bcftools/prob1.c

   1 #include <math.h>
   2 #include <stdlib.h>
   3 #include <string.h>
   4 #include <stdio.h>
   5 #include "prob1.h"
   6
   7 #define MC_AVG_ERR 0.007
   8 #define MC_MAX_EM_ITER 16
   9 #define MC_EM_EPS 1e-4
  10
  11 unsigned char seq_nt4_table[256] = {
  12         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  13         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  14         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4 /*'-'*/, 4, 4,
  15         4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  16         4, 0, 4, 1,  4, 4, 4, 2,  4, 4, 4, 4,  4, 4, 4, 4,
  17         4, 4, 4, 4,  3, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  18         4, 0, 4, 1,  4, 4, 4, 2,  4, 4, 4, 4,  4, 4, 4, 4,
  19         4, 4, 4, 4,  3, 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, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,  4, 4, 4, 4,
  23         4, 4, 4, 4,  4, 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 };
  29
  30 struct __bcf_p1aux_t {
  31         int n, M;
  32         double *q2p, *pdg; // pdg -> P(D|g)
  33         double *phi;
  34         double *z, *zswap; // aux for afs
  35         double *afs, *afs1; // afs: accumulative AFS; afs1: site posterior distribution
  36         const uint8_t *PL; // point to PL
  37         int PL_len;
  38 };
  39
  40 void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
  41 {
  42         int i;
  43         if (type == MC_PTYPE_COND2) {
  44                 for (i = 0; i <= ma->M; ++i)
  45                         ma->phi[i] = 2. * (i + 1) / (ma->M + 1) / (ma->M + 2);
  46         } else if (type == MC_PTYPE_FLAT) {
  47                 for (i = 0; i <= ma->M; ++i)
  48                         ma->phi[i] = 1. / (ma->M + 1);
  49         } else {
  50                 double sum;
  51                 for (i = 0, sum = 0.; i < ma->M; ++i)
  52                         sum += (ma->phi[i] = theta / (ma->M - i));
  53                 ma->phi[ma->M] = 1. - sum;
  54         }
  55 }
  56
  57 bcf_p1aux_t *bcf_p1_init(int n) // FIXME: assuming diploid
  58 {
  59         bcf_p1aux_t *ma;
  60         int i;
  61         ma = calloc(1, sizeof(bcf_p1aux_t));
  62         ma->n = n; ma->M = 2 * n;
  63         ma->q2p = calloc(256, sizeof(double));
  64         ma->pdg = calloc(3 * ma->n, sizeof(double));
  65         ma->phi = calloc(ma->M + 1, sizeof(double));
  66         ma->z = calloc(2 * ma->n + 1, sizeof(double));
  67         ma->zswap = calloc(2 * ma->n + 1, sizeof(double));
  68         ma->afs = calloc(2 * ma->n + 1, sizeof(double));
  69         ma->afs1 = calloc(2 * ma->n + 1, sizeof(double));
  70         for (i = 0; i < 256; ++i)
  71                 ma->q2p[i] = pow(10., -i / 10.);
  72         bcf_p1_init_prior(ma, MC_PTYPE_FULL, 1e-3); // the simplest prior
  73         return ma;
  74 }
  75
  76 void bcf_p1_destroy(bcf_p1aux_t *ma)
  77 {
  78         if (ma) {
  79                 free(ma->q2p); free(ma->pdg);
  80                 free(ma->phi);
  81                 free(ma->z); free(ma->zswap);
  82                 free(ma->afs); free(ma->afs1);
  83                 free(ma);
  84         }
  85 }
  86
  87 #define char2int(s) (((int)s[0])<<8|s[1])
  88
  89 static int cal_pdg(const bcf1_t *b, bcf_p1aux_t *ma)
  90 {
  91         int i, j, k;
  92         long *p, tmp;
  93         p = alloca(b->n_alleles * sizeof(long));
  94         memset(p, 0, sizeof(long) * b->n_alleles);
  95         for (j = 0; j < ma->n; ++j) {
  96                 const uint8_t *pi = ma->PL + j * ma->PL_len;
  97                 double *pdg = ma->pdg + j * 3;
  98                 pdg[0] = ma->q2p[pi[b->n_alleles]]; pdg[1] = ma->q2p[pi[1]]; pdg[2] = ma->q2p[pi[0]];
  99                 for (i = k = 0; i < b->n_alleles; ++i) {
