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_MAX_EM_ITER 16
  12 #define MC_EM_EPS 1e-4
  13 #define MC_DEF_INDEL 0.15
  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, n1, is_indel;
  36         double *q2p, *pdg; // pdg -> P(D|g)
  37         double *phi, *phi_indel;
  38         double *z, *zswap; // aux for afs
  39         double *z1, *z2, *phi1, *phi2; // only calculated when n1 is set
  40         double t, t1, t2;
  41         double *afs, *afs1; // afs: accumulative AFS; afs1: site posterior distribution
  42         const uint8_t *PL; // point to PL
  43         int PL_len;
  44 };
  45
  46 void bcf_p1_indel_prior(bcf_p1aux_t *ma, double x)
  47 {
  48         int i;
  49         for (i = 0; i < ma->M; ++i)
  50                 ma->phi_indel[i] = ma->phi[i] * x;
  51         ma->phi_indel[ma->M] = 1. - ma->phi[ma->M] * x;
  52 }
  53
  54 static void init_prior(int type, double theta, int M, double *phi)
  55 {
  56         int i;
  57         if (type == MC_PTYPE_COND2) {
  58                 for (i = 0; i <= M; ++i)
  59                         phi[i] = 2. * (i + 1) / (M + 1) / (M + 2);
  60         } else if (type == MC_PTYPE_FLAT) {
  61                 for (i = 0; i <= M; ++i)
  62                         phi[i] = 1. / (M + 1);
  63         } else {
  64                 double sum;
  65                 for (i = 0, sum = 0.; i < M; ++i)
  66                         sum += (phi[i] = theta / (M - i));
  67                 phi[M] = 1. - sum;
  68         }
  69 }
  70
  71 void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
  72 {
  73         init_prior(type, theta, ma->M, ma->phi);
  74         bcf_p1_indel_prior(ma, MC_DEF_INDEL);
  75 }
  76
  77 void bcf_p1_init_subprior(bcf_p1aux_t *ma, int type, double theta)
  78 {
  79         if (ma->n1 <= 0 || ma->n1 >= ma->M) return;
  80         init_prior(type, theta, 2*ma->n1, ma->phi1);
  81         init_prior(type, theta, 2*(ma->n - ma->n1), ma->phi2);
  82 }
  83
  84 int bcf_p1_read_prior(bcf_p1aux_t *ma, const char *fn)
  85 {
  86         gzFile fp;
  87         kstring_t s;
  88         kstream_t *ks;
  89         long double sum;
  90         int dret, k;
  91         memset(&s, 0, sizeof(kstring_t));
  92         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
  93         ks = ks_init(fp);
  94         memset(ma->phi, 0, sizeof(double) * (ma->M + 1));
  95         while (ks_getuntil(ks, '\n', &s, &dret) >= 0) {
  96                 if (strstr(s.s, "[afs] ") == s.s) {
  97                         char *p = s.s + 6;
  98                         for (k = 0; k <= ma->M; ++k) {
  99                                 int x;
 100                                 double y;
 101                                 x = strtol(p, &p, 10);
 102                                 if (x != k && (errno == EINVAL || errno == ERANGE)) return -1;
 103                                 ++p;
 104                                 y = strtod(p, &p);
 105                                 if (y == 0. && (errno == EINVAL || errno == ERANGE)) return -1;
 106                                 ma->phi[ma->M - k] += y;
 107                         }
 108                 }
 109         }
 110         ks_destroy(ks);
 111         gzclose(fp);
 112         free(s.s);
 113         for (sum = 0., k = 0; k <= ma->M; ++k) sum += ma->phi[k];
 114         fprintf(stderr, "[prior]");
 115         for (k = 0; k <= ma->M; ++k) ma->phi[k] /= sum;
