bcf.c

   1 #include <string.h>
   2 #include <ctype.h>
   3 #include <stdio.h>
   4 #include "kstring.h"
   5 #include "bcf.h"
   6
   7 int bcf_hdr_read(bcf_t *b);
   8
   9 void bcf_hdr_clear(bcf_hdr_t *b)
  10 {
  11         free(b->name); free(b->sname); free(b->txt); free(b->ns); free(b->sns);
  12         memset(b, 0, sizeof(bcf_hdr_t));
  13 }
  14
  15 bcf_t *bcf_open(const char *fn, const char *mode)
  16 {
  17         bcf_t *b;
  18         b = calloc(1, sizeof(bcf_t));
  19         if (strchr(mode, 'w')) {
  20                 b->fp = strcmp(fn, "-")? bgzf_open(fn, mode) : bgzf_fdopen(fileno(stdout), "w");
  21         } else {
  22                 b->fp = strcmp(fn, "-")? bgzf_open(fn, mode) : bgzf_fdopen(fileno(stdin), "r");
  23         }
  24         b->fp->owned_file = 1;
  25         if (strchr(mode, 'r')) bcf_hdr_read(b);
  26         return b;
  27 }
  28
  29 int bcf_close(bcf_t *b)
  30 {
  31         int ret;
  32         if (b == 0) return 0;
  33         ret = bgzf_close(b->fp);
  34         free(b->h.name); free(b->h.sname); free(b->h.txt); free(b->h.ns); free(b->h.sns);
  35         free(b);
  36         return ret;
  37 }
  38
  39 int bcf_hdr_write(bcf_t *b)
  40 {
  41         bcf_hdr_t *h;
  42         if (b == 0) return -1;
  43         h = &b->h;
  44         bgzf_write(b->fp, "BCF\4", 4);
  45         bgzf_write(b->fp, &h->l_nm, 4);
  46         bgzf_write(b->fp, h->name, h->l_nm);
  47         bgzf_write(b->fp, &h->l_smpl, 4);
  48         bgzf_write(b->fp, h->sname, h->l_smpl);
  49         bgzf_write(b->fp, &h->l_txt, 4);
  50         bgzf_write(b->fp, h->txt, h->l_txt);
  51         bgzf_flush(b->fp);
  52         return 16 + h->l_nm + h->l_smpl + h->l_txt;
  53 }
  54
  55 int bcf_hdr_read(bcf_t *b)
  56 {
  57         uint8_t magic[4];
  58         bcf_hdr_t *h;
  59         if (b == 0) return -1;
  60         bcf_hdr_clear(&b->h);
  61         h = &b->h;
  62         bgzf_read(b->fp, magic, 4);
  63         bgzf_read(b->fp, &h->l_nm, 4);
  64         h->name = malloc(h->l_nm);
  65         bgzf_read(b->fp, h->name, h->l_nm);
  66         bgzf_read(b->fp, &h->l_smpl, 4);
  67         h->sname = malloc(h->l_smpl);
  68         bgzf_read(b->fp, h->sname, h->l_smpl);
  69         bgzf_read(b->fp, &h->l_txt, 4);
  70         h->txt = malloc(h->l_txt);
  71         bgzf_read(b->fp, h->txt, h->l_txt);
  72         bcf_hdr_sync(&b->h);
  73         return 16 + h->l_nm + h->l_smpl + h->l_txt;
  74 }
  75
  76 static inline char **cnt_null(int l, char *str, int *_n)
  77 {
  78         int n = 0;
  79         char *p, **list;
  80         *_n = 0;
  81         if (l == 0 || str == 0) return 0;
  82         for (p = str; p != str + l; ++p)
  83                 if (*p == 0) ++n;
  84         *_n = n;
  85         list = calloc(n, sizeof(void*));
  86         list[0] = str;
  87         for (p = str, n = 1; p < str + l - 1; ++p)
  88                 if (*p == 0) list[n++] = p + 1;
  89         return list;
  90 }
  91
  92 int bcf_hdr_sync(bcf_hdr_t *b)
  93 {
  94         if (b == 0) return -1;
  95         b->ns = cnt_null(b->l_nm, b->name, &b->n_ref);
  96         b->sns = cnt_null(b->l_smpl, b->sname, &b->n_smpl);
  97         return 0;
  98 }
  99
 100 #define char2int(s) (((int)s[0])<<8|s[1])
 101
 102 int bcf_sync(int n_smpl, bcf1_t *b)
 103 {
 104         char *p, *tmp[4], *s;
 105         int i, n, c;
 106         // set ref, alt, flt, info, fmt
 107         b->ref = b->alt = b->flt = b->info = b->fmt = 0;
 108         for (p = b->str, n = 0; p < b->str + b->l_str; ++p)
 109                 if (*p == 0 && p+1 != b->str + b->l_str) tmp[n++] = p + 1;
 110         if (n != 5) return -1;
 111         b->ref = tmp[0]; b->alt = tmp[1]; b->flt = tmp[2]; b->info = tmp[3]; b->fmt = tmp[4];
 112         // set n_alleles
 113         for (p = b->alt, n = 1; *p; ++p)
 114                 if (*p == ',') ++n;
 115         b->n_alleles = n;
 116         c = toupper(*b->ref);
 117         if (b->alt - b->ref == 2 && (c == 'A' || c == 'C' || c == 'G' || c == 'T'))
 118                 ++b->n_alleles;
 119         // set n_gi and gi[i].fmt
 120         for (p = b->fmt, n = 1; *p; ++p)
 121                 if (*p == ':') ++n;
 122         if (n > b->m_gi) {
 123                 int old_m = b->m_gi;
 124                 b->m_gi = n;
 125                 kroundup32(b->m_gi);
 126                 b->gi = realloc(b->gi, b->m_gi * sizeof(bcf_ginfo_t));
 127                 memset(b->gi + old_m, 0, (b->m_gi - old_m) * sizeof(bcf_ginfo_t));
 128         }
 129         b->n_gi = n;
 130         for (p = s = b->fmt, n = 0; *p; ++p) {
