 192                 if (d->format & (BAM_PLF_RANBASE|BAM_PLF_1STBASE)) { // use a random base or the 1st base as the consensus call
 193                         const bam_pileup1_t *p = (d->format & BAM_PLF_1STBASE)? pu : pu + (int)(drand48() * n);
 194                         int q = bam1_qual(p->b)[p->qpos];
 195                         int mapQ = p->b->core.qual < d->c->cap_mapQ? p->b->core.qual : d->c->cap_mapQ;
 196                         uint32_t b = bam1_seqi(bam1_seq(p->b), p->qpos);
 197                         cns = b<<28 | 0xf<<24 | mapQ<<16 | q<<8;
 198                 } else if (d->format & BAM_PLF_ALLBASE) { // collapse all bases
 199                         uint64_t rmsQ = 0;
 200                         uint32_t b = 0;
 201                         for (i = 0; i < n; ++i) {
 202                                 const bam_pileup1_t *p = pu + i;
 203                                 int q = p->b->core.qual < d->c->cap_mapQ? p->b->core.qual : d->c->cap_mapQ;
 204                                 b |= bam1_seqi(bam1_seq(p->b), p->qpos);
 205                                 rmsQ += q * q;
 206                         }
 207                         rmsQ = (uint64_t)(sqrt((double)rmsQ / n) + .499);
 208                         cns = b<<28 | 0xf<<24 | rmsQ<<16 | 60<<8;
 209                 } else cns = bam_maqcns_call(n, pu, d->c);
 210         }
 211     if ((d->format & (BAM_PLF_CNS|BAM_PLF_INDEL_ONLY)) && d->ref && pos < d->len) { // call indels
 212         int m = (!d->max_depth || d->max_depth>n) ? n : d->max_depth;
 213         if (proposed_indels) // the first element gives the size of the array
 214             r = bam_maqindel(m, pos, d->ido, pu, d->ref, proposed_indels[0], proposed_indels+1);
 215         else r = bam_maqindel(m, pos, d->ido, pu, d->ref, 0, 0);
 216         }
 217         // when only variant sites are asked for, test if the site is a variant
 218         if ((d->format & BAM_PLF_CNS) && (d->format & BAM_PLF_VAR_ONLY)) {
 219                 if (!(bam_nt16_table[rb] != 15 && cns>>28 != bam_nt16_table[rb])) { // not a SNP
 220                         if (!(r && (r->gt == 2 || strcmp(r->s[r->gt], "*")))) { // not an indel
 221                                 if (r) bam_maqindel_ret_destroy(r);
 222                                 return 0;
 223                         }
 224                 }
 225         }
 226         // print the first 3 columns
 227         printf("%s\t%d\t%c\t", d->h->target_name[tid], pos + 1, rb);
 228         // print consensus information if required
 229         if (d->format & BAM_PLF_CNS) {
 230                 int ref_q, rb4 = bam_nt16_table[rb];
 231                 ref_q = 0;
 232                 if (rb4 != 15 && cns>>28 != 15 && cns>>28 != rb4) { // a SNP
 233                         ref_q = ((cns>>24&0xf) == rb4)? cns>>8&0xff : (cns>>8&0xff) + (cns&0xff);
 234                         if (ref_q > 255) ref_q = 255;
 235                 }
 236                 rms_mapq = cns>>16&0xff;
 237                 printf("%c\t%d\t%d\t%d\t", bam_nt16_rev_table[cns>>28], cns>>8&0xff, ref_q, rms_mapq);
 238         }
 239         // print pileup sequences
 240         printf("%d\t", n);
 241         rms_aux = 0; // we need to recalculate rms_mapq when -c is not flagged on the command line
 242         for (i = 0; i < n; ++i) {
 243                 const bam_pileup1_t *p = pu + i;
 244                 int tmp = p->b->core.qual < d->c->cap_mapQ? p->b->core.qual : d->c->cap_mapQ;
 245                 rms_aux += tmp * tmp;
 246                 if (p->is_head) printf("^%c", p->b->core.qual > 93? 126 : p->b->core.qual + 33);
 247                 if (!p->is_del) {
