bcftools/prob1.c

   1 #include <math.h>
   2 #include <stdlib.h>
   3 #include <string.h>
   4 #include <stdio.h>
   5 #include <errno.h>
   6 #include "prob1.h"
   7
   8 #include "kseq.h"
   9 KSTREAM_INIT(gzFile, gzread, 16384)
  10
  11 #define MC_AVG_ERR 0.007
  12 #define MC_MAX_EM_ITER 16
  13 #define MC_EM_EPS 1e-4
  14
  15 //#define _BCF_QUAD
  16
  17 unsigned char seq_nt4_table[256] = {
  18         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  19         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  20         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4 /*'-'*/, 4, 4,
  21         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  22         4, 0, 4, 1,  4, 4, 4, 2,  4, 4, 4, 4,  4, 4, 4, 4,
  23         4, 4, 4, 4,  3, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  24         4, 0, 4, 1,  4, 4, 4, 2,  4, 4, 4, 4,  4, 4, 4, 4,
  25         4, 4, 4, 4,  3, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  26         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  27         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  28         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  29         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  30         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  31         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  32         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  33         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4
  34 };
  35
  36 struct __bcf_p1aux_t {
  37         int n, M, n1;
  38         double *q2p, *pdg; // pdg -> P(D|g)
  39         double *phi;
  40         double *z, *zswap; // aux for afs
  41         double *z1, *z2; // only calculated when n1 is set
  42         double t, t1, t2;
  43         double *afs, *afs1; // afs: accumulative AFS; afs1: site posterior distribution
  44         double *k1k2;
  45         const uint8_t *PL; // point to PL
  46         int PL_len;
  47 };
  48
  49 void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
  50 {
  51         int i;
  52         if (type == MC_PTYPE_COND2) {
  53                 for (i = 0; i <= ma->M; ++i)
  54                         ma->phi[i] = 2. * (i + 1) / (ma->M + 1) / (ma->M + 2);
  55         } else if (type == MC_PTYPE_FLAT) {
  56                 for (i = 0; i <= ma->M; ++i)
  57                         ma->phi[i] = 1. / (ma->M + 1);
  58         } else {
  59                 double sum;
  60                 for (i = 0, sum = 0.; i < ma->M; ++i)
  61                         sum += (ma->phi[i] = theta / (ma->M - i));
  62                 ma->phi[ma->M] = 1. - sum;
  63         }
  64 }
  65
  66 int bcf_p1_read_prior(bcf_p1aux_t *ma, const char *fn)
  67 {
  68         gzFile fp;
  69         kstring_t s;
  70         kstream_t *ks;
  71         long double sum;
  72         int dret, k;
  73         memset(&s, 0, sizeof(kstring_t));
  74         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
  75         ks = ks_init(fp);
  76         memset(ma->phi, 0, sizeof(double) * (ma->M + 1));
  77         while (ks_getuntil(ks, '\n', &s, &dret) >= 0) {
  78                 if (strstr(s.s, "[afs] ") == s.s) {
  79                         char *p = s.s + 6;
  80                         for (k = 0; k <= ma->M; ++k) {
  81                                 int x;
  82                                 double y;
  83                                 x = strtol(p, &p, 10);
  84                                 if (x != k && (errno == EINVAL || errno == ERANGE)) return -1;
  85                                 ++p;
  86                                 y = strtod(p, &p);
  87                                 if (y == 0. && (errno == EINVAL || errno == ERANGE)) return -1;
