bcftools/bcf.c

   1 #include <string.h>
   2 #include <ctype.h>
   3 #include <stdio.h>
   4 #include "kstring.h"
   5 #include "bcf.h"
   6
   7 void bcf_hdr_clear(bcf_hdr_t *b)
   8 {
   9         free(b->name); free(b->sname); free(b->txt); free(b->ns); free(b->sns);
  10         memset(b, 0, sizeof(bcf_hdr_t));
  11 }
  12
  13 bcf_t *bcf_open(const char *fn, const char *mode)
  14 {
  15         bcf_t *b;
  16         b = calloc(1, sizeof(bcf_t));
  17         if (strchr(mode, 'w')) {
  18                 b->fp = strcmp(fn, "-")? bgzf_open(fn, mode) : bgzf_fdopen(fileno(stdout), mode);
  19         } else {
  20                 b->fp = strcmp(fn, "-")? bgzf_open(fn, mode) : bgzf_fdopen(fileno(stdin), mode);
  21         }
  22         b->fp->owned_file = 1;
  23         return b;
  24 }
  25
  26 int bcf_close(bcf_t *b)
  27 {
  28         int ret;
  29         if (b == 0) return 0;
  30         ret = bgzf_close(b->fp);
  31         free(b);
  32         return ret;
  33 }
  34
  35 int bcf_hdr_write(bcf_t *b, const bcf_hdr_t *h)
  36 {
  37         if (b == 0 || h == 0) return -1;
  38         bgzf_write(b->fp, "BCF\4", 4);
  39         bgzf_write(b->fp, &h->l_nm, 4);
  40         bgzf_write(b->fp, h->name, h->l_nm);
  41         bgzf_write(b->fp, &h->l_smpl, 4);
  42         bgzf_write(b->fp, h->sname, h->l_smpl);
  43         bgzf_write(b->fp, &h->l_txt, 4);
  44         bgzf_write(b->fp, h->txt, h->l_txt);
  45         bgzf_flush(b->fp);
  46         return 16 + h->l_nm + h->l_smpl + h->l_txt;
  47 }
  48
  49 bcf_hdr_t *bcf_hdr_read(bcf_t *b)
  50 {
  51         uint8_t magic[4];
  52         bcf_hdr_t *h;
  53         if (b == 0) return 0;
  54         h = calloc(1, sizeof(bcf_hdr_t));
  55         bgzf_read(b->fp, magic, 4);
  56         bgzf_read(b->fp, &h->l_nm, 4);
  57         h->name = malloc(h->l_nm);
  58         bgzf_read(b->fp, h->name, h->l_nm);
  59         bgzf_read(b->fp, &h->l_smpl, 4);
  60         h->sname = malloc(h->l_smpl);
  61         bgzf_read(b->fp, h->sname, h->l_smpl);
  62         bgzf_read(b->fp, &h->l_txt, 4);
  63         h->txt = malloc(h->l_txt);
  64         bgzf_read(b->fp, h->txt, h->l_txt);
  65         bcf_hdr_sync(h);
  66         return h;
  67 }
  68
  69 void bcf_hdr_destroy(bcf_hdr_t *h)
  70 {
  71         if (h == 0) return;
  72         free(h->name); free(h->sname); free(h->txt); free(h->ns); free(h->sns);
  73         free(h);
  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         if (b->ns) free(b->ns);
  96         if (b->sns) free(b->sns);
  97         if (b->l_nm) b->ns = cnt_null(b->l_nm, b->name, &b->n_ref);
  98         else b->ns = 0, b->n_ref = 0;
  99         b->sns = cnt_null(b->l_smpl, b->sname, &b->n_smpl);
 100         return 0;
 101 }
 102
 103 int bcf_sync(int n_smpl, bcf1_t *b)
 104 {
 105         char *p, *tmp[5];
 106         int i, n;
 107         ks_tokaux_t aux;
 108         // set ref, alt, flt, info, fmt
 109         b->ref = b->alt = b->flt = b->info = b->fmt = 0;
 110         for (p = b->str, n = 0; p < b->str + b->l_str; ++p)
 111                 if (*p == 0 && p+1 != b->str + b->l_str) tmp[n++] = p + 1;
 112         if (n != 5) {
 113                 fprintf(stderr, "[bcf_sync] incorrect number of fields (%d != 5)\n", n);
 114                 return -1;
 115         }
 116         b->ref = tmp[0]; b->alt = tmp[1]; b->flt = tmp[2]; b->info = tmp[3]; b->fmt = tmp[4];
