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