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;
 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[2]]; pdg[1] = ma->q2p[pi[1]]; pdg[2] = ma->q2p[pi[0]];
 179                 for (i = 0; i < b->n_alleles; ++i)
 180                         p[i] += (int)pi[(i+1)*(i+2)/2-1];
 181         }
 182         for (i = 0; i < b->n_alleles; ++i) p[i] = p[i]<<4 | i;
 183         for (i = 1; i < b->n_alleles; ++i) // insertion sort
 184                 for (j = i; j > 0 && p[j] < p[j-1]; --j)
 185                         tmp = p[j], p[j] = p[j-1], p[j-1] = tmp;
 186         for (i = b->n_alleles - 1; i >= 0; --i)
 187                 if ((p[i]&0xf) == 0) break;
 188         return i;
 189 }
 190 // f0 is the reference allele frequency
 191 static double mc_freq_iter(double f0, const bcf_p1aux_t *ma)
 192 {
 193         double f, f3[3];
 194         int i;
 195         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 196         for (i = 0, f = 0.; i < ma->n; ++i) {
 197                 double *pdg;
 198                 pdg = ma->pdg + i * 3;
 199                 f += (pdg[1] * f3[1] + 2. * pdg[2] * f3[2])
 200                         / (pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2]);
 201         }
 202         f /= ma->n * 2.;
 203         return f;
 204 }
 205
 206 int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
 207 {
 208         double sum, g[3];
 209         double max, f3[3], *pdg = ma->pdg + k * 3;
 210         int q, i, max_i;
 211         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 212         for (i = 0, sum = 0.; i < 3; ++i)
 213                 sum += (g[i] = pdg[i] * f3[i]);
 214         for (i = 0, max = -1., max_i = 0; i < 3; ++i) {
 215                 g[i] /= sum;
 216                 if (g[i] > max) max = g[i], max_i = i;
 217         }
 218         max = 1. - max;
 219         if (max < 1e-308) max = 1e-308;
 220         q = (int)(-4.343 * log(max) + .499);
 221         if (q > 99) q = 99;
 222         return q<<2|max_i;
 223 }
 224
 225 #define TINY 1e-20
 226
 227 static void mc_cal_y_core(bcf_p1aux_t *ma, int beg)
 228 {
 229         double *z[2], *tmp, *pdg;
 230         int _j, last_min, last_max;
 231         z[0] = ma->z;
 232         z[1] = ma->zswap;
 233         pdg = ma->pdg;
 234         memset(z[0], 0, sizeof(double) * (ma->M + 1));
 235         memset(z[1], 0, sizeof(double) * (ma->M + 1));
 236         z[0][0] = 1.;
 237         last_min = last_max = 0;
 238         ma->t = 0.;
 239         for (_j = beg; _j < ma->n; ++_j) {
 240                 int k, j = _j - beg, _min = last_min, _max = last_max;
 241                 double p[3], sum;
 242                 pdg = ma->pdg + _j * 3;
 243                 p[0] = pdg[0]; p[1] = 2. * pdg[1]; p[2] = pdg[2];
 244                 for (; _min < _max && z[0][_min] < TINY; ++_min) z[0][_min] = z[1][_min] = 0.;
 245                 for (; _max > _min && z[0][_max] < TINY; --_max) z[0][_max] = z[1][_max] = 0.;
 246                 _max += 2;
 247                 if (_min == 0)
 248                         k = 0, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k];
 249                 if (_min <= 1)
 250                         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];
 251                 for (k = _min < 2? 2 : _min; k <= _max; ++k)
 252                         z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k]
 253                                 + k*(2*j+2-k) * p[1] * z[0][k-1]
 254                                 + k*(k-1)* p[2] * z[0][k-2];
 255                 for (k = _min, sum = 0.; k <= _max; ++k) sum += z[1][k];
 256                 ma->t += log(sum / ((2. * j + 2) * (2. * j + 1)));
 257                 for (k = _min; k <= _max; ++k) z[1][k] /= sum;
 258                 if (_min >= 1) z[1][_min-1] = 0.;