 116         for (k = 0; k <= ma->M; ++k) fprintf(stderr, " %d:%.3lg", k, ma->phi[ma->M - k]);
 117         fputc('\n', stderr);
 118         for (sum = 0., k = 1; k < ma->M; ++k) sum += ma->phi[ma->M - k] * (2.* k * (ma->M - k) / ma->M / (ma->M - 1));
 119         fprintf(stderr, "[%s] heterozygosity=%lf, ", __func__, (double)sum);
 120         for (sum = 0., k = 1; k <= ma->M; ++k) sum += k * ma->phi[ma->M - k] / ma->M;
 121         fprintf(stderr, "theta=%lf\n", (double)sum);
 122         bcf_p1_indel_prior(ma, MC_DEF_INDEL);
 123         return 0;
 124 }
 125
 126 bcf_p1aux_t *bcf_p1_init(int n)
 127 {
 128         bcf_p1aux_t *ma;
 129         int i;
 130         ma = calloc(1, sizeof(bcf_p1aux_t));
 131         ma->n1 = -1;
 132         ma->n = n; ma->M = 2 * n;
 133         ma->q2p = calloc(256, sizeof(double));
 134         ma->pdg = calloc(3 * ma->n, sizeof(double));
 135         ma->phi = calloc(ma->M + 1, sizeof(double));
 136         ma->phi_indel = calloc(ma->M + 1, sizeof(double));
 137         ma->phi1 = calloc(ma->M + 1, sizeof(double));
 138         ma->phi2 = calloc(ma->M + 1, sizeof(double));
 139         ma->z = calloc(2 * ma->n + 1, sizeof(double));
 140         ma->zswap = calloc(2 * ma->n + 1, sizeof(double));
 141         ma->z1 = calloc(ma->M + 1, sizeof(double)); // actually we do not need this large
 142         ma->z2 = calloc(ma->M + 1, sizeof(double));
 143         ma->afs = calloc(2 * ma->n + 1, sizeof(double));
 144         ma->afs1 = calloc(2 * ma->n + 1, sizeof(double));
 145         for (i = 0; i < 256; ++i)
 146                 ma->q2p[i] = pow(10., -i / 10.);
 147         bcf_p1_init_prior(ma, MC_PTYPE_FULL, 1e-3); // the simplest prior
 148         return ma;
 149 }
 150
 151 int bcf_p1_set_n1(bcf_p1aux_t *b, int n1)
 152 {
 153         if (n1 == 0 || n1 >= b->n) return -1;
 154         b->n1 = n1;
 155         return 0;
 156 }
 157
 158 void bcf_p1_destroy(bcf_p1aux_t *ma)
 159 {
 160         if (ma) {
 161                 free(ma->q2p); free(ma->pdg);
 162                 free(ma->phi); free(ma->phi_indel); free(ma->phi1); free(ma->phi2);
 163                 free(ma->z); free(ma->zswap); free(ma->z1); free(ma->z2);
 164                 free(ma->afs); free(ma->afs1);
 165                 free(ma);
 166         }
 167 }
 168
 169 static int cal_pdg(const bcf1_t *b, bcf_p1aux_t *ma)
 170 {
 171         int i, j, k;
 172         long *p, tmp;
 173         p = alloca(b->n_alleles * sizeof(long));
 174         memset(p, 0, sizeof(long) * b->n_alleles);
 175         for (j = 0; j < ma->n; ++j) {
 176                 const uint8_t *pi = ma->PL + j * ma->PL_len;
 177                 double *pdg = ma->pdg + j * 3;
 178                 pdg[0] = ma->q2p[pi[b->n_alleles]]; pdg[1] = ma->q2p[pi[1]]; pdg[2] = ma->q2p[pi[0]];
 179                 for (i = k = 0; i < b->n_alleles; ++i) {
 180                         p[i] += (int)pi[k];
 181                         k += b->n_alleles - i;
 182                 }
 183         }
 184         for (i = 0; i < b->n_alleles; ++i) p[i] = p[i]<<4 | i;
 185         for (i = 1; i < b->n_alleles; ++i) // insertion sort
 186                 for (j = i; j > 0 && p[j] < p[j-1]; --j)
 187                         tmp = p[j], p[j] = p[j-1], p[j-1] = tmp;
 188         for (i = b->n_alleles - 1; i >= 0; --i)
 189                 if ((p[i]&0xf) == 0) break;
 190         return i;
 191 }
 192 // f0 is the reference allele frequency
