]> git.donarmstrong.com Git - samtools.git/blobdiff - bcftools/bcf.c
* samtools-0.1.9-6 (r803)
[samtools.git] / bcftools / bcf.c
index 2cd6423558c6e3e15459f8beeeb56acc40d6be54..05eae5b7dc2bb8c54af062269950c679b9cddac8 100644 (file)
@@ -4,12 +4,6 @@
 #include "kstring.h"
 #include "bcf.h"
 
-void bcf_hdr_clear(bcf_hdr_t *b)
-{
-       free(b->name); free(b->sname); free(b->txt); free(b->ns); free(b->sns);
-       memset(b, 0, sizeof(bcf_hdr_t));
-}
-
 bcf_t *bcf_open(const char *fn, const char *mode)
 {
        bcf_t *b;
@@ -100,22 +94,27 @@ int bcf_hdr_sync(bcf_hdr_t *b)
        return 0;
 }
 
-#define char2int(s) (((int)s[0])<<8|s[1])
-
-int bcf_sync(int n_smpl, bcf1_t *b)
+int bcf_sync(bcf1_t *b)
 {
-       char *p, *tmp[5], *s;
-       int i, n;
+       char *p, *tmp[5];
+       int i, n, n_smpl = b->n_smpl;
+       ks_tokaux_t aux;
        // set ref, alt, flt, info, fmt
        b->ref = b->alt = b->flt = b->info = b->fmt = 0;
        for (p = b->str, n = 0; p < b->str + b->l_str; ++p)
                if (*p == 0 && p+1 != b->str + b->l_str) tmp[n++] = p + 1;
-       if (n != 5) return -1;
+       if (n != 5) {
+               fprintf(stderr, "[%s] incorrect number of fields (%d != 5). Corrupted file?\n", __func__, n);
+               return -1;
+       }
        b->ref = tmp[0]; b->alt = tmp[1]; b->flt = tmp[2]; b->info = tmp[3]; b->fmt = tmp[4];
        // set n_alleles
-       for (p = b->alt, n = 1; *p; ++p)
-               if (*p == ',') ++n;
-       b->n_alleles = n + 1;
+       if (*b->alt == 0) b->n_alleles = 1;
+       else {
+               for (p = b->alt, n = 1; *p; ++p)
+                       if (*p == ',') ++n;
+               b->n_alleles = n + 1;
+       }
        // set n_gi and gi[i].fmt
        for (p = b->fmt, n = 1; *p; ++p)
                if (*p == ':') ++n;
@@ -127,24 +126,20 @@ int bcf_sync(int n_smpl, bcf1_t *b)
                memset(b->gi + old_m, 0, (b->m_gi - old_m) * sizeof(bcf_ginfo_t));
        }
        b->n_gi = n;
-       for (p = s = b->fmt, n = 0; *p; ++p) {
-               if (*p == ':' || *(p+1) == 0) {
-                       char *q = *p == ':'? p : p + 1;
-                       if ((q - s) != 2) return -2;
-                       b->gi[n].fmt = char2int(s);
-                       s = q;
-               }
-       }
+       for (p = kstrtok(b->fmt, ":", &aux), n = 0; p; p = kstrtok(0, 0, &aux))
+               b->gi[n++].fmt = bcf_str2int(p, aux.p - p);
        // set gi[i].len
        for (i = 0; i < b->n_gi; ++i) {
-               if (b->gi[i].fmt == char2int("PL")) {
+               if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
                        b->gi[i].len = b->n_alleles * (b->n_alleles + 1) / 2;
-               } else if (b->gi[i].fmt == char2int("DP") || b->gi[i].fmt == char2int("HQ")) {
+               } else if (b->gi[i].fmt == bcf_str2int("DP", 2) || b->gi[i].fmt == bcf_str2int("HQ", 2)) {
                        b->gi[i].len = 2;
-               } else if (b->gi[i].fmt == char2int("GQ") || b->gi[i].fmt == char2int("GT")) {
+               } else if (b->gi[i].fmt == bcf_str2int("GQ", 2) || b->gi[i].fmt == bcf_str2int("GT", 2)
+                                  || b->gi[i].fmt == bcf_str2int("SP", 2))
+               {
                        b->gi[i].len = 1;
-               } else if (b->gi[i].fmt == char2int("GL")) {
-                       b->gi[i].len = 4;
+               } else if (b->gi[i].fmt == bcf_str2int("GL", 2)) {
+                       b->gi[i].len = b->n_alleles * (b->n_alleles + 1) / 2 * 4;
                }
                b->gi[i].data = realloc(b->gi[i].data, n_smpl * b->gi[i].len);
        }
@@ -153,13 +148,12 @@ int bcf_sync(int n_smpl, bcf1_t *b)
 
