bcftools/call1.c

   1 #include <unistd.h>
   2 #include <stdlib.h>
   3 #include <math.h>
   4 #include <zlib.h>
   5 #include <errno.h>
   6 #include "bcf.h"
   7 #include "prob1.h"
   8 #include "kstring.h"
   9
  10 #include "khash.h"
  11 KHASH_SET_INIT_INT64(set64)
  12
  13 #include "kseq.h"
  14 KSTREAM_INIT(gzFile, gzread, 16384)
  15
  16 #define VC_NO_PL   1
  17 #define VC_NO_GENO 2
  18 #define VC_BCFOUT  4
  19 #define VC_CALL    8
  20 #define VC_VARONLY 16
  21 #define VC_VCFIN   32
  22 #define VC_UNCOMP  64
  23
  24 typedef struct {
  25         int flag, prior_type;
  26         char *fn_list, *prior_file;
  27         double theta, pref;
  28 } viewconf_t;
  29
  30 khash_t(set64) *bcf_load_pos(const char *fn, bcf_hdr_t *_h)
  31 {
  32         void *str2id;
  33         gzFile fp;
  34         kstream_t *ks;
  35         int ret, dret, lineno = 1;
  36         kstring_t *str;
  37         khash_t(set64) *hash = 0;
  38
  39         hash = kh_init(set64);
  40         str2id = bcf_build_refhash(_h);
  41         str = calloc(1, sizeof(kstring_t));
  42         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
  43         ks = ks_init(fp);
  44         while (ks_getuntil(ks, 0, str, &dret) >= 0) {
  45                 int tid = bcf_str2id(str2id, str->s);
  46                 if (tid >= 0 && dret != '\n') {
  47                         if (ks_getuntil(ks, 0, str, &dret) >= 0) {
  48                                 uint64_t x = (uint64_t)tid<<32 | (atoi(str->s) - 1);
  49                                 kh_put(set64, hash, x, &ret);
  50                         } else break;
  51                 } else fprintf(stderr, "[%s] %s is not a reference name (line %d).\n", __func__, str->s, lineno);
  52                 if (dret != '\n') while ((dret = ks_getc(ks)) > 0 && dret != '\n');
  53                 if (dret < 0) break;
  54                 ++lineno;
  55         }
  56         bcf_str2id_destroy(str2id);
  57         ks_destroy(ks);
  58         gzclose(fp);
  59         free(str->s); free(str);
  60         return hash;
  61 }
  62
  63 static double test_hwe(const double g[3])
  64 {
  65         extern double kf_gammaq(double p, double x);
  66         double fexp, chi2, f[3], n;
  67         int i;
  68         n = g[0] + g[1] + g[2];
  69         fexp = (2. * g[2] + g[1]) / (2. * n);
  70         if (fexp > 1. - 1e-10) fexp = 1. - 1e-10;
  71         if (fexp < 1e-10) fexp = 1e-10;
  72         f[0] = n * (1. - fexp) * (1. - fexp);
  73         f[1] = n * 2. * fexp * (1. - fexp);
  74         f[2] = n * fexp * fexp;
  75         for (i = 0, chi2 = 0.; i < 3; ++i)
  76                 chi2 += (g[i] - f[i]) * (g[i] - f[i]) / f[i];
  77         return kf_gammaq(.5, chi2 / 2.);
  78 }
  79
  80 typedef struct {
  81         double p[4];
  82         int mq, depth, is_tested, d[4];
  83 } anno16_t;
  84
  85 static double ttest(int n1, int n2, int a[4])
  86 {
  87         extern double kf_betai(double a, double b, double x);
  88         double t, v, u1, u2;
  89         if (n1 == 0 || n2 == 0 || n1 + n2 < 3) return 1.0;
  90         u1 = (double)a[0] / n1; u2 = (double)a[2] / n2;
  91         if (u1 <= u2) return 1.;
  92         t = (u1 - u2) / sqrt(((a[1] - n1 * u1 * u1) + (a[3] - n2 * u2 * u2)) / (n1 + n2 - 2) * (1./n1 + 1./n2));