 248                         int c = bam_nt16_rev_table[bam1_seqi(bam1_seq(p->b), p->qpos)];
 249                         if (c == '=' || toupper(c) == toupper(rb)) c = bam1_strand(p->b)? ',' : '.';
 250                         else c = bam1_strand(p->b)? tolower(c) : toupper(c);
 251                         putchar(c);
 252                         if (p->indel > 0) {
 253                                 printf("+%d", p->indel);
 254                                 for (j = 1; j <= p->indel; ++j) {
 255                                         c = bam_nt16_rev_table[bam1_seqi(bam1_seq(p->b), p->qpos + j)];
 256                                         putchar(bam1_strand(p->b)? tolower(c) : toupper(c));
 257                                 }
 258                         } else if (p->indel < 0) {
 259                                 printf("%d", p->indel);
 260                                 for (j = 1; j <= -p->indel; ++j) {
 261                                         c = (d->ref && (int)pos+j < d->len)? d->ref[pos+j] : 'N';
 262                                         putchar(bam1_strand(p->b)? tolower(c) : toupper(c));
 263                                 }
 264                         }
 265                 } else putchar('*');
 266                 if (p->is_tail) putchar('$');
 267         }
 268         // finalize rms_mapq
 269         rms_aux = (uint64_t)(sqrt((double)rms_aux / n) + .499);
 270         if (rms_mapq < 0) rms_mapq = rms_aux;
 271         putchar('\t');
 272         // print quality
 273         for (i = 0; i < n; ++i) {
 274                 const bam_pileup1_t *p = pu + i;
 275                 int c = bam1_qual(p->b)[p->qpos] + 33;
 276                 if (c > 126) c = 126;
 277                 putchar(c);
 278         }
 279         if (d->format & BAM_PLF_2ND) { // print 2nd calls and qualities
 280                 const unsigned char *q;
 281                 putchar('\t');
 282                 for (i = 0; i < n; ++i) {
 283                         const bam_pileup1_t *p = pu + i;
 284                         q = bam_aux_get(p->b, "E2");
 285                         putchar(q? q[p->qpos + 1] : 'N');
 286                 }
 287                 putchar('\t');
 288                 for (i = 0; i < n; ++i) {
 289                         const bam_pileup1_t *p = pu + i;
 290                         q = bam_aux_get(p->b, "U2");
 291                         putchar(q? q[p->qpos + 1] : '!');
 292                 }
 293         }
 294         // print mapping quality if -s is flagged on the command line
 295         if (d->format & BAM_PLF_SIMPLE) {
 296                 putchar('\t');
 297                 for (i = 0; i < n; ++i) {
 298                         int c = pu[i].b->core.qual + 33;
 299                         if (c > 126) c = 126;
 300                         putchar(c);
 301                 }
 302         }
 303         // print read position
 304         if (d->format & BAM_PLF_READPOS) {
 305                 putchar('\t');
 306                 for (i = 0; i < n; ++i) {
 307                         int x = pu[i].qpos;
 308                         int l = pu[i].b->core.l_qseq;
 309                         printf("%d,", x < l/2? x+1 : -((l-1)-x+1));
 310                 }
 311         }
 312         putchar('\n');
 313         // print the indel line if r has been calculated. This only happens if:
 314         // a) -c or -i are flagged, AND b) the reference sequence is available
 315         if (r) {
 316                 printf("%s\t%d\t*\t", d->h->target_name[tid], pos + 1);
 317                 if (r->gt < 2) printf("%s/%s\t", r->s[r->gt], r->s[r->gt]);
 318                 else printf("%s/%s\t", r->s[0], r->s[1]);