 int bcf_write(bcf_t *bp, const bcf_hdr_t *h, const bcf1_t *b)
 {
-       uint32_t x;
        int i, l = 0;
        if (b == 0) return -1;
        bgzf_write(bp->fp, &b->tid, 4);
        bgzf_write(bp->fp, &b->pos, 4);
-       x = b->qual<<24 | b->l_str;
-       bgzf_write(bp->fp, &x, 4);
+       bgzf_write(bp->fp, &b->qual, 4);
+       bgzf_write(bp->fp, &b->l_str, 4);
        bgzf_write(bp->fp, b->str, b->l_str);
        l = 12 + b->l_str;
        for (i = 0; i < b->n_gi; ++i) {
@@ -172,12 +166,12 @@ int bcf_write(bcf_t *bp, const bcf_hdr_t *h, const bcf1_t *b)
 int bcf_read(bcf_t *bp, const bcf_hdr_t *h, bcf1_t *b)
 {
        int i, l = 0;
-       uint32_t x;
        if (b == 0) return -1;
        if (bgzf_read(bp->fp, &b->tid, 4) == 0) return -1;
+       b->n_smpl = h->n_smpl;
        bgzf_read(bp->fp, &b->pos, 4);
-       bgzf_read(bp->fp, &x, 4);
-       b->qual = x >> 24; b->l_str = x << 8 >> 8;
+       bgzf_read(bp->fp, &b->qual, 4);
+       bgzf_read(bp->fp, &b->l_str, 4);
        if (b->l_str > b->m_str) {
                b->m_str = b->l_str;
                kroundup32(b->m_str);
@@ -185,7 +179,7 @@ int bcf_read(bcf_t *bp, const bcf_hdr_t *h, bcf1_t *b)
        }
        bgzf_read(bp->fp, b->str, b->l_str);
        l = 12 + b->l_str;
-       bcf_sync(h->n_smpl, b);
+       bcf_sync(b);
        for (i = 0; i < b->n_gi; ++i) {
                bgzf_read(bp->fp, b->gi[i].data, b->gi[i].len * h->n_smpl);
                l += b->gi[i].len * h->n_smpl;
@@ -198,7 +192,7 @@ int bcf_destroy(bcf1_t *b)
        int i;
        if (b == 0) return -1;
        free(b->str);
-       for (i = 0; i < b->n_gi; ++i)
+       for (i = 0; i < b->m_gi; ++i)
                free(b->gi[i].data);
        free(b->gi);
        free(b);
@@ -211,41 +205,114 @@ static inline void fmt_str(const char *p, kstring_t *s)
        else kputs(p, s);
 }
 
-char *bcf_fmt(const bcf_hdr_t *h, bcf1_t *b)
+void bcf_fmt_core(const bcf_hdr_t *h, bcf1_t *b, kstring_t *s)
 {
-       kstring_t s;
        int i, j, x;
-       memset(&s, 0, sizeof(kstring_t));
-       kputs(h->ns[b->tid], &s); kputc('\t', &s);
-       kputw(b->pos + 1, &s); kputc('\t', &s);
-       fmt_str(b->str, &s); kputc('\t', &s);
-       fmt_str(b->ref, &s); kputc('\t', &s);
-       fmt_str(b->alt, &s); kputc('\t', &s);
-       kputw(b->qual, &s); kputc('\t', &s);
-       fmt_str(b->flt, &s); kputc('\t', &s);
-       fmt_str(b->info, &s);
+       s->l = 0;
+       if (h->n_ref) kputs(h->ns[b->tid], s);
+       else kputw(b->tid, s);
+       kputc('\t', s);
+       kputw(b->pos + 1, s); kputc('\t', s);
+       fmt_str(b->str, s); kputc('\t', s);
+       fmt_str(b->ref, s); kputc('\t', s);
+       fmt_str(b->alt, s); kputc('\t', s);
+       ksprintf(s, "%.3g", b->qual); kputc('\t', s);
+       fmt_str(b->flt, s); kputc('\t', s);
+       fmt_str(b->info, s);
        if (b->fmt[0]) {
-               kputc('\t', &s);
-               fmt_str(b->fmt, &s);
+               kputc('\t', s);
+               fmt_str(b->fmt, s);
        }
        x = b->n_alleles * (b->n_alleles + 1) / 2;
+       if (b->n_gi == 0) return;
        for (j = 0; j < h->n_smpl; ++j) {
-               kputc('\t', &s);
+               kputc('\t', s);
                for (i = 0; i < b->n_gi; ++i) {
-                       if (i) kputc(':', &s);
-                       if (b->gi[i].fmt == char2int("PL")) {
+                       if (i) kputc(':', s);
+                       if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
                                uint8_t *d = (uint8_t*)b->gi[i].data + j * x;
                                int k;
                                for (k = 0; k < x; ++k) {