  93         v = n1 + n2 - 2;
  94 //      printf("%d,%d,%d,%d,%lf,%lf,%lf\n", a[0], a[1], a[2], a[3], t, u1, u2);
  95         return t < 0.? 1. : .5 * kf_betai(.5*v, .5, v/(v+t*t));
  96 }
  97
  98 static int test16_core(int anno[16], anno16_t *a)
  99 {
 100         extern double kt_fisher_exact(int n11, int n12, int n21, int n22, double *_left, double *_right, double *two);
 101         double left, right;
 102         int i;
 103         a->p[0] = a->p[1] = a->p[2] = a->p[3] = 1.;
 104         memcpy(a->d, anno, 4 * sizeof(int));
 105         a->depth = anno[0] + anno[1] + anno[2] + anno[3];
 106         a->is_tested = (anno[0] + anno[1] > 0 && anno[2] + anno[3] > 0);
 107         if (a->depth == 0) return -1;
 108         a->mq = (int)(sqrt((anno[9] + anno[11]) / a->depth) + .499);
 109         kt_fisher_exact(anno[0], anno[1], anno[2], anno[3], &left, &right, &a->p[0]);
 110         for (i = 1; i < 4; ++i)
 111                 a->p[i] = ttest(anno[0] + anno[1], anno[2] + anno[3], anno+4*i);
 112         return 0;
 113 }
 114
 115 static int test16(bcf1_t *b, anno16_t *a)
 116 {
 117         char *p;
 118         int i, anno[16];
 119         a->p[0] = a->p[1] = a->p[2] = a->p[3] = 1.;
 120         a->d[0] = a->d[1] = a->d[2] = a->d[3] = 0.;
 121         a->mq = a->depth = a->is_tested = 0;
 122         if ((p = strstr(b->info, "I16=")) == 0) return -1;
 123         p += 4;
 124         for (i = 0; i < 16; ++i) {
 125                 anno[i] = strtol(p, &p, 10);
 126                 if (anno[i] == 0 && (errno == EINVAL || errno == ERANGE)) return -2;
 127                 ++p;
 128         }
 129         return test16_core(anno, a);
 130 }
 131
 132 static void rm_info(int n_smpl, bcf1_t *b, const char *key)
 133 {
 134         char *p, *q;
 135         if ((p = strstr(b->info, key)) == 0) return;
 136         for (q = p; *q && *q != ';'; ++q);
 137         if (p > b->info && *(p-1) == ';') --p;
 138         memmove(p, q, b->l_str - (q - b->str));
 139         b->l_str -= q - p;
 140         bcf_sync(n_smpl, b);
 141 }
 142
 143 static int update_bcf1(int n_smpl, bcf1_t *b, const bcf_p1aux_t *pa, const bcf_p1rst_t *pr, double pref, int flag)
 144 {
 145         kstring_t s;
 146         int is_var = (pr->p_ref < pref);
 147         double p_hwe, r = is_var? pr->p_ref : 1. - pr->p_ref;
 148         anno16_t a;
 149
 150         p_hwe = test_hwe(pr->g);
 151         test16(b, &a);
 152         rm_info(n_smpl, b, "I16=");
 153
 154         memset(&s, 0, sizeof(kstring_t));
 155         kputc('\0', &s); kputs(b->ref, &s); kputc('\0', &s);
 156         if (is_var) {
 157                 kputs(b->alt, &s);
 158         }
 159         kputc('\0', &s); kputc('\0', &s);
 160         kputs(b->info, &s);
 161         if (b->info[0]) kputc(';', &s);
 162         ksprintf(&s, "AF1=%.3lf;AFE=%.3lf", 1.-pr->f_em, 1.-pr->f_exp);
 163         ksprintf(&s, ";DP4=%d,%d,%d,%d;MQ=%d", a.d[0], a.d[1], a.d[2], a.d[3], a.mq);
 164         if (a.is_tested) ksprintf(&s, ";PV4=%.2lg,%.2lg,%.2lg,%.2lg", a.p[0], a.p[1], a.p[2], a.p[3]);
 165         if (p_hwe <= .2) ksprintf(&s, ";GC=%.2lf,%.2lf,%.2lf;HWE=%.3lf", pr->g[2], pr->g[1], pr->g[0], p_hwe);
 166         kputc('\0', &s);
 167         kputs(b->fmt, &s); kputc('\0', &s);
 168         free(b->str);
