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;
  36         double *q2p, *pdg; // pdg -> P(D|g)
  37         double *phi;
  38         double *z, *zswap; // aux for afs
  39         double *afs, *afs1; // afs: accumulative AFS; afs1: site posterior distribution
  40         const uint8_t *PL; // point to PL
  41         int PL_len;
  42 };
  43
  44 void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
  45 {
  46         int i;
  47         if (type == MC_PTYPE_COND2) {
  48                 for (i = 0; i <= ma->M; ++i)
  49                         ma->phi[i] = 2. * (i + 1) / (ma->M + 1) / (ma->M + 2);
  50         } else if (type == MC_PTYPE_FLAT) {
  51                 for (i = 0; i <= ma->M; ++i)
  52                         ma->phi[i] = 1. / (ma->M + 1);
  53         } else {
  54                 double sum;
  55                 for (i = 0, sum = 0.; i < ma->M; ++i)
  56                         sum += (ma->phi[i] = theta / (ma->M - i));
  57                 ma->phi[ma->M] = 1. - sum;
  58         }
  59 }
  60
  61 int bcf_p1_read_prior(bcf_p1aux_t *ma, const char *fn)
  62 {
  63         gzFile fp;
  64         kstring_t s;
  65         kstream_t *ks;
  66         long double sum;
  67         int dret, k;
  68         memset(&s, 0, sizeof(kstring_t));
  69         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
  70         ks = ks_init(fp);
  71         memset(ma->phi, 0, sizeof(double) * (ma->M + 1));
  72         while (ks_getuntil(ks, '\n', &s, &dret) >= 0) {
  73                 if (strstr(s.s, "[afs] ") == s.s) {
  74                         char *p = s.s + 6;
  75                         for (k = 0; k <= ma->M; ++k) {
  76                                 int x;
  77                                 double y;
  78                                 x = strtol(p, &p, 10);
  79                                 if (x != k && (errno == EINVAL || errno == ERANGE)) return -1;
  80                                 ++p;
  81                                 y = strtod(p, &p);
  82                                 if (y == 0. && (errno == EINVAL || errno == ERANGE)) return -1;
  83                                 ma->phi[ma->M - k] += y;
  84                         }
  85                 }
  86         }
  87         ks_destroy(ks);
  88         gzclose(fp);
  89         free(s.s);
  90         for (sum = 0., k = 0; k <= ma->M; ++k) sum += ma->phi[k];
  91         fprintf(stderr, "[prior]");
  92         for (k = 0; k <= ma->M; ++k) ma->phi[k] /= sum;
  93         for (k = 0; k <= ma->M; ++k) fprintf(stderr, " %d:%.3lg", k, ma->phi[ma->M - k]);
  94         fputc('\n', stderr);
  95         return 0;
  96 }
  97
  98 bcf_p1aux_t *bcf_p1_init(int n) // FIXME: assuming diploid
  99 {
 100         bcf_p1aux_t *ma;
 101         int i;
 102         ma = calloc(1, sizeof(bcf_p1aux_t));
 103         ma->n = n; ma->M = 2 * n;
 104         ma->q2p = calloc(256, sizeof(double));
 105         ma->pdg = calloc(3 * ma->n, sizeof(double));
 106         ma->phi = calloc(ma->M + 1, sizeof(double));
 107         ma->z = calloc(2 * ma->n + 1, sizeof(double));
 108         ma->zswap = calloc(2 * ma->n + 1, sizeof(double));
 109         ma->afs = calloc(2 * ma->n + 1, sizeof(double));
 110         ma->afs1 = calloc(2 * ma->n + 1, sizeof(double));
 111         for (i = 0; i < 256; ++i)
 112                 ma->q2p[i] = pow(10., -i / 10.);
 113         bcf_p1_init_prior(ma, MC_PTYPE_FULL, 1e-3); // the simplest prior
 114         return ma;
 115 }
 116
 117 void bcf_p1_destroy(bcf_p1aux_t *ma)
 118 {
 119         if (ma) {
 120                 free(ma->q2p); free(ma->pdg);
 121                 free(ma->phi);
 122                 free(ma->z); free(ma->zswap);
 123                 free(ma->afs); free(ma->afs1);
 124                 free(ma);
 125         }
 126 }
 127
 128 #define char2int(s) (((int)s[0])<<8|s[1])
 129
 130 static int cal_pdg(const bcf1_t *b, bcf_p1aux_t *ma)
 131 {
 132         int i, j, k;
 133         long *p, tmp;