-                                       if (k > 0) kputc(',', &s);
-                                       kputw(d[k], &s);
+                                       if (k > 0) kputc(',', s);
+                                       kputw(d[k], s);
+                               }
+                       } else if (b->gi[i].fmt == bcf_str2int("DP", 2)) {
+                               kputw(((uint16_t*)b->gi[i].data)[j], s);
+                       } else if (b->gi[i].fmt == bcf_str2int("GQ", 2) || b->gi[i].fmt == bcf_str2int("SP", 2)) {
+                               kputw(((uint8_t*)b->gi[i].data)[j], s);
+                       } else if (b->gi[i].fmt == bcf_str2int("GT", 2)) {
+                               int y = ((uint8_t*)b->gi[i].data)[j];
+                               if (y>>7&1) {
+                                       kputsn("./.", 3, s);
+                               } else {
+                                       kputc('0' + (y>>3&7), s);
+                                       kputc("/|"[y>>6&1], s);
+                                       kputc('0' + (y&7), s);
+                               }
+                       } else if (b->gi[i].fmt == bcf_str2int("GL", 2)) {
+                               float *d = (float*)b->gi[i].data + j * x;
+                               int k;
+                               //printf("- %lx\n", d);
+                               for (k = 0; k < x; ++k) {
+                                       if (k > 0) kputc(',', s);
+                                       ksprintf(s, "%.2f", d[k]);
                                }
-                       } else if (b->gi[i].fmt == char2int("DP")) {
-                               kputw(((uint16_t*)b->gi[i].data)[j], &s);
-                       } else if (b->gi[i].fmt == char2int("GQ")) {
-                               kputw(((uint8_t*)b->gi[i].data)[j], &s);
                        }
                }
        }
+}
+
+char *bcf_fmt(const bcf_hdr_t *h, bcf1_t *b)
+{
+       kstring_t s;
+       s.l = s.m = 0; s.s = 0;
+       bcf_fmt_core(h, b, &s);
        return s.s;
 }
+
+int bcf_append_info(bcf1_t *b, const char *info, int l)
+{
+       int shift = b->fmt - b->str;
+       int l_fmt = b->l_str - shift;
+       char *ori = b->str;
+       if (b->l_str + l > b->m_str) { // enlarge if necessary
+               b->m_str = b->l_str + l;
+               kroundup32(b->m_str);
+               b->str = realloc(b->str, b->m_str);
+       }
+       memmove(b->str + shift + l, b->str + shift, l_fmt); // move the FORMAT field
+       memcpy(b->str + shift - 1, info, l); // append to the INFO field
+       b->str[shift + l - 1] = '\0';
+       b->fmt = b->str + shift + l;
+       b->l_str += l;
+       if (ori != b->str) bcf_sync(b); // synchronize when realloc changes the pointer
+       return 0;
+}
+
+int bcf_cpy(bcf1_t *r, const bcf1_t *b)
+{
+       char *t1 = r->str;
+       bcf_ginfo_t *t2 = r->gi;
+       int i, t3 = r->m_str, t4 = r->m_gi;
+       *r = *b;
+       r->str = t1; r->gi = t2; r->m_str = t3; r->m_gi = t4;
+       if (r->m_str < b->m_str) {
+               r->m_str = b->m_str;
+               r->str = realloc(r->str, r->m_str);
+       }
+       memcpy(r->str, b->str, r->m_str);
+       bcf_sync(r); // calling bcf_sync() is simple but inefficient
+       for (i = 0; i < r->n_gi; ++i)
+               memcpy(r->gi[i].data, b->gi[i].data, r->n_smpl * r->gi[i].len);
+       return 0;
+}
+
+int bcf_is_indel(const bcf1_t *b)
+{
+       char *p;
+       if (strlen(b->ref) > 1) return 1;
+       for (p = b->alt; *p; ++p)
+               if (*p != ',' && p[1] != ',' && p[1] != '\0')
+                       return 1;
+       return 0;
+}