 169         b->m_str = s.m; b->l_str = s.l; b->str = s.s;
 170         b->qual = r < 1e-100? 99 : -3.434 * log(r);
 171         if (b->qual > 99) b->qual = 99;
 172         bcf_sync(n_smpl, b);
 173         return is_var;
 174 }
 175
 176 int bcfview(int argc, char *argv[])
 177 {
 178         bcf_t *bp, *bout = 0;
 179         bcf1_t *b;
 180         int c;
 181         uint64_t n_processed = 0;
 182         viewconf_t vc;
 183         bcf_p1aux_t *p1 = 0;
 184         bcf_hdr_t *h;
 185         int tid, begin, end;
 186         char moder[4], modew[4];
 187         khash_t(set64) *hash = 0;
 188
 189         tid = begin = end = -1;
 190         memset(&vc, 0, sizeof(viewconf_t));
 191         vc.prior_type = -1; vc.theta = 1e-3; vc.pref = 0.9;
 192         while ((c = getopt(argc, argv, "l:cGvLbSuP:t:p:")) >= 0) {
 193                 switch (c) {
 194                 case 'l': vc.fn_list = strdup(optarg); break;
 195                 case 'G': vc.flag |= VC_NO_GENO; break;
 196                 case 'L': vc.flag |= VC_NO_PL; break;
 197                 case 'b': vc.flag |= VC_BCFOUT; break;
 198                 case 'S': vc.flag |= VC_VCFIN; break;
 199                 case 'c': vc.flag |= VC_CALL; break;
 200                 case 'v': vc.flag |= VC_VARONLY; break;
 201                 case 'u': vc.flag |= VC_UNCOMP | VC_BCFOUT; break;
 202                 case 't': vc.theta = atof(optarg); break;
 203                 case 'p': vc.pref = atof(optarg); break;
 204                 case 'P':
 205                         if (strcmp(optarg, "full") == 0) vc.prior_type = MC_PTYPE_FULL;
 206                         else if (strcmp(optarg, "cond2") == 0) vc.prior_type = MC_PTYPE_COND2;
 207                         else if (strcmp(optarg, "flat") == 0) vc.prior_type = MC_PTYPE_FLAT;
 208                         else vc.prior_file = strdup(optarg);
 209                         break;
 210                 }
 211         }
 212         if (argc == optind) {
 213                 fprintf(stderr, "\n");
 214                 fprintf(stderr, "Usage:   bcftools view [options] <in.bcf> [reg]\n\n");
 215                 fprintf(stderr, "Options: -c        SNP calling\n");
 216                 fprintf(stderr, "         -b        output BCF instead of VCF\n");
 217                 fprintf(stderr, "         -u        uncompressed BCF output\n");
 218                 fprintf(stderr, "         -S        input is VCF\n");
 219                 fprintf(stderr, "         -G        suppress all individual genotype information\n");
 220                 fprintf(stderr, "         -L        discard the PL genotype field\n");
 221                 fprintf(stderr, "         -v        output potential variant sites only\n");
 222                 fprintf(stderr, "         -l FILE   list of sites to output [all sites]\n");
 223                 fprintf(stderr, "         -t FLOAT  scaled mutation rate [%.4lg]\n", vc.theta);
 224                 fprintf(stderr, "         -p FLOAT  variant if P(ref|D)<FLOAT [%.3lg]\n", vc.pref);
 225                 fprintf(stderr, "         -P STR    type of prior: full, cond2, flat [full]\n");
 226                 fprintf(stderr, "\n");
 227                 return 1;
 228         }
 229
 230         b = calloc(1, sizeof(bcf1_t));
 231         strcpy(moder, "r");