 117         // set n_alleles
 118         if (*b->alt == 0) b->n_alleles = 1;
 119         else {
 120                 for (p = b->alt, n = 1; *p; ++p)
 121                         if (*p == ',') ++n;
 122                 b->n_alleles = n + 1;
 123         }
 124         // set n_gi and gi[i].fmt
 125         for (p = b->fmt, n = 1; *p; ++p)
 126                 if (*p == ':') ++n;
 127         if (n > b->m_gi) {
 128                 int old_m = b->m_gi;
 129                 b->m_gi = n;
 130                 kroundup32(b->m_gi);
 131                 b->gi = realloc(b->gi, b->m_gi * sizeof(bcf_ginfo_t));
 132                 memset(b->gi + old_m, 0, (b->m_gi - old_m) * sizeof(bcf_ginfo_t));
 133         }
 134         b->n_gi = n;
 135         for (p = kstrtok(b->fmt, ":", &aux), n = 0; p; p = kstrtok(0, 0, &aux))
 136                 b->gi[n++].fmt = bcf_str2int(p, aux.p - p);
 137         // set gi[i].len
 138         for (i = 0; i < b->n_gi; ++i) {
 139                 if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
 140                         b->gi[i].len = b->n_alleles * (b->n_alleles + 1) / 2;
 141                 } else if (b->gi[i].fmt == bcf_str2int("DP", 2) || b->gi[i].fmt == bcf_str2int("HQ", 2)) {
 142                         b->gi[i].len = 2;
 143                 } else if (b->gi[i].fmt == bcf_str2int("GQ", 2) || b->gi[i].fmt == bcf_str2int("GT", 2)) {
 144                         b->gi[i].len = 1;
 145                 } else if (b->gi[i].fmt == bcf_str2int("GL", 2)) {
 146                         b->gi[i].len = b->n_alleles * (b->n_alleles + 1) / 2 * 4;
 147                 }
 148                 b->gi[i].data = realloc(b->gi[i].data, n_smpl * b->gi[i].len);
 149         }
 150         return 0;
 151 }
 152
 153 int bcf_write(bcf_t *bp, const bcf_hdr_t *h, const bcf1_t *b)
 154 {
 155         int i, l = 0;
 156         if (b == 0) return -1;
 157         bgzf_write(bp->fp, &b->tid, 4);
 158         bgzf_write(bp->fp, &b->pos, 4);
 159         bgzf_write(bp->fp, &b->qual, 4);
 160         bgzf_write(bp->fp, &b->l_str, 4);
 161         bgzf_write(bp->fp, b->str, b->l_str);
 162         l = 12 + b->l_str;
 163         for (i = 0; i < b->n_gi; ++i) {
 164                 bgzf_write(bp->fp, b->gi[i].data, b->gi[i].len * h->n_smpl);
 165                 l += b->gi[i].len * h->n_smpl;
 166         }
 167         return l;
 168 }
 169
 170 int bcf_read(bcf_t *bp, const bcf_hdr_t *h, bcf1_t *b)
 171 {
 172         int i, l = 0;
 173         if (b == 0) return -1;
 174         if (bgzf_read(bp->fp, &b->tid, 4) == 0) return -1;
 175         bgzf_read(bp->fp, &b->pos, 4);
 176         bgzf_read(bp->fp, &b->qual, 4);
 177         bgzf_read(bp->fp, &b->l_str, 4);
 178         if (b->l_str > b->m_str) {
 179                 b->m_str = b->l_str;
 180                 kroundup32(b->m_str);
 181                 b->str = realloc(b->str, b->m_str);
 182         }
 183         bgzf_read(bp->fp, b->str, b->l_str);
 184         l = 12 + b->l_str;
 185         bcf_sync(h->n_smpl, b);
 186         for (i = 0; i < b->n_gi; ++i) {
 187                 bgzf_read(bp->fp, b->gi[i].data, b->gi[i].len * h->n_smpl);
 188                 l += b->gi[i].len * h->n_smpl;
 189         }
 190         return l;
 191 }
 192
 193 int bcf_destroy(bcf1_t *b)
 194 {
 195         int i;
 196         if (b == 0) return -1;
 197         free(b->str);