 193 static double mc_freq_iter(double f0, const bcf_p1aux_t *ma)
 194 {
 195         double f, f3[3];
 196         int i;
 197         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 198         for (i = 0, f = 0.; i < ma->n; ++i) {
 199                 double *pdg;
 200                 pdg = ma->pdg + i * 3;
 201                 f += (pdg[1] * f3[1] + 2. * pdg[2] * f3[2])
 202                         / (pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2]);
 203         }
 204         f /= ma->n * 2.;
 205         return f;
 206 }
 207
 208 int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
 209 {
 210         double sum, g[3];
 211         double max, f3[3], *pdg = ma->pdg + k * 3;
 212         int q, i, max_i;
 213         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 214         for (i = 0, sum = 0.; i < 3; ++i)
 215                 sum += (g[i] = pdg[i] * f3[i]);
 216         for (i = 0, max = -1., max_i = 0; i < 3; ++i) {
 217                 g[i] /= sum;
 218                 if (g[i] > max) max = g[i], max_i = i;
 219         }
 220         max = 1. - max;
 221         if (max < 1e-308) max = 1e-308;
 222         q = (int)(-4.343 * log(max) + .499);
 223         if (q > 99) q = 99;
 224         return q<<2|max_i;
 225 }
 226
 227 #define TINY 1e-20
 228
 229 static void mc_cal_y_core(bcf_p1aux_t *ma, int beg)
 230 {
 231         double *z[2], *tmp, *pdg;
 232         int _j, last_min, last_max;
 233         z[0] = ma->z;
 234         z[1] = ma->zswap;
 235         pdg = ma->pdg;
 236         memset(z[0], 0, sizeof(double) * (ma->M + 1));
 237         memset(z[1], 0, sizeof(double) * (ma->M + 1));
 238         z[0][0] = 1.;
 239         last_min = last_max = 0;
 240         ma->t = 0.;
 241         for (_j = beg; _j < ma->n; ++_j) {
 242                 int k, j = _j - beg, _min = last_min, _max = last_max;
 243                 double p[3], sum;
 244                 pdg = ma->pdg + _j * 3;
 245                 p[0] = pdg[0]; p[1] = 2. * pdg[1]; p[2] = pdg[2];
 246                 for (; _min < _max && z[0][_min] < TINY; ++_min) z[0][_min] = z[1][_min] = 0.;
 247                 for (; _max > _min && z[0][_max] < TINY; --_max) z[0][_max] = z[1][_max] = 0.;
 248                 _max += 2;
 249                 if (_min == 0)
 250                         k = 0, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k];
 251                 if (_min <= 1)
 252                         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];
 253                 for (k = _min < 2? 2 : _min; k <= _max; ++k)
 254                         z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k]
 255                                 + k*(2*j+2-k) * p[1] * z[0][k-1]
 256                                 + k*(k-1)* p[2] * z[0][k-2];
 257                 for (k = _min, sum = 0.; k <= _max; ++k) sum += z[1][k];
 258                 ma->t += log(sum / ((2. * j + 2) * (2. * j + 1)));
 259                 for (k = _min; k <= _max; ++k) z[1][k] /= sum;
 260                 if (_min >= 1) z[1][_min-1] = 0.;
 261                 if (_min >= 2) z[1][_min-2] = 0.;
 262                 if (j < ma->n - 1) z[1][_max+1] = z[1][_max+2] = 0.;
 263                 if (_j == ma->n1 - 1) { // set pop1
 264                         ma->t1 = ma->t;
 265                         memcpy(ma->z1, z[1], sizeof(double) * (ma->n1 * 2 + 1));
 266                 }
 267                 tmp = z[0]; z[0] = z[1]; z[1] = tmp;