 319                 printf("%d\t%d\t", r->q_cns, r->q_ref);
 320                 printf("%d\t%d\t", rms_mapq, n);
 321                 printf("%s\t%s\t", r->s[0], r->s[1]);
 322                 //printf("%d\t%d\t", r->gl[0], r->gl[1]);
 323                 printf("%d\t%d\t%d\t", r->cnt1, r->cnt2, r->cnt_anti);
 324                 printf("%d\t%d\n", r->cnt_ref, r->cnt_ambi);
 325                 bam_maqindel_ret_destroy(r);
 326         }
 327         return 0;
 328 }
 329
 330 int bam_pileup(int argc, char *argv[])
 331 {
 332         int c, is_SAM = 0;
 333         char *fn_list = 0, *fn_fa = 0, *fn_pos = 0;
 334         pu_data_t *d = (pu_data_t*)calloc(1, sizeof(pu_data_t));
 335     d->max_depth = 0;
 336         d->tid = -1; d->mask = BAM_DEF_MASK;
 337         d->c = bam_maqcns_init();
 338         d->ido = bam_maqindel_opt_init();
 339         while ((c = getopt(argc, argv, "st:f:cT:N:r:l:d:im:gI:G:vM:S2aR:P")) >= 0) {
 340                 switch (c) {
 341                 case 'a': d->c->is_soap = 1; break;
 342                 case 's': d->format |= BAM_PLF_SIMPLE; break;
 343                 case 't': fn_list = strdup(optarg); break;
 344                 case 'l': fn_pos = strdup(optarg); break;
 345                 case 'f': fn_fa = strdup(optarg); break;
 346                 case 'T': d->c->theta = atof(optarg); break;
 347                 case 'N': d->c->n_hap = atoi(optarg); break;
 348                 case 'r': d->c->het_rate = atof(optarg); break;
 349                 case 'M': d->c->cap_mapQ = atoi(optarg); break;
 350                 case 'd': d->max_depth = atoi(optarg); break;
 351                 case 'c': d->format |= BAM_PLF_CNS; break;
 352                 case 'i': d->format |= BAM_PLF_INDEL_ONLY; break;
 353                 case 'v': d->format |= BAM_PLF_VAR_ONLY; break;
 354                 case 'm': d->mask = strtol(optarg, 0, 0); break;
 355                 case 'g': d->format |= BAM_PLF_GLF; break;
 356                 case '2': d->format |= BAM_PLF_2ND; break;
 357                 case 'P': d->format |= BAM_PLF_READPOS; break;
 358                 case 'I': d->ido->q_indel = atoi(optarg); break;
 359                 case 'G': d->ido->r_indel = atof(optarg); break;
 360                 case 'S': is_SAM = 1; break;
 361                 case 'R':
 362                         if (strcmp(optarg, "random") == 0) d->format |= BAM_PLF_RANBASE;
 363                         else if (strcmp(optarg, "first") == 0) d->format |= BAM_PLF_1STBASE;
 364                         else if (strcmp(optarg, "all") == 0) d->format |= BAM_PLF_ALLBASE;
 365                         else fprintf(stderr, "[bam_pileup] unrecognized -R\n");
 366                         break;
 367                 default: fprintf(stderr, "Unrecognizd option '-%c'.\n", c); return 1;
 368                 }
 369         }
 370         if (fn_list) is_SAM = 1;
 371         if (optind == argc) {
 372                 fprintf(stderr, "\n");
 373                 fprintf(stderr, "Usage:  samtools pileup [options] <in.bam>|<in.sam>\n\n");
 374                 fprintf(stderr, "Option: -s        simple (yet incomplete) pileup format\n");
 375                 fprintf(stderr, "        -S        the input is in SAM\n");
 376                 fprintf(stderr, "        -a        use the SOAPsnp model for SNP calling\n");
 377                 fprintf(stderr, "        -2        output the 2nd best call and quality\n");
 378                 fprintf(stderr, "        -i        only show lines/consensus with indels\n");
 379                 fprintf(stderr, "        -m INT    filtering reads with bits in INT [%d]\n", d->mask);