 100                         p[i] += (int)pi[k];
 101                         k += b->n_alleles - i;
 102                 }
 103         }
 104         for (i = 0; i < b->n_alleles; ++i) p[i] = p[i]<<4 | i;
 105         for (i = 1; i < b->n_alleles; ++i) // insertion sort
 106                 for (j = i; j > 0 && p[j] < p[j-1]; --j)
 107                         tmp = p[j], p[j] = p[j-1], p[j-1] = tmp;
 108         for (i = b->n_alleles - 1; i >= 0; --i)
 109                 if ((p[i]&0xf) == 0) break;
 110         return i;
 111 }
 112 // f0 is the reference allele frequency
 113 static double mc_freq_iter(double f0, const bcf_p1aux_t *ma)
 114 {
 115         double f, f3[3];
 116         int i;
 117         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 118         for (i = 0, f = 0.; i < ma->n; ++i) {
 119                 double *pdg;
 120                 pdg = ma->pdg + i * 3;
 121                 f += (pdg[1] * f3[1] + 2. * pdg[2] * f3[2])
 122                         / (pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2]);
 123         }
 124         f /= ma->n * 2.;
 125         return f;
 126 }
 127
 128 int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
 129 {
 130         double sum, g[3];
 131         double max, f3[3], *pdg = ma->pdg + k * 3;
 132         int q, i, max_i;
 133         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 134         for (i = 0, sum = 0.; i < 3; ++i)
 135                 sum += (g[i] = pdg[i] * f3[i]);
 136         for (i = 0, max = -1., max_i = 0; i < 3; ++i) {
 137                 g[i] /= sum;
 138                 if (g[i] > max) max = g[i], max_i = i;
 139         }
 140         max = 1. - max;
 141         if (max < 1e-308) max = 1e-308;
 142         q = (int)(-3.434 * log(max) + .499);
 143         if (q > 99) q = 99;
 144         return q<<2|max_i;
 145 }
 146
 147 #define TINY 1e-20
 148
 149 static void mc_cal_y(bcf_p1aux_t *ma)
 150 {
 151         double *z[2], *tmp, *pdg;
 152         int k, j, last_min, last_max;
 153         z[0] = ma->z;
 154         z[1] = ma->zswap;
 155         pdg = ma->pdg;
 156         memset(z[0], 0, sizeof(double) * (ma->M + 1));
 157         memset(z[1], 0, sizeof(double) * (ma->M + 1));
 158         z[0][0] = 1.;
 159         last_min = last_max = 0;
 160         for (j = 0; j < ma->n; ++j) {
 161                 int _min = last_min, _max = last_max;
 162                 double p[3], sum;
 163                 pdg = ma->pdg + j * 3;
 164                 p[0] = pdg[0]; p[1] = 2. * pdg[1]; p[2] = pdg[2];
 165                 for (; _min < _max && z[0][_min] < TINY; ++_min) z[0][_min] = z[1][_min] = 0.;
 166                 for (; _max > _min && z[0][_max] < TINY; --_max) z[0][_max] = z[1][_max] = 0.;
 167                 _max += 2;
 168                 if (_min == 0)
 169                         k = 0, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k];
 170                 if (_min <= 1)
 171                         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];
 172                 for (k = _min < 2? 2 : _min; k <= _max; ++k)
 173                         z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k]
 174                                 + k*(2*j+2-k) * p[1] * z[0][k-1]
 175                                 + k*(k-1)* p[2] * z[0][k-2];
 176                 for (k = _min, sum = 0.; k <= _max; ++k) sum += z[1][k];
 177                 for (k = _min; k <= _max; ++k) z[1][k] /= sum;
 178                 if (_min >= 1) z[1][_min-1] = 0.;
 179                 if (_min >= 2) z[1][_min-2] = 0.;
 180                 if (j < ma->n - 1) z[1][_max+1] = z[1][_max+2] = 0.;
 181                 tmp = z[0]; z[0] = z[1]; z[1] = tmp;
 182                 last_min = _min; last_max = _max;
 183         }