 134         p = alloca(b->n_alleles * sizeof(long));
 135         memset(p, 0, sizeof(long) * b->n_alleles);
 136         for (j = 0; j < ma->n; ++j) {
 137                 const uint8_t *pi = ma->PL + j * ma->PL_len;
 138                 double *pdg = ma->pdg + j * 3;
 139                 pdg[0] = ma->q2p[pi[b->n_alleles]]; pdg[1] = ma->q2p[pi[1]]; pdg[2] = ma->q2p[pi[0]];
 140                 for (i = k = 0; i < b->n_alleles; ++i) {
 141                         p[i] += (int)pi[k];
 142                         k += b->n_alleles - i;
 143                 }
 144         }
 145         for (i = 0; i < b->n_alleles; ++i) p[i] = p[i]<<4 | i;
 146         for (i = 1; i < b->n_alleles; ++i) // insertion sort
 147                 for (j = i; j > 0 && p[j] < p[j-1]; --j)
 148                         tmp = p[j], p[j] = p[j-1], p[j-1] = tmp;
 149         for (i = b->n_alleles - 1; i >= 0; --i)
 150                 if ((p[i]&0xf) == 0) break;
 151         return i;
 152 }
 153 // f0 is the reference allele frequency
 154 static double mc_freq_iter(double f0, const bcf_p1aux_t *ma)
 155 {
 156         double f, f3[3];
 157         int i;
 158         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 159         for (i = 0, f = 0.; i < ma->n; ++i) {
 160                 double *pdg;
 161                 pdg = ma->pdg + i * 3;
 162                 f += (pdg[1] * f3[1] + 2. * pdg[2] * f3[2])
 163                         / (pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2]);
 164         }
 165         f /= ma->n * 2.;
 166         return f;
 167 }
 168
 169 int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
 170 {
 171         double sum, g[3];
 172         double max, f3[3], *pdg = ma->pdg + k * 3;
 173         int q, i, max_i;
 174         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 175         for (i = 0, sum = 0.; i < 3; ++i)
 176                 sum += (g[i] = pdg[i] * f3[i]);
 177         for (i = 0, max = -1., max_i = 0; i < 3; ++i) {
 178                 g[i] /= sum;
 179                 if (g[i] > max) max = g[i], max_i = i;
 180         }
 181         max = 1. - max;
 182         if (max < 1e-308) max = 1e-308;
 183         q = (int)(-3.434 * log(max) + .499);
 184         if (q > 99) q = 99;
 185         return q<<2|max_i;
 186 }
 187
 188 #define TINY 1e-20
 189
 190 static void mc_cal_y(bcf_p1aux_t *ma)
 191 {
 192         double *z[2], *tmp, *pdg;
 193         int k, j, last_min, last_max;
 194         z[0] = ma->z;
 195         z[1] = ma->zswap;
 196         pdg = ma->pdg;
 197         memset(z[0], 0, sizeof(double) * (ma->M + 1));
 198         memset(z[1], 0, sizeof(double) * (ma->M + 1));
 199         z[0][0] = 1.;
 200         last_min = last_max = 0;
 201         for (j = 0; j < ma->n; ++j) {
 202                 int _min = last_min, _max = last_max;
 203                 double p[3], sum;
 204                 pdg = ma->pdg + j * 3;
 205                 p[0] = pdg[0]; p[1] = 2. * pdg[1]; p[2] = pdg[2];
 206                 for (; _min < _max && z[0][_min] < TINY; ++_min) z[0][_min] = z[1][_min] = 0.;
 207                 for (; _max > _min && z[0][_max] < TINY; --_max) z[0][_max] = z[1][_max] = 0.;
 208                 _max += 2;
 209                 if (_min == 0)
 210                         k = 0, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k];
 211                 if (_min <= 1)
 212                         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];
 213                 for (k = _min < 2? 2 : _min; k <= _max; ++k)
 214                         z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k]
 215                                 + k*(2*j+2-k) * p[1] * z[0][k-1]
 216                                 + k*(k-1)* p[2] * z[0][k-2];
 217                 for (k = _min, sum = 0.; k <= _max; ++k) sum += z[1][k];
 218                 for (k = _min; k <= _max; ++k) z[1][k] /= sum;
 219                 if (_min >= 1) z[1][_min-1] = 0.;
 220                 if (_min >= 2) z[1][_min-2] = 0.;