 131                 if (*p == ':' || *(p+1) == 0) {
 132                         char *q = *p == ':'? p : p + 1;
 133                         if ((q - s) != 2) return -2;
 134                         b->gi[n].fmt = char2int(s);
 135                         s = q;
 136                 }
 137         }
 138         // set gi[i].len
 139         for (i = 0; i < b->n_gi; ++i) {
 140                 if (b->gi[i].fmt == char2int("PL")) {
 141                         b->gi[i].len = b->n_alleles * (b->n_alleles + 1) / 2;
 142                 } else if (b->gi[i].fmt == char2int("DP") || b->gi[i].fmt == char2int("HQ")) {
 143                         b->gi[i].len = 2;
 144                 } else if (b->gi[i].fmt == char2int("GQ") || b->gi[i].fmt == char2int("GT")) {
 145                         b->gi[i].len = 1;
 146                 } else if (b->gi[i].fmt == char2int("GL")) {
 147                         b->gi[i].len = 4;
 148                 }
 149                 b->gi[i].data = malloc(n_smpl * b->gi[i].len);
 150         }
 151         return 0;
 152 }
 153
 154 int bcf_write(bcf_t *bp, const bcf1_t *b)
 155 {
 156         uint32_t x;
 157         int i, l = 0;
 158         if (b == 0) return -1;
 159         bgzf_write(bp->fp, &b->tid, 4);
 160         bgzf_write(bp->fp, &b->pos, 4);
 161         x = b->qual<<24 | b->l_str;
 162         bgzf_write(bp->fp, &x, 4);
 163         bgzf_write(bp->fp, b->str, b->l_str);
 164         l = 12 + b->l_str;
 165         for (i = 0; i < b->n_gi; ++i) {
 166                 bgzf_write(bp->fp, b->gi[i].data, b->gi[i].len * bp->h.n_smpl);
 167                 l += b->gi[i].len * bp->h.n_smpl;
 168         }
 169         return l;
 170 }
 171
 172 int bcf_read(bcf_t *bp, bcf1_t *b)
 173 {
 174         int i, l = 0;
 175         uint32_t x;
 176         if (b == 0) return -1;
 177         if (bgzf_read(bp->fp, &b->tid, 4) == 0) return 0;
 178         bgzf_read(bp->fp, &b->pos, 4);
 179         bgzf_read(bp->fp, &x, 4);
 180         b->qual = x >> 24; b->l_str = x << 8 >> 8;
 181         if (b->l_str > b->m_str) {
 182                 b->m_str = b->l_str;
 183                 kroundup32(b->m_str);
 184                 b->str = realloc(b->str, b->m_str);
 185         }
 186         bgzf_read(bp->fp, b->str, b->l_str);
 187         l = 12 + b->l_str;
 188         bcf_sync(bp->h.n_smpl, b);
 189         for (i = 0; i < b->n_gi; ++i) {
 190                 bgzf_read(bp->fp, b->gi[i].data, b->gi[i].len * bp->h.n_smpl);
 191                 l += b->gi[i].len * bp->h.n_smpl;
 192         }
 193         return l;
 194 }
 195
 196 int bcf_destroy(bcf1_t *b)
 197 {
 198         int i;
 199         if (b == 0) return -1;
 200         free(b->str);
 201         for (i = 0; i < b->n_gi; ++i)
 202                 free(b->gi[i].data);
 203         free(b->gi);
 204         free(b);
 205         return 0;
 206 }
 207
 208 static inline void fmt_str(const char *p, kstring_t *s)
 209 {
 210         if (*p == 0) kputc('.', s);
 211         else kputs(p, s);
 212 }
 213
 214 char *bcf_fmt(bcf_t *bp, bcf1_t *b)
 215 {
 216         kstring_t s;
 217         int i, j, x;
 218         memset(&s, 0, sizeof(kstring_t));
 219         kputs(bp->h.ns[b->tid], &s); kputc('\t', &s);
 220         kputw(b->pos + 1, &s); kputc('\t', &s);
 221         fmt_str(b->str, &s); kputc('\t', &s);
 222         fmt_str(b->ref, &s); kputc('\t', &s);
 223         fmt_str(b->alt, &s); kputc('\t', &s);
 224         kputw(b->qual, &s); kputc('\t', &s);
 225         fmt_str(b->info, &s); kputc('\t', &s);
 226         fmt_str(b->fmt, &s);
 227         x = b->n_alleles * (b->n_alleles + 1) / 2;
 228         for (j = 0; j < bp->h.n_smpl; ++j) {
 229                 kputc('\t', &s);
 230                 for (i = 0; i < b->n_gi; ++i) {
 231                         if (i) kputc(':', &s);
 232                         if (b->gi[i].fmt == char2int("PL")) {
 233                                 uint8_t *d = (uint8_t*)b->gi[i].data + j * x;
 234                                 int k;
 235                                 for (k = 0; k < x; ++k) {
 236                                         if (k > 0) kputc(',', &s);
 237                                         kputw(d[k], &s);
 238                                 }
 239                         } else if (b->gi[i].fmt == char2int("DP")) {
 240                                 kputw(((uint16_t*)b->gi[i].data)[j], &s);
 241                         } else if (b->gi[i].fmt == char2int("GQ")) {
 242                                 kputw(((uint8_t*)b->gi[i].data)[j], &s);
 243                         }
 244                 }
 245         }
 246         return s.s;
 247 }