 184         if (z[0] != ma->z) memcpy(ma->z, z[0], sizeof(double) * (ma->M + 1));
 185 }
 186
 187 static double mc_cal_afs(bcf_p1aux_t *ma)
 188 {
 189         int k;
 190         long double sum = 0.;
 191         memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
 192         mc_cal_y(ma);
 193         for (k = 0, sum = 0.; k <= ma->M; ++k)
 194                 sum += (long double)ma->phi[k] * ma->z[k];
 195         for (k = 0; k <= ma->M; ++k) {
 196                 ma->afs1[k] = ma->phi[k] * ma->z[k] / sum;
 197                 if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
 198         }
 199         for (k = 0, sum = 0.; k <= ma->M; ++k) {
 200                 ma->afs[k] += ma->afs1[k];
 201                 sum += k * ma->afs1[k];
 202         }
 203         return sum / ma->M;
 204 }
 205
 206 static long double p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
 207 {
 208         long double pd = 0., g2[3];
 209         int i, k;
 210         memset(g2, 0, sizeof(long double) * 3);
 211         for (k = 0; k < p1a->M; ++k) {
 212                 double f = (double)k / p1a->M, f3[3], g1[3];
 213                 long double z = 1.;
 214                 g1[0] = g1[1] = g1[2] = 0.;
 215                 f3[0] = (1. - f) * (1. - f); f3[1] = 2. * f * (1. - f); f3[2] = f * f;
 216                 for (i = 0; i < p1a->n; ++i) {
 217                         double *pdg = p1a->pdg + i * 3;
 218                         double x = pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2];
 219                         z *= x;
 220                         g1[0] += pdg[0] * f3[0] / x;
 221                         g1[1] += pdg[1] * f3[1] / x;
 222                         g1[2] += pdg[2] * f3[2] / x;
 223                 }
 224                 pd += p1a->phi[k] * z;
 225                 for (i = 0; i < 3; ++i)
 226                         g2[i] += p1a->phi[k] * z * g1[i];
 227         }
 228         for (i = 0; i < 3; ++i) g[i] = g2[i] / pd;
 229         return pd;
 230 }
 231
 232 int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 233 {
 234         int i, k;
 235         long double sum = 0.;
 236         // set PL and PL_len
 237         for (i = 0; i < b->n_gi; ++i) {
 238                 if (b->gi[i].fmt == char2int("PL")) {
 239                         ma->PL = (uint8_t*)b->gi[i].data;
 240                         ma->PL_len = b->gi[i].len;
 241                         break;
 242                 }
 243         }
 244         if (b->n_alleles < 2) return -1; // FIXME: find a better solution
 245         //
 246         rst->rank0 = cal_pdg(b, ma);
 247         rst->f_exp = mc_cal_afs(ma);
 248         rst->p_ref = ma->afs1[ma->M];
 249         // calculate f_flat and f_em
 250         for (k = 0, sum = 0.; k <= ma->M; ++k)
 251                 sum += (long double)ma->z[k];
 252         rst->f_flat = 0.;
 253         for (k = 0; k <= ma->M; ++k) {
 254                 double p = ma->z[k] / sum;
 255                 rst->f_flat += k * p;
 256         }
 257         rst->f_flat /= ma->M;
 258         { // calculate f_em
 259                 double flast = rst->f_flat;
 260                 for (i = 0; i < MC_MAX_EM_ITER; ++i) {
 261                         rst->f_em = mc_freq_iter(flast, ma);
 262                         if (fabs(rst->f_em - flast) < MC_EM_EPS) break;
 263                         flast = rst->f_em;
 264                 }
 265         }
 266         p1_cal_g3(ma, rst->g);
 267         return 0;
 268 }
 269
 270 void bcf_p1_dump_afs(bcf_p1aux_t *ma)
 271 {
 272         int k;
 273         fprintf(stderr, "[afs]");
 274         for (k = 0; k <= ma->M; ++k)
 275                 fprintf(stderr, " %d:%.3lf", k, ma->afs[ma->M - k]);
 276         fprintf(stderr, "\n");
 277         memset(ma->afs, 0, sizeof(double) * (ma->M + 1));
 278 }