 268                 last_min = _min; last_max = _max;
 269         }
 270         if (z[0] != ma->z) memcpy(ma->z, z[0], sizeof(double) * (ma->M + 1));
 271 }
 272
 273 static void mc_cal_y(bcf_p1aux_t *ma)
 274 {
 275         if (ma->n1 > 0 && ma->n1 < ma->n) {
 276                 int k;
 277                 long double x;
 278                 memset(ma->z1, 0, sizeof(double) * (2 * ma->n1 + 1));
 279                 memset(ma->z2, 0, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 280                 ma->t1 = ma->t2 = 0.;
 281                 mc_cal_y_core(ma, ma->n1);
 282                 ma->t2 = ma->t;
 283                 memcpy(ma->z2, ma->z, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 284                 mc_cal_y_core(ma, 0);
 285                 // rescale z
 286                 x = expl(ma->t - (ma->t1 + ma->t2));
 287                 for (k = 0; k <= ma->M; ++k) ma->z[k] *= x;
 288         } else mc_cal_y_core(ma, 0);
 289 }
 290
 291 static void contrast(bcf_p1aux_t *ma, double pc[4]) // mc_cal_y() must be called before hand
 292 {
 293         int k, n1 = ma->n1, n2 = ma->n - ma->n1;
 294         long double sum1, sum2;
 295         pc[0] = pc[1] = pc[2] = pc[3] = -1.;
 296         if (n1 <= 0 || n2 <= 0) return;
 297         for (k = 0, sum1 = 0.; k <= 2*n1; ++k) sum1 += ma->phi1[k] * ma->z1[k];
 298         for (k = 0, sum2 = 0.; k <= 2*n2; ++k) sum2 += ma->phi2[k] * ma->z2[k];
 299         pc[2] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1;
 300         pc[3] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2;
 301         for (k = 2; k < 4; ++k) {
 302                 pc[k] = pc[k] > .5? -(-4.343 * log(1. - pc[k] + TINY) + .499) : -4.343 * log(pc[k] + TINY) + .499;
 303                 pc[k] = (int)pc[k];
 304                 if (pc[k] > 99) pc[k] = 99;
 305                 if (pc[k] < -99) pc[k] = -99;
 306         }
 307         pc[0] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2 * (1. - ma->phi1[2*n1] * ma->z1[2*n1] / sum1);
 308         pc[1] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1 * (1. - ma->phi2[2*n2] * ma->z2[2*n2] / sum2);
 309         pc[0] = pc[0] == 1.? 99 : (int)(-4.343 * log(1. - pc[0]) + .499);
 310         pc[1] = pc[1] == 1.? 99 : (int)(-4.343 * log(1. - pc[1]) + .499);
 311 }
 312
 313 static double mc_cal_afs(bcf_p1aux_t *ma)
 314 {
 315         int k;
 316         long double sum = 0.;
 317         double *phi = ma->is_indel? ma->phi_indel : ma->phi;
 318         memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
 319         mc_cal_y(ma);
 320         for (k = 0, sum = 0.; k <= ma->M; ++k)
 321                 sum += (long double)phi[k] * ma->z[k];
 322         for (k = 0; k <= ma->M; ++k) {
 323                 ma->afs1[k] = phi[k] * ma->z[k] / sum;
 324                 if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
 325         }
 326         for (k = 0, sum = 0.; k <= ma->M; ++k) {
 327                 ma->afs[k] += ma->afs1[k];
 328                 sum += k * ma->afs1[k];
 329         }
 330         return sum / ma->M;
 331 }
 332
 333 long double bcf_p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
 334 {
 335         long double pd = 0., g2[3];
 336         int i, k;
 337         memset(g2, 0, sizeof(long double) * 3);
 338         for (k = 0; k < p1a->M; ++k) {
 339                 double f = (double)k / p1a->M, f3[3], g1[3];
 340                 long double z = 1.;
