samtools/bedidx.c.pysam.c

   1 #include "pysam.h"
   2
   3 #include <stdlib.h>
   4 #include <stdint.h>
   5 #include <string.h>
   6 #include <stdio.h>
   7 #include <zlib.h>
   8
   9 #ifdef _WIN32
  10 #define drand48() ((double)rand() / RAND_MAX)
  11 #endif
  12
  13 #include "ksort.h"
  14 KSORT_INIT_GENERIC(uint64_t)
  15
  16 #include "kseq.h"
  17 KSTREAM_INIT(gzFile, gzread, 8192)
  18
  19 typedef struct {
  20         int n, m;
  21         uint64_t *a;
  22         int *idx;
  23 } bed_reglist_t;
  24
  25 #include "khash.h"
  26 KHASH_MAP_INIT_STR(reg, bed_reglist_t)
  27
  28 #define LIDX_SHIFT 13
  29
  30 typedef kh_reg_t reghash_t;
  31
  32 int *bed_index_core(int n, uint64_t *a, int *n_idx)
  33 {
  34         int i, j, m, *idx;
  35         m = *n_idx = 0; idx = 0;
  36         for (i = 0; i < n; ++i) {
  37                 int beg, end;
  38                 beg = a[i]>>32 >> LIDX_SHIFT; end = ((uint32_t)a[i]) >> LIDX_SHIFT;
  39                 if (m < end + 1) {
  40                         int oldm = m;
  41                         m = end + 1;
  42                         kroundup32(m);
  43                         idx = realloc(idx, m * sizeof(int));
  44                         for (j = oldm; j < m; ++j) idx[j] = -1;
  45                 }
  46                 if (beg == end) {
  47                         if (idx[beg] < 0) idx[beg] = i;
  48                 } else {
  49                         for (j = beg; j <= end; ++j)
  50                                 if (idx[j] < 0) idx[j] = i;
  51                 }
  52                 *n_idx = end + 1;
  53         }
  54         return idx;
  55 }
  56
  57 void bed_index(void *_h)
  58 {
  59         reghash_t *h = (reghash_t*)_h;
  60         khint_t k;
  61         for (k = 0; k < kh_end(h); ++k) {
  62                 if (kh_exist(h, k)) {
  63                         bed_reglist_t *p = &kh_val(h, k);
  64                         if (p->idx) free(p->idx);
  65                         ks_introsort(uint64_t, p->n, p->a);
  66                         p->idx = bed_index_core(p->n, p->a, &p->m);
  67                 }
  68         }
  69 }
  70
  71 int bed_overlap_core(const bed_reglist_t *p, int beg, int end)
  72 {
  73         int i, min_off;
  74         if (p->n == 0) return 0;
  75         min_off = (beg>>LIDX_SHIFT >= p->n)? p->idx[p->n-1] : p->idx[beg>>LIDX_SHIFT];
  76         if (min_off < 0) { // TODO: this block can be improved, but speed should not matter too much here
  77                 int n = beg>>LIDX_SHIFT;
  78                 if (n > p->n) n = p->n;
  79                 for (i = n - 1; i >= 0; --i)
  80                         if (p->idx[i] >= 0) break;
  81                 min_off = i >= 0? p->idx[i] : 0;
  82         }
  83         for (i = min_off; i < p->n; ++i) {
  84                 if ((int)(p->a[i]>>32) >= end) break; // out of range; no need to proceed
  85                 if ((int32_t)p->a[i] > beg && (int32_t)(p->a[i]>>32) < end)
  86                         return 1; // find the overlap; return
  87         }
  88         return 0;
  89 }
  90
  91 int bed_overlap(const void *_h, const char *chr, int beg, int end)
  92 {
  93         const reghash_t *h = (const reghash_t*)_h;
  94         khint_t k;
  95         if (!h) return 0;
  96         k = kh_get(reg, h, chr);
  97         if (k == kh_end(h)) return 0;
  98         return bed_overlap_core(&kh_val(h, k), beg, end);
  99 }
 100
 101 void *bed_read(const char *fn)
 102 {
 103         reghash_t *h = kh_init(reg);
 104         gzFile fp;
 105         kstream_t *ks;
 106         int dret;
 107         kstring_t *str;
 108         // read the list
 109         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
 110         if (fp == 0) return 0;
 111         str = calloc(1, sizeof(kstring_t));
 112         ks = ks_init(fp);
 113         while (ks_getuntil(ks, 0, str, &dret) >= 0) { // read the chr name
 114                 int beg = -1, end = -1;
 115                 bed_reglist_t *p;
 116                 khint_t k = kh_get(reg, h, str->s);
 117                 if (k == kh_end(h)) { // absent from the hash table
 118                         int ret;
 119                         char *s = strdup(str->s);
 120                         k = kh_put(reg, h, s, &ret);
 121                         memset(&kh_val(h, k), 0, sizeof(bed_reglist_t));
 122                 }
 123                 p = &kh_val(h, k);
 124                 if (dret != '\n') { // if the lines has other characters
 125                         if (ks_getuntil(ks, 0, str, &dret) > 0 && isdigit(str->s[0])) {
 126                                 beg = atoi(str->s); // begin
 127                                 if (dret != '\n') {
 128                                         if (ks_getuntil(ks, 0, str, &dret) > 0 && isdigit(str->s[0])) {
 129                                                 end = atoi(str->s); // end
 130                                                 if (end < beg) end = -1;
 131                                         }
 132                                 }
 133                         }
 134                 }
 135                 if (dret != '\n') while ((dret = ks_getc(ks)) > 0 && dret != '\n'); // skip the rest of the line
 136                 if (end < 0 && beg > 0) end = beg, beg = beg - 1; // if there is only one column
 137                 if (beg >= 0 && end > beg) {
 138                         if (p->n == p->m) {
 139                                 p->m = p->m? p->m<<1 : 4;
 140                                 p->a = realloc(p->a, p->m * 8);
 141                         }
 142                         p->a[p->n++] = (uint64_t)beg<<32 | end;
 143                 }
 144         }
 145         ks_destroy(ks);
 146         gzclose(fp);
 147         free(str->s); free(str);
 148         bed_index(h);
 149         return h;
 150 }
 151
 152 void bed_destroy(void *_h)
 153 {
 154         reghash_t *h = (reghash_t*)_h;
 155         khint_t k;
 156         for (k = 0; k < kh_end(h); ++k) {
 157                 if (kh_exist(h, k)) {
 158                         free(kh_val(h, k).a);
 159                         free(kh_val(h, k).idx);
 160                         free((char*)kh_key(h, k));
 161                 }
 162         }
 163         kh_destroy(reg, h);
 164 }