  88                                 ma->phi[ma->M - k] += y;
  89                         }
  90                 }
  91         }
  92         ks_destroy(ks);
  93         gzclose(fp);
  94         free(s.s);
  95         for (sum = 0., k = 0; k <= ma->M; ++k) sum += ma->phi[k];
  96         fprintf(stderr, "[prior]");
  97         for (k = 0; k <= ma->M; ++k) ma->phi[k] /= sum;
  98         for (k = 0; k <= ma->M; ++k) fprintf(stderr, " %d:%.3lg", k, ma->phi[ma->M - k]);
  99         fputc('\n', stderr);
 100         return 0;
 101 }
 102
 103 bcf_p1aux_t *bcf_p1_init(int n)
 104 {
 105         bcf_p1aux_t *ma;
 106         int i;
 107         ma = calloc(1, sizeof(bcf_p1aux_t));
 108         ma->n1 = -1;
 109         ma->n = n; ma->M = 2 * n;
 110         ma->q2p = calloc(256, sizeof(double));
 111         ma->pdg = calloc(3 * ma->n, sizeof(double));
 112         ma->phi = calloc(ma->M + 1, sizeof(double));
 113         ma->z = calloc(2 * ma->n + 1, sizeof(double));
 114         ma->zswap = calloc(2 * ma->n + 1, sizeof(double));
 115         ma->z1 = calloc(ma->M + 1, sizeof(double)); // actually we do not need this large
 116         ma->z2 = calloc(ma->M + 1, sizeof(double));
 117         ma->afs = calloc(2 * ma->n + 1, sizeof(double));
 118         ma->afs1 = calloc(2 * ma->n + 1, sizeof(double));
 119         for (i = 0; i < 256; ++i)
 120                 ma->q2p[i] = pow(10., -i / 10.);
 121         bcf_p1_init_prior(ma, MC_PTYPE_FULL, 1e-3); // the simplest prior
 122         return ma;
 123 }
 124
 125 #ifdef _BCF_QUAD
 126 static double lbinom(int n, int k)
 127 {
 128         return lgamma(n+1) - lgamma(k+1) - lgamma(n-k+1);
 129 }
 130 #endif
 131
 132 int bcf_p1_set_n1(bcf_p1aux_t *b, int n1)
 133 {
 134         if (n1 == 0 || n1 >= b->n) return -1;
 135         b->n1 = n1;
 136 #ifdef _BCF_QUAD
 137         {
 138                 int k1, k2, n2 = b->n - b->n1;
 139                 b->k1k2 = calloc((2*n1+1) * (2*n2+1), sizeof(double));
 140                 for (k1 = 0; k1 <= 2*n1; ++k1)
 141                         for (k2 = 0; k2 <= 2*n2; ++k2)
 142                                 b->k1k2[k1*(2*n2+1)+k2] = exp(lbinom(2*n1,k1) + lbinom(2*n2,k2) - lbinom(b->M,k1+k2));
 143         }
 144 #endif
 145         return 0;
 146 }
 147
 148 void bcf_p1_destroy(bcf_p1aux_t *ma)
 149 {
 150         if (ma) {
 151                 free(ma->q2p); free(ma->pdg);
 152                 free(ma->phi);
 153                 free(ma->z); free(ma->zswap); free(ma->z1); free(ma->z2);
 154                 free(ma->afs); free(ma->afs1);
 155                 free(ma->k1k2);
 156                 free(ma);
 157         }
 158 }
 159
 160 #define char2int(s) (((int)s[0])<<8|s[1])
 161
 162 static int cal_pdg(const bcf1_t *b, bcf_p1aux_t *ma)
 163 {
 164         int i, j, k;
 165         long *p, tmp;
 166         p = alloca(b->n_alleles * sizeof(long));
 167         memset(p, 0, sizeof(long) * b->n_alleles);
 168         for (j = 0; j < ma->n; ++j) {
 169                 const uint8_t *pi = ma->PL + j * ma->PL_len;
 170                 double *pdg = ma->pdg + j * 3;
 171                 pdg[0] = ma->q2p[pi[b->n_alleles]]; pdg[1] = ma->q2p[pi[1]]; pdg[2] = ma->q2p[pi[0]];
 172                 for (i = k = 0; i < b->n_alleles; ++i) {
 173                         p[i] += (int)pi[k];
 174                         k += b->n_alleles - i;
 175                 }
 176         }
 177         for (i = 0; i < b->n_alleles; ++i) p[i] = p[i]<<4 | i;
 178         for (i = 1; i < b->n_alleles; ++i) // insertion sort
 179                 for (j = i; j > 0 && p[j] < p[j-1]; --j)
 180                         tmp = p[j], p[j] = p[j-1], p[j-1] = tmp;
 181         for (i = b->n_alleles - 1; i >= 0; --i)
 182                 if ((p[i]&0xf) == 0) break;