 259                 if (_min >= 2) z[1][_min-2] = 0.;
 260                 if (j < ma->n - 1) z[1][_max+1] = z[1][_max+2] = 0.;
 261                 if (_j == ma->n1 - 1) { // set pop1
 262                         ma->t1 = ma->t;
 263                         memcpy(ma->z1, z[1], sizeof(double) * (ma->n1 * 2 + 1));
 264                 }
 265                 tmp = z[0]; z[0] = z[1]; z[1] = tmp;
 266                 last_min = _min; last_max = _max;
 267         }
 268         if (z[0] != ma->z) memcpy(ma->z, z[0], sizeof(double) * (ma->M + 1));
 269 }
 270
 271 static void mc_cal_y(bcf_p1aux_t *ma)
 272 {
 273         if (ma->n1 > 0 && ma->n1 < ma->n) {
 274                 int k;
 275                 long double x;
 276                 memset(ma->z1, 0, sizeof(double) * (2 * ma->n1 + 1));
 277                 memset(ma->z2, 0, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 278                 ma->t1 = ma->t2 = 0.;
 279                 mc_cal_y_core(ma, ma->n1);
 280                 ma->t2 = ma->t;
 281                 memcpy(ma->z2, ma->z, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 282                 mc_cal_y_core(ma, 0);
 283                 // rescale z
 284                 x = expl(ma->t - (ma->t1 + ma->t2));
 285                 for (k = 0; k <= ma->M; ++k) ma->z[k] *= x;
 286         } else mc_cal_y_core(ma, 0);
 287 }
 288
 289 static void contrast(bcf_p1aux_t *ma, double pc[4]) // mc_cal_y() must be called before hand
 290 {
 291         int k, n1 = ma->n1, n2 = ma->n - ma->n1;
 292         long double sum1, sum2;
 293         pc[0] = pc[1] = pc[2] = pc[3] = -1.;
 294         if (n1 <= 0 || n2 <= 0) return;
 295         for (k = 0, sum1 = 0.; k <= 2*n1; ++k) sum1 += ma->phi1[k] * ma->z1[k];
 296         for (k = 0, sum2 = 0.; k <= 2*n2; ++k) sum2 += ma->phi2[k] * ma->z2[k];
 297         pc[2] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1;
 298         pc[3] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2;
 299         for (k = 2; k < 4; ++k) {
 300                 pc[k] = pc[k] > .5? -(-4.343 * log(1. - pc[k] + TINY) + .499) : -4.343 * log(pc[k] + TINY) + .499;
 301                 pc[k] = (int)pc[k];
 302                 if (pc[k] > 99) pc[k] = 99;
 303                 if (pc[k] < -99) pc[k] = -99;
 304         }
 305         pc[0] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2 * (1. - ma->phi1[2*n1] * ma->z1[2*n1] / sum1);
 306         pc[1] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1 * (1. - ma->phi2[2*n2] * ma->z2[2*n2] / sum2);
 307         pc[0] = pc[0] == 1.? 99 : (int)(-4.343 * log(1. - pc[0]) + .499);
 308         pc[1] = pc[1] == 1.? 99 : (int)(-4.343 * log(1. - pc[1]) + .499);
 309 }
 310
 311 static double mc_cal_afs(bcf_p1aux_t *ma, double *p_ref_folded, double *p_var_folded)
 312 {
 313         int k;
 314         long double sum = 0., sum2;
 315         double *phi = ma->is_indel? ma->phi_indel : ma->phi;
 316         memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
 317         mc_cal_y(ma);
 318         // compute AFS
 319         for (k = 0, sum = 0.; k <= ma->M; ++k)
 320                 sum += (long double)phi[k] * ma->z[k];
 321         for (k = 0; k <= ma->M; ++k) {
 322                 ma->afs1[k] = phi[k] * ma->z[k] / sum;
 323                 if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
 324         }
 325         // compute folded variant probability
 326         for (k = 0, sum = 0.; k <= ma->M; ++k)
 327                 sum += (long double)(phi[k] + phi[ma->M - k]) / 2. * ma->z[k];
 328         for (k = 1, sum2 = 0.; k < ma->M; ++k)
 329                 sum2 += (long double)(phi[k] + phi[ma->M - k]) / 2. * ma->z[k];
 330         *p_var_folded = sum2 / sum;
