bcftools/bcfutils.c

   1 #include <string.h>
   2 #include <math.h>
   3 #include "bcf.h"
   4 #include "kstring.h"
   5 #include "khash.h"
   6 KHASH_MAP_INIT_STR(str2id, int)
   7
   8 void *bcf_build_refhash(bcf_hdr_t *h)
   9 {
  10         khash_t(str2id) *hash;
  11         int i, ret;
  12         hash = kh_init(str2id);
  13         for (i = 0; i < h->n_ref; ++i) {
  14                 khint_t k;
  15                 k = kh_put(str2id, hash, h->ns[i], &ret); // FIXME: check ret
  16                 kh_val(hash, k) = i;
  17         }
  18         return hash;
  19 }
  20
  21 void *bcf_str2id_init()
  22 {
  23         return kh_init(str2id);
  24 }
  25
  26 void bcf_str2id_destroy(void *_hash)
  27 {
  28         khash_t(str2id) *hash = (khash_t(str2id)*)_hash;
  29         if (hash) kh_destroy(str2id, hash); // Note that strings are not freed.
  30 }
  31
  32 void bcf_str2id_thorough_destroy(void *_hash)
  33 {
  34         khash_t(str2id) *hash = (khash_t(str2id)*)_hash;
  35         khint_t k;
  36         if (hash == 0) return;
  37         for (k = 0; k < kh_end(hash); ++k)
  38                 if (kh_exist(hash, k)) free((char*)kh_key(hash, k));
  39         kh_destroy(str2id, hash);
  40 }
  41
  42 int bcf_str2id(void *_hash, const char *str)
  43 {
  44         khash_t(str2id) *hash = (khash_t(str2id)*)_hash;
  45         khint_t k;
  46         if (!hash) return -1;
  47         k = kh_get(str2id, hash, str);
  48         return k == kh_end(hash)? -1 : kh_val(hash, k);
  49 }
  50
  51 int bcf_str2id_add(void *_hash, const char *str)
  52 {
  53         khint_t k;
  54         int ret;
  55         khash_t(str2id) *hash = (khash_t(str2id)*)_hash;
  56         if (!hash) return -1;
  57         k = kh_put(str2id, hash, str, &ret);
  58         if (ret == 0) return kh_val(hash, k);
  59         kh_val(hash, k) = kh_size(hash) - 1;
  60         return kh_val(hash, k);
  61 }
  62
  63 int bcf_shrink_alt(bcf1_t *b, int n)
  64 {
  65         char *p;
  66         int i, j, k, *z, n_smpl = b->n_smpl;
  67         if (b->n_alleles <= n) return -1;
  68         if (n > 1) {
  69                 for (p = b->alt, k = 1; *p; ++p)
  70                         if (*p == ',' && ++k == n) break;
  71                 *p = '\0';
  72         } else p = b->alt, *p = '\0';
  73         ++p;
  74         memmove(p, b->flt, b->str + b->l_str - b->flt);
  75         b->l_str -= b->flt - p;
  76         z = alloca(sizeof(int) / 2 * n * (n+1));
  77         for (i = k = 0; i < n; ++i)
  78                 for (j = 0; j < n - i; ++j)
  79                         z[k++] = i * b->n_alleles + j;
  80         for (i = 0; i < b->n_gi; ++i) {
  81                 bcf_ginfo_t *g = b->gi + i;
  82                 if (g->fmt == bcf_str2int("PL", 2)) {
  83                         int l, x = b->n_alleles * (b->n_alleles + 1) / 2;
  84                         uint8_t *d = (uint8_t*)g->data;
  85                         g->len = n * (n + 1) / 2;
  86                         for (l = k = 0; l < n_smpl; ++l) {
  87                                 uint8_t *dl = d + l * x;
  88                                 for (j = 0; j < g->len; ++j) d[k++] = dl[z[j]];
  89                         }
  90                 } // FIXME: to add GL
  91         }
  92         b->n_alleles = n;
  93         bcf_sync(b);
  94         return 0;
  95 }
  96
  97 int bcf_gl2pl(bcf1_t *b)
  98 {
  99         char *p;
 100         int i, n_smpl = b->n_smpl;
 101         bcf_ginfo_t *g;
 102         float *d0;
 103         uint8_t *d1;
 104         if (strstr(b->fmt, "PL")) return -1;
 105         if ((p = strstr(b->fmt, "GL")) == 0) return -1;
 106         *p = 'P';
 107         for (i = 0; i < b->n_gi; ++i)
 108                 if (b->gi[i].fmt == bcf_str2int("GL", 2))
 109                         break;
 110         g = b->gi + i;
 111         g->fmt = bcf_str2int("PL", 2);
 112         g->len /= 4; // 4 == sizeof(float)
 113         d0 = (float*)g->data; d1 = (uint8_t*)g->data;
 114         for (i = 0; i < n_smpl * g->len; ++i) {
 115                 int x = (int)(-10. * d0[i] + .499);
 116                 if (x > 255) x = 255;
 117                 if (x < 0) x = 0;
 118                 d1[i] = x;
 119         }
 120         return 0;
 121 }
 122 /* FIXME: this function will fail given AB:GTX:GT. BCFtools never
 123  * produces such FMT, but others may do. */
 124 int bcf_fix_gt(bcf1_t *b)
 125 {
 126         char *s;
 127         int i;
 128         uint32_t tmp;
 129         bcf_ginfo_t gt;
 130         // check the presence of the GT FMT
 131         if ((s = strstr(b->fmt, ":GT")) == 0) return 0; // no GT or GT is already the first
 132         if (s[3] != '\0' && s[3] != ':') return 0; // :GTX in fact
 133         tmp = bcf_str2int("GT", 2);
 134         for (i = 0; i < b->n_gi; ++i)
 135                 if (b->gi[i].fmt == tmp) break;
 136         if (i == b->n_gi) return 0; // no GT in b->gi; probably a bug...