 341                 g1[0] = g1[1] = g1[2] = 0.;
 342                 f3[0] = (1. - f) * (1. - f); f3[1] = 2. * f * (1. - f); f3[2] = f * f;
 343                 for (i = 0; i < p1a->n; ++i) {
 344                         double *pdg = p1a->pdg + i * 3;
 345                         double x = pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2];
 346                         z *= x;
 347                         g1[0] += pdg[0] * f3[0] / x;
 348                         g1[1] += pdg[1] * f3[1] / x;
 349                         g1[2] += pdg[2] * f3[2] / x;
 350                 }
 351                 pd += p1a->phi[k] * z;
 352                 for (i = 0; i < 3; ++i)
 353                         g2[i] += p1a->phi[k] * z * g1[i];
 354         }
 355         for (i = 0; i < 3; ++i) g[i] = g2[i] / pd;
 356         return pd;
 357 }
 358
 359 int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 360 {
 361         int i, k;
 362         long double sum = 0.;
 363         ma->is_indel = bcf_is_indel(b);
 364         // set PL and PL_len
 365         for (i = 0; i < b->n_gi; ++i) {
 366                 if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
 367                         ma->PL = (uint8_t*)b->gi[i].data;
 368                         ma->PL_len = b->gi[i].len;
 369                         break;
 370                 }
 371         }
 372         if (b->n_alleles < 2) return -1; // FIXME: find a better solution
 373         //
 374         rst->rank0 = cal_pdg(b, ma);
 375         rst->f_exp = mc_cal_afs(ma);
 376         rst->p_ref = ma->afs1[ma->M];
 377         // calculate f_flat and f_em
 378         for (k = 0, sum = 0.; k <= ma->M; ++k)
 379                 sum += (long double)ma->z[k];
 380         rst->f_flat = 0.;
 381         for (k = 0; k <= ma->M; ++k) {
 382                 double p = ma->z[k] / sum;
 383                 rst->f_flat += k * p;
 384         }
 385         rst->f_flat /= ma->M;
 386         { // calculate f_em
 387                 double flast = rst->f_flat;
 388                 for (i = 0; i < MC_MAX_EM_ITER; ++i) {
 389                         rst->f_em = mc_freq_iter(flast, ma);
 390                         if (fabs(rst->f_em - flast) < MC_EM_EPS) break;
 391                         flast = rst->f_em;
 392                 }
 393         }
 394         { // estimate equal-tail credible interval (95% level)
 395                 int l, h;
 396                 double p;
 397                 for (i = 0, p = 0.; i < ma->M; ++i)
 398                         if (p + ma->afs1[i] > 0.025) break;
 399                         else p += ma->afs1[i];
 400                 l = i;
 401                 for (i = ma->M-1, p = 0.; i >= 0; --i)
 402                         if (p + ma->afs1[i] > 0.025) break;
 403                         else p += ma->afs1[i];
 404                 h = i;
 405                 rst->cil = (double)(ma->M - h) / ma->M; rst->cih = (double)(ma->M - l) / ma->M;
 406         }
 407         rst->g[0] = rst->g[1] = rst->g[2] = -1.;
 408         contrast(ma, rst->pc);
 409         return 0;
 410 }
 411
 412 void bcf_p1_dump_afs(bcf_p1aux_t *ma)
 413 {
 414         int k;
 415         fprintf(stderr, "[afs]");
 416         for (k = 0; k <= ma->M; ++k)
 417                 fprintf(stderr, " %d:%.3lf", k, ma->afs[ma->M - k]);
 418         fprintf(stderr, "\n");
 419         memset(ma->afs, 0, sizeof(double) * (ma->M + 1));
 420 }