 221                 if (j < ma->n - 1) z[1][_max+1] = z[1][_max+2] = 0.;
 222                 tmp = z[0]; z[0] = z[1]; z[1] = tmp;
 223                 last_min = _min; last_max = _max;
 224         }
 225         if (z[0] != ma->z) memcpy(ma->z, z[0], sizeof(double) * (ma->M + 1));
 226 }
 227
 228 static double mc_cal_afs(bcf_p1aux_t *ma)
 229 {
 230         int k;
 231         long double sum = 0.;
 232         memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
 233         mc_cal_y(ma);
 234         for (k = 0, sum = 0.; k <= ma->M; ++k)
 235                 sum += (long double)ma->phi[k] * ma->z[k];
 236         for (k = 0; k <= ma->M; ++k) {
 237                 ma->afs1[k] = ma->phi[k] * ma->z[k] / sum;
 238                 if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
 239         }
 240         for (k = 0, sum = 0.; k <= ma->M; ++k) {
 241                 ma->afs[k] += ma->afs1[k];
 242                 sum += k * ma->afs1[k];
 243         }
 244         return sum / ma->M;
 245 }
 246
 247 static long double p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
 248 {
 249         long double pd = 0., g2[3];
 250         int i, k;
 251         memset(g2, 0, sizeof(long double) * 3);
 252         for (k = 0; k < p1a->M; ++k) {
 253                 double f = (double)k / p1a->M, f3[3], g1[3];
 254                 long double z = 1.;
 255                 g1[0] = g1[1] = g1[2] = 0.;
 256                 f3[0] = (1. - f) * (1. - f); f3[1] = 2. * f * (1. - f); f3[2] = f * f;
 257                 for (i = 0; i < p1a->n; ++i) {
 258                         double *pdg = p1a->pdg + i * 3;
 259                         double x = pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2];
 260                         z *= x;
 261                         g1[0] += pdg[0] * f3[0] / x;
 262                         g1[1] += pdg[1] * f3[1] / x;
 263                         g1[2] += pdg[2] * f3[2] / x;
 264                 }
 265                 pd += p1a->phi[k] * z;
 266                 for (i = 0; i < 3; ++i)
 267                         g2[i] += p1a->phi[k] * z * g1[i];
 268         }
 269         for (i = 0; i < 3; ++i) g[i] = g2[i] / pd;
 270         return pd;
 271 }
 272
 273 int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 274 {
 275         int i, k;
 276         long double sum = 0.;
 277         // set PL and PL_len
 278         for (i = 0; i < b->n_gi; ++i) {
 279                 if (b->gi[i].fmt == char2int("PL")) {
 280                         ma->PL = (uint8_t*)b->gi[i].data;
 281                         ma->PL_len = b->gi[i].len;
 282                         break;
 283                 }
 284         }
 285         if (b->n_alleles < 2) return -1; // FIXME: find a better solution
 286         //
 287         rst->rank0 = cal_pdg(b, ma);
 288         rst->f_exp = mc_cal_afs(ma);
 289         rst->p_ref = ma->afs1[ma->M];
 290         // calculate f_flat and f_em
 291         for (k = 0, sum = 0.; k <= ma->M; ++k)
 292                 sum += (long double)ma->z[k];
 293         rst->f_flat = 0.;
 294         for (k = 0; k <= ma->M; ++k) {
 295                 double p = ma->z[k] / sum;
 296                 rst->f_flat += k * p;
 297         }
 298         rst->f_flat /= ma->M;
 299         { // calculate f_em
 300                 double flast = rst->f_flat;
 301                 for (i = 0; i < MC_MAX_EM_ITER; ++i) {
 302                         rst->f_em = mc_freq_iter(flast, ma);
 303                         if (fabs(rst->f_em - flast) < MC_EM_EPS) break;
 304                         flast = rst->f_em;
 305                 }
 306         }
 307         p1_cal_g3(ma, rst->g);
 308         return 0;
 309 }
 310
 311 void bcf_p1_dump_afs(bcf_p1aux_t *ma)
 312 {
 313         int k;
 314         fprintf(stderr, "[afs]");
 315         for (k = 0; k <= ma->M; ++k)
 316                 fprintf(stderr, " %d:%.3lf", k, ma->afs[ma->M - k]);
 317         fprintf(stderr, "\n");
 318         memset(ma->afs, 0, sizeof(double) * (ma->M + 1));
 319 }