 232         if (!(vc.flag & VC_VCFIN)) strcat(moder, "b");
 233         strcpy(modew, "w");
 234         if (vc.flag & VC_BCFOUT) strcat(modew, "b");
 235         if (vc.flag & VC_UNCOMP) strcat(modew, "u");
 236         bp = vcf_open(argv[optind], moder);
 237         h = vcf_hdr_read(bp);
 238         bout = vcf_open("-", modew);
 239         vcf_hdr_write(bout, h);
 240         if (vc.flag & VC_CALL) {
 241                 p1 = bcf_p1_init(h->n_smpl);
 242                 if (vc.prior_file) {
 243                         if (bcf_p1_read_prior(p1, vc.prior_file) < 0) {
 244                                 fprintf(stderr, "[%s] fail to read the prior AFS.\n", __func__);
 245                                 return 1;
 246                         }
 247                 } else bcf_p1_init_prior(p1, vc.prior_type, vc.theta);
 248         }
 249         if (vc.fn_list) hash = bcf_load_pos(vc.fn_list, h);
 250         if (optind + 1 < argc && !(vc.flag&VC_VCFIN)) {
 251                 void *str2id = bcf_build_refhash(h);
 252                 if (bcf_parse_region(str2id, argv[optind+1], &tid, &begin, &end) >= 0) {
 253                         bcf_idx_t *idx;
 254                         idx = bcf_idx_load(argv[optind]);
 255                         if (idx) {
 256                                 uint64_t off;
 257                                 off = bcf_idx_query(idx, tid, begin, end);
 258                                 bgzf_seek(bp->fp, off, SEEK_SET);
 259                                 bcf_idx_destroy(idx);
 260                         }
 261                 }
 262         }
 263         while (vcf_read(bp, h, b) > 0) {
 264                 if (hash) {
 265                         uint64_t x = (uint64_t)b->tid<<32 | b->pos;
 266                         khint_t k = kh_get(set64, hash, x);
 267                         if (k == kh_end(hash)) continue;
 268                 }
 269                 if (tid >= 0) {
 270                         int l = strlen(b->ref);
 271                         l = b->pos + (l > 0? l : 1);
 272                         if (b->tid != tid || b->pos >= end) break;
 273                         if (!(l > begin && end > b->pos)) continue;
 274                 }
 275                 if (vc.flag & VC_CALL) {
 276                         bcf_p1rst_t pr;
 277                         bcf_p1_cal(b, p1, &pr);
 278                         if ((n_processed + 1) % 50000 == 0) bcf_p1_dump_afs(p1);
 279                         if (pr.p_ref >= vc.pref && (vc.flag & VC_VARONLY)) continue;
 280                         update_bcf1(h->n_smpl, b, p1, &pr, vc.pref, vc.flag);
 281                 }
 282                 if (vc.flag & VC_NO_GENO) {
 283                         b->n_gi = 0;
 284                         b->fmt[0] = '\0';
 285                 }
 286                 vcf_write(bout, h, b);
 287                 ++n_processed;
 288         }
 289         if (vc.prior_file) free(vc.prior_file);
 290         if (vc.flag & VC_CALL) bcf_p1_dump_afs(p1);
 291         bcf_hdr_destroy(h);
 292         bcf_destroy(b);
 293         vcf_close(bp); vcf_close(bout);
 294         if (hash) kh_destroy(set64, hash);
 295         if (vc.fn_list) free(vc.fn_list);
 296         if (p1) bcf_p1_destroy(p1);
 297         return 0;
 298 }
 299