 198         for (i = 0; i < b->n_gi; ++i)
 199                 free(b->gi[i].data);
 200         free(b->gi);
 201         free(b);
 202         return 0;
 203 }
 204
 205 static inline void fmt_str(const char *p, kstring_t *s)
 206 {
 207         if (*p == 0) kputc('.', s);
 208         else kputs(p, s);
 209 }
 210
 211 void bcf_fmt_core(const bcf_hdr_t *h, bcf1_t *b, kstring_t *s)
 212 {
 213         int i, j, x;
 214         s->l = 0;
 215         if (h->n_ref) kputs(h->ns[b->tid], s);
 216         else kputw(b->tid, s);
 217         kputc('\t', s);
 218         kputw(b->pos + 1, s); kputc('\t', s);
 219         fmt_str(b->str, s); kputc('\t', s);
 220         fmt_str(b->ref, s); kputc('\t', s);
 221         fmt_str(b->alt, s); kputc('\t', s);
 222         ksprintf(s, "%.3g", b->qual); /*kputw(b->qual, s);*/ kputc('\t', s);
 223         fmt_str(b->flt, s); kputc('\t', s);
 224         fmt_str(b->info, s);
 225         if (b->fmt[0]) {
 226                 kputc('\t', s);
 227                 fmt_str(b->fmt, s);
 228         }
 229         x = b->n_alleles * (b->n_alleles + 1) / 2;
 230         if (b->n_gi == 0) return;
 231         for (j = 0; j < h->n_smpl; ++j) {
 232                 kputc('\t', s);
 233                 for (i = 0; i < b->n_gi; ++i) {
 234                         if (i) kputc(':', s);
 235                         if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
 236                                 uint8_t *d = (uint8_t*)b->gi[i].data + j * x;
 237                                 int k;
 238                                 for (k = 0; k < x; ++k) {
 239                                         if (k > 0) kputc(',', s);
 240                                         kputw(d[k], s);
 241                                 }
 242                         } else if (b->gi[i].fmt == bcf_str2int("DP", 2)) {
 243                                 kputw(((uint16_t*)b->gi[i].data)[j], s);
 244                         } else if (b->gi[i].fmt == bcf_str2int("GQ", 2)) {
 245                                 kputw(((uint8_t*)b->gi[i].data)[j], s);
 246                         } else if (b->gi[i].fmt == bcf_str2int("GT", 2)) {
 247                                 int y = ((uint8_t*)b->gi[i].data)[j];
 248                                 if (y>>7&1) {
 249                                         kputsn("./.", 3, s);
 250                                 } else {
 251                                         kputc('0' + (y>>3&7), s);
 252                                         kputc("/|"[y>>6&1], s);
 253                                         kputc('0' + (y&7), s);
 254                                 }
 255                         } else if (b->gi[i].fmt == bcf_str2int("GL", 2)) {
 256                                 float *d = (float*)b->gi[i].data + j * x;
 257                                 int k;
 258                                 //printf("- %lx\n", d);
 259                                 for (k = 0; k < x; ++k) {
 260                                         if (k > 0) kputc(',', s);
 261                                         ksprintf(s, "%.2f", d[k]);
 262                                 }
 263                         }
 264                 }
 265         }
 266 }
 267
 268 char *bcf_fmt(const bcf_hdr_t *h, bcf1_t *b)
 269 {
 270         kstring_t s;
 271         s.l = s.m = 0; s.s = 0;
 272         bcf_fmt_core(h, b, &s);
 273         return s.s;
 274 }