 380                 fprintf(stderr, "        -M INT    cap mapping quality at INT [%d]\n", d->c->cap_mapQ);
 381         fprintf(stderr, "        -d INT    limit maximum depth for indels [unlimited]\n");
 382                 fprintf(stderr, "        -t FILE   list of reference sequences (force -S)\n");
 383                 fprintf(stderr, "        -l FILE   list of sites at which pileup is output\n");
 384                 fprintf(stderr, "        -f FILE   reference sequence in the FASTA format\n\n");
 385                 fprintf(stderr, "        -c        output the maq consensus sequence\n");
 386                 fprintf(stderr, "        -v        print variants only (for -c)\n");
 387                 fprintf(stderr, "        -g        output in the GLFv3 format (suppressing -c/-i/-s)\n");
 388                 fprintf(stderr, "        -T FLOAT  theta in maq consensus calling model (for -c/-g) [%f]\n", d->c->theta);
 389                 fprintf(stderr, "        -N INT    number of haplotypes in the sample (for -c/-g) [%d]\n", d->c->n_hap);
 390                 fprintf(stderr, "        -r FLOAT  prior of a difference between two haplotypes (for -c/-g) [%f]\n", d->c->het_rate);
 391                 fprintf(stderr, "        -G FLOAT  prior of an indel between two haplotypes (for -c/-g) [%f]\n", d->ido->r_indel);
 392                 fprintf(stderr, "        -I INT    phred prob. of an indel in sequencing/prep. (for -c/-g) [%d]\n", d->ido->q_indel);
 393                 fprintf(stderr, "\n");
 394                 free(fn_list); free(fn_fa); free(d);
 395                 return 1;
 396         }
 397         if (d->format & (BAM_PLF_RANBASE|BAM_PLF_1STBASE|BAM_PLF_ALLBASE)) d->format |= BAM_PLF_CNS;
 398         if (fn_fa) d->fai = fai_load(fn_fa);
 399         if (d->format & (BAM_PLF_CNS|BAM_PLF_GLF)) bam_maqcns_prepare(d->c); // consensus calling
 400         if (d->format & BAM_PLF_GLF) { // for glf output
 401                 glf3_header_t *h;
 402                 h = glf3_header_init();
 403                 d->fp_glf = bgzf_fdopen(fileno(stdout), "w");
 404                 glf3_header_write(d->fp_glf, h);
 405                 glf3_header_destroy(h);
 406         }
 407         if (d->fai == 0 && (d->format & (BAM_PLF_CNS|BAM_PLF_INDEL_ONLY)))
 408                 fprintf(stderr, "[bam_pileup] indels will not be called when -f is absent.\n");
 409         if (fn_fa && is_SAM && fn_list == 0) fn_list = samfaipath(fn_fa);
 410
 411         {
 412                 samfile_t *fp;
 413                 fp = is_SAM? samopen(argv[optind], "r", fn_list) : samopen(argv[optind], "rb", 0);
 414                 if (fp == 0 || fp->header == 0) {
 415                         fprintf(stderr, "[bam_pileup] fail to read the header: non-exisiting file or wrong format.\n");
 416                         return 1;
 417                 }
 418                 d->h = fp->header;
 419                 if (fn_pos) d->hash = load_pos(fn_pos, d->h);
 420                 sampileup(fp, d->mask, pileup_func, d);
 421                 samclose(fp); // d->h will be destroyed here
 422         }
 423
 424         // free
 425         if (d->format & BAM_PLF_GLF) bgzf_close(d->fp_glf);
 426         if (fn_pos) { // free the hash table
 427                 khint_t k;
 428                 for (k = kh_begin(d->hash); k < kh_end(d->hash); ++k)
 429                         if (kh_exist(d->hash, k)) free(kh_val(d->hash, k));
 430                 kh_destroy(64, d->hash);
 431         }
 432         free(fn_pos); free(fn_list); free(fn_fa);
 433         if (d->fai) fai_destroy(d->fai);
 434         bam_maqcns_destroy(d->c);
 435         free(d->ido); free(d->ref); free(d);
 436         return 0;
 437 }