 183         return i;
 184 }
 185 // f0 is the reference allele frequency
 186 static double mc_freq_iter(double f0, const bcf_p1aux_t *ma)
 187 {
 188         double f, f3[3];
 189         int i;
 190         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 191         for (i = 0, f = 0.; i < ma->n; ++i) {
 192                 double *pdg;
 193                 pdg = ma->pdg + i * 3;
 194                 f += (pdg[1] * f3[1] + 2. * pdg[2] * f3[2])
 195                         / (pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2]);
 196         }
 197         f /= ma->n * 2.;
 198         return f;
 199 }
 200
 201 int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
 202 {
 203         double sum, g[3];
 204         double max, f3[3], *pdg = ma->pdg + k * 3;
 205         int q, i, max_i;
 206         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 207         for (i = 0, sum = 0.; i < 3; ++i)
 208                 sum += (g[i] = pdg[i] * f3[i]);
 209         for (i = 0, max = -1., max_i = 0; i < 3; ++i) {
 210                 g[i] /= sum;
 211                 if (g[i] > max) max = g[i], max_i = i;
 212         }
 213         max = 1. - max;
 214         if (max < 1e-308) max = 1e-308;
 215         q = (int)(-3.434 * log(max) + .499);
 216         if (q > 99) q = 99;
 217         return q<<2|max_i;
 218 }
 219
 220 #define TINY 1e-20
 221
 222 static void mc_cal_y_core(bcf_p1aux_t *ma, int beg)
 223 {
 224         double *z[2], *tmp, *pdg;
 225         int _j, last_min, last_max;
 226         z[0] = ma->z;
 227         z[1] = ma->zswap;
 228         pdg = ma->pdg;
 229         memset(z[0], 0, sizeof(double) * (ma->M + 1));
 230         memset(z[1], 0, sizeof(double) * (ma->M + 1));
 231         z[0][0] = 1.;
 232         last_min = last_max = 0;
 233         ma->t = 0.;
 234         for (_j = beg; _j < ma->n; ++_j) {
 235                 int k, j = _j - beg, _min = last_min, _max = last_max;
 236                 double p[3], sum;
 237                 pdg = ma->pdg + _j * 3;
 238                 p[0] = pdg[0]; p[1] = 2. * pdg[1]; p[2] = pdg[2];
 239                 for (; _min < _max && z[0][_min] < TINY; ++_min) z[0][_min] = z[1][_min] = 0.;
 240                 for (; _max > _min && z[0][_max] < TINY; --_max) z[0][_max] = z[1][_max] = 0.;
 241                 _max += 2;
 242                 if (_min == 0)
 243                         k = 0, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k];
 244                 if (_min <= 1)
 245                         k = 1, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k] + k*(2*j+2-k) * p[1] * z[0][k-1];
 246                 for (k = _min < 2? 2 : _min; k <= _max; ++k)
 247                         z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k]
 248                                 + k*(2*j+2-k) * p[1] * z[0][k-1]
 249                                 + k*(k-1)* p[2] * z[0][k-2];
 250                 for (k = _min, sum = 0.; k <= _max; ++k) sum += z[1][k];
 251                 ma->t += log(sum / ((2. * j + 2) * (2. * j + 1)));
 252                 for (k = _min; k <= _max; ++k) z[1][k] /= sum;
 253                 if (_min >= 1) z[1][_min-1] = 0.;
 254                 if (_min >= 2) z[1][_min-2] = 0.;
 255                 if (j < ma->n - 1) z[1][_max+1] = z[1][_max+2] = 0.;
 256                 if (_j == ma->n1 - 1) { // set pop1
 257                         ma->t1 = ma->t;
 258                         memcpy(ma->z1, z[1], sizeof(double) * (ma->n1 * 2 + 1));
 259                 }
 260                 tmp = z[0]; z[0] = z[1]; z[1] = tmp;
 261                 last_min = _min; last_max = _max;
 262         }
 263         if (z[0] != ma->z) memcpy(ma->z, z[0], sizeof(double) * (ma->M + 1));
 264 }
 265
