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