 137         gt = b->gi[i];
 138         // move GT to the first
 139         for (; i > 0; --i) b->gi[i] = b->gi[i-1];
 140         b->gi[0] = gt;
 141         memmove(b->fmt + 3, b->fmt, s + 1 - b->fmt);
 142         b->fmt[0] = 'G'; b->fmt[1] = 'T'; b->fmt[2] = ':';
 143         return 0;
 144 }
 145
 146 static void *locate_field(const bcf1_t *b, const char *fmt, int l)
 147 {
 148         int i;
 149         uint32_t tmp;
 150         tmp = bcf_str2int(fmt, l);
 151         for (i = 0; i < b->n_gi; ++i)
 152                 if (b->gi[i].fmt == tmp) break;
 153         return i == b->n_gi? 0 : b->gi[i].data;
 154 }
 155
 156 int bcf_anno_max(bcf1_t *b)
 157 {
 158         int k, max_gq, max_sp, n_het;
 159         kstring_t str;
 160         uint8_t *gt, *gq, *sp;
 161         max_gq = max_sp = n_het = 0;
 162         gt = locate_field(b, "GT", 2);
 163         if (gt == 0) return -1;
 164         gq = locate_field(b, "GQ", 2);
 165         sp = locate_field(b, "SP", 2);
 166         if (sp)
 167                 for (k = 0; k < b->n_smpl; ++k)
 168                         if (gt[k]&0x3f)
 169                                 max_sp = max_sp > (int)sp[k]? max_sp : sp[k];
 170         if (gq)
 171                 for (k = 0; k < b->n_smpl; ++k)
 172                         if (gt[k]&0x3f)
 173                                 max_gq = max_gq > (int)gq[k]? max_gq : gq[k];
 174         for (k = 0; k < b->n_smpl; ++k) {
 175                 int a1, a2;
 176                 a1 = gt[k]&7; a2 = gt[k]>>3&7;
 177                 if ((!a1 && a2) || (!a2 && a1)) { // a het
 178                         if (gq == 0) ++n_het;
 179                         else if (gq[k] >= 20) ++n_het;
 180                 }
 181         }
 182         if (n_het) max_sp -= (int)(4.343 * log(n_het) + .499);
 183         if (max_sp < 0) max_sp = 0;
 184         memset(&str, 0, sizeof(kstring_t));
 185         if (*b->info) kputc(';', &str);
 186         ksprintf(&str, "MXSP=%d;MXGQ=%d", max_sp, max_gq);
 187         bcf_append_info(b, str.s, str.l);
 188         free(str.s);
 189         return 0;
 190 }
 191
 192 bcf_hdr_t *bcf_hdr_subsam(const bcf_hdr_t *h0, int n, char *const* samples, int *list)
 193 {
 194         int i, ret, j;
 195         khint_t k;
 196         bcf_hdr_t *h;
 197         khash_t(str2id) *hash;
 198         kstring_t s;
 199         s.l = s.m = 0; s.s = 0;
 200         hash = kh_init(str2id);
 201         for (i = 0; i < n; ++i)
 202                 k = kh_put(str2id, hash, samples[i], &ret);
 203         for (i = j = 0; i < h0->n_smpl; ++i) {
 204                 if (kh_get(str2id, hash, h0->sns[i]) != kh_end(hash)) {
 205                         list[j++] = i;
 206                         kputs(h0->sns[i], &s); kputc('\0', &s);
 207                 }
 208         }
 209         if (j < n) fprintf(stderr, "<%s> %d samples in the list but not in BCF.", __func__, n - j);
 210         kh_destroy(str2id, hash);
 211         h = calloc(1, sizeof(bcf_hdr_t));
 212         *h = *h0;
 213         h->ns = 0; h->sns = 0;
 214         h->name = malloc(h->l_nm); memcpy(h->name, h0->name, h->l_nm);
 215         h->txt = calloc(1, h->l_txt + 1); memcpy(h->txt, h0->txt, h->l_txt);
 216         h->l_smpl = s.l; h->sname = s.s;
 217         bcf_hdr_sync(h);
 218         return h;
 219 }
 220
 221 int bcf_subsam(int n_smpl, int *list, bcf1_t *b) // list MUST BE sorted
 222 {
 223         int i, j;
 224         for (j = 0; j < b->n_gi; ++j) {
 225                 bcf_ginfo_t *gi = b->gi + j;
 226                 for (i = 0; i < n_smpl; ++i)
 227                         memcpy((uint8_t*)gi->data + i * gi->len, (uint8_t*)gi->data + list[i] * gi->len, gi->len);
 228         }
 229         b->n_smpl = n_smpl;
 230         return 0;
 231 }