 266 static void mc_cal_y(bcf_p1aux_t *ma)
 267 {
 268         if (ma->n1 > 0 && ma->n1 < ma->n) {
 269                 int k;
 270                 long double x;
 271                 memset(ma->z1, 0, sizeof(double) * (2 * ma->n1 + 1));
 272                 memset(ma->z2, 0, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 273                 ma->t1 = ma->t2 = 0.;
 274                 mc_cal_y_core(ma, ma->n1);
 275                 ma->t2 = ma->t;
 276                 memcpy(ma->z2, ma->z, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 277                 mc_cal_y_core(ma, 0);
 278                 // rescale z
 279                 x = expl(ma->t - (ma->t1 + ma->t2));
 280                 for (k = 0; k <= ma->M; ++k) ma->z[k] *= x;
 281         } else mc_cal_y_core(ma, 0);
 282 #ifdef _BCF_QUAD
 283 /*
 284         if (ma->n1 > 0 && ma->n1 < ma->n) { // DEBUG: consistency check; z[i] should equal y[i]
 285                 int i, k1, k2, n1 = ma->n1, n2 = ma->n - n1;
 286                 double *y;
 287                 printf("*** ");
 288                 y = calloc(ma->M + 1, sizeof(double));
 289                 for (k1 = 0; k1 <= 2*n1; ++k1)
 290                         for (k2 = 0; k2 <= 2*n2; ++k2)
 291                                 y[k1+k2] += ma->k1k2[k1*(2*n2+1)+k2] * ma->z1[k1] * ma->z2[k2];
 292                 for (i = 0; i <= ma->M; ++i) printf("(%lf,%lf) ", ma->z[i], y[i]);
 293                 printf("\n");
 294                 free(y);
 295         }
 296 */
 297 #endif
 298 }
 299
 300 static void contrast(bcf_p1aux_t *ma, double pc[4]) // mc_cal_y() must be called before hand
 301 {
 302         int k, n1 = ma->n1, n2 = ma->n - ma->n1;
 303         long double sum = -1., x, sum_alt;
 304         double y;
 305         pc[0] = pc[1] = pc[2] = pc[3] = -1.;
 306         if (n1 <= 0 || n2 <= 0) return;
 307 #ifdef _BCF_QUAD
 308         { // FIXME: can be improved by skipping zero cells
 309                 int k1, k2;
 310                 long double z[3];
 311                 z[0] = z[1] = z[2] = 0.;
 312                 for (k1 = 0; k1 <= 2*n1; ++k1)
 313                         for (k2 = 0; k2 <= 2*n2; ++k2) {
 314                                 double zz = ma->phi[k1+k2] * ma->z1[k1] * ma->z2[k2] * ma->k1k2[k1*(2*n2+1)+k2];
 315                                 if ((double)k1/n1 < (double)k2/n2) z[0] += zz;
 316                                 else if ((double)k1/n1 > (double)k2/n2) z[1] += zz;
 317                                 else z[2] += zz;
 318                         }
 319                 sum = z[0] + z[1] + z[2];
 320                 pc[2] = z[0] / sum; pc[3] = z[1] / sum;
 321         }
 322 #endif
 323         for (k = 0, sum_alt = 0.; k <= ma->M; ++k)
 324                 sum_alt += (long double)ma->phi[k] * ma->z[k];
 325 //      printf("* %lg, %lg *\n", (double)sum, (double)sum_alt); // DEBUG: sum should equal sum_alt
 326         sum = sum_alt;
 327         y = lgamma(2*n1 + 1) - lgamma(ma->M + 1);
 328         for (k = 1, x = 0.; k <= 2 * n2; ++k)
 329                 x += ma->phi[k] * ma->z2[k] * exp(lgamma(ma->M - k + 1) - lgamma(2*n2 - k + 1) + y);
 330         pc[0] = ma->z1[0] * x / sum;
 331         y = lgamma(2*n2 + 1) - lgamma(ma->M + 1);
 332         for (k = 1, x = 0.; k <= 2 * n1; ++k)
 333                 x += ma->phi[k] * ma->z1[k] * exp(lgamma(ma->M - k + 1) - lgamma(2*n1 - k + 1) + y);
 334         pc[1] = ma->z2[0] * x / sum;
 335         for (k = 0; k < 4; ++k) {
 336                 y = 1. - pc[k];
 337                 if (y <= 0.) y = 1e-100;
 338                 pc[k] = (int)(-3.434 * log(y) + .499);
 339                 if (pc[k] > 99.) pc[k] = 99.;
 340         }
 341 }
 342
 343 static double mc_cal_afs(bcf_p1aux_t *ma)
 344 {
 345         int k;
 346         long double sum = 0.;
 347         memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
 348         mc_cal_y(ma);
 349         for (k = 0, sum = 0.; k <= ma->M; ++k)
 350                 sum += (long double)ma->phi[k] * ma->z[k];
 351         for (k = 0; k <= ma->M; ++k) {
 352                 ma->afs1[k] = ma->phi[k] * ma->z[k] / sum;
 353                 if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
 354         }
 355         for (k = 0, sum = 0.; k <= ma->M; ++k) {
 356                 ma->afs[k] += ma->afs1[k];
 357                 sum += k * ma->afs1[k];
 358         }
 359         return sum / ma->M;
 360 }
 361
 362 long double bcf_p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
 363 {
 364         long double pd = 0., g2[3];
 365         int i, k;
 366         memset(g2, 0, sizeof(long double) * 3);
 367         for (k = 0; k < p1a->M; ++k) {
 368                 double f = (double)k / p1a->M, f3[3], g1[3];
 369                 long double z = 1.;
 370                 g1[0] = g1[1] = g1[2] = 0.;
 371                 f3[0] = (1. - f) * (1. - f); f3[1] = 2. * f * (1. - f); f3[2] = f * f;
 372                 for (i = 0; i < p1a->n; ++i) {
 373                         double *pdg = p1a->pdg + i * 3;
 374                         double x = pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2];
 375                         z *= x;
 376                         g1[0] += pdg[0] * f3[0] / x;
 377                         g1[1] += pdg[1] * f3[1] / x;
 378                         g1[2] += pdg[2] * f3[2] / x;
 379                 }
 380                 pd += p1a->phi[k] * z;
 381                 for (i = 0; i < 3; ++i)
 382                         g2[i] += p1a->phi[k] * z * g1[i];
 383         }
 384         for (i = 0; i < 3; ++i) g[i] = g2[i] / pd;
 385         return pd;
 386 }
 387
 388 int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 389 {
 390         int i, k;
 391         long double sum = 0.;
 392         // set PL and PL_len
 393         for (i = 0; i < b->n_gi; ++i) {
 394                 if (b->gi[i].fmt == char2int("PL")) {
 395                         ma->PL = (uint8_t*)b->gi[i].data;
 396                         ma->PL_len = b->gi[i].len;
 397                         break;
 398                 }
 399         }
 400         if (b->n_alleles < 2) return -1; // FIXME: find a better solution
 401         //
 402         rst->rank0 = cal_pdg(b, ma);
 403         rst->f_exp = mc_cal_afs(ma);
 404         rst->p_ref = ma->afs1[ma->M];
 405         // calculate f_flat and f_em
 406         for (k = 0, sum = 0.; k <= ma->M; ++k)
 407                 sum += (long double)ma->z[k];
 408         rst->f_flat = 0.;
 409         for (k = 0; k <= ma->M; ++k) {
 410                 double p = ma->z[k] / sum;
 411                 rst->f_flat += k * p;
 412         }
 413         rst->f_flat /= ma->M;
 414         { // calculate f_em
 415                 double flast = rst->f_flat;
 416                 for (i = 0; i < MC_MAX_EM_ITER; ++i) {
 417                         rst->f_em = mc_freq_iter(flast, ma);
 418                         if (fabs(rst->f_em - flast) < MC_EM_EPS) break;
 419                         flast = rst->f_em;
 420                 }
 421         }
 422         rst->g[0] = rst->g[1] = rst->g[2] = -1.;
 423         contrast(ma, rst->pc);
 424 //      bcf_p1_cal_g3(ma, rst->g);
 425         return 0;
 426 }
 427
 428 void bcf_p1_dump_afs(bcf_p1aux_t *ma)
 429 {
 430         int k;
 431         fprintf(stderr, "[afs]");
 432         for (k = 0; k <= ma->M; ++k)
 433                 fprintf(stderr, " %d:%.3lf", k, ma->afs[ma->M - k]);
 434         fprintf(stderr, "\n");
 435         memset(ma->afs, 0, sizeof(double) * (ma->M + 1));
 436 }