 331         *p_ref_folded = (phi[k] + phi[ma->M - k]) / 2. * (ma->z[ma->M] + ma->z[0]) / sum;
 332         // the expected frequency
 333         for (k = 0, sum = 0.; k <= ma->M; ++k) {
 334                 ma->afs[k] += ma->afs1[k];
 335                 sum += k * ma->afs1[k];
 336         }
 337         return sum / ma->M;
 338 }
 339
 340 long double bcf_p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
 341 {
 342         long double pd = 0., g2[3];
 343         int i, k;
 344         memset(g2, 0, sizeof(long double) * 3);
 345         for (k = 0; k < p1a->M; ++k) {
 346                 double f = (double)k / p1a->M, f3[3], g1[3];
 347                 long double z = 1.;
 348                 g1[0] = g1[1] = g1[2] = 0.;
 349                 f3[0] = (1. - f) * (1. - f); f3[1] = 2. * f * (1. - f); f3[2] = f * f;
 350                 for (i = 0; i < p1a->n; ++i) {
 351                         double *pdg = p1a->pdg + i * 3;
 352                         double x = pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2];
 353                         z *= x;
 354                         g1[0] += pdg[0] * f3[0] / x;
 355                         g1[1] += pdg[1] * f3[1] / x;
 356                         g1[2] += pdg[2] * f3[2] / x;
 357                 }
 358                 pd += p1a->phi[k] * z;
 359                 for (i = 0; i < 3; ++i)
 360                         g2[i] += p1a->phi[k] * z * g1[i];
 361         }
 362         for (i = 0; i < 3; ++i) g[i] = g2[i] / pd;
 363         return pd;
 364 }
 365
 366 int bcf_p1_cal(const bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 367 {
 368         int i, k;
 369         long double sum = 0.;
 370         ma->is_indel = bcf_is_indel(b);
 371         // set PL and PL_len
 372         for (i = 0; i < b->n_gi; ++i) {
 373                 if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
 374                         ma->PL = (uint8_t*)b->gi[i].data;
 375                         ma->PL_len = b->gi[i].len;
 376                         break;
 377                 }
 378         }
 379         if (b->n_alleles < 2) return -1; // FIXME: find a better solution
 380         //
 381         rst->rank0 = cal_pdg(b, ma);
 382         rst->f_exp = mc_cal_afs(ma, &rst->p_ref_folded, &rst->p_var_folded);
 383         rst->p_ref = ma->afs1[ma->M];
 384         for (k = 0, sum = 0.; k < ma->M; ++k)
 385                 sum += ma->afs1[k];
 386         rst->p_var = (double)sum;
 387         // calculate f_flat and f_em
 388         for (k = 0, sum = 0.; k <= ma->M; ++k)
 389                 sum += (long double)ma->z[k];
 390         rst->f_flat = 0.;
 391         for (k = 0; k <= ma->M; ++k) {
 392                 double p = ma->z[k] / sum;
 393                 rst->f_flat += k * p;
 394         }
 395         rst->f_flat /= ma->M;
 396         { // calculate f_em
 397                 double flast = rst->f_flat;
 398                 for (i = 0; i < MC_MAX_EM_ITER; ++i) {
 399                         rst->f_em = mc_freq_iter(flast, ma);
 400                         if (fabs(rst->f_em - flast) < MC_EM_EPS) break;
 401                         flast = rst->f_em;
 402                 }
 403         }
 404         { // estimate equal-tail credible interval (95% level)
 405                 int l, h;
 406                 double p;
 407                 for (i = 0, p = 0.; i < ma->M; ++i)
 408                         if (p + ma->afs1[i] > 0.025) break;
 409                         else p += ma->afs1[i];
 410                 l = i;
 411                 for (i = ma->M-1, p = 0.; i >= 0; --i)
 412                         if (p + ma->afs1[i] > 0.025) break;
 413                         else p += ma->afs1[i];
 414                 h = i;
 415                 rst->cil = (double)(ma->M - h) / ma->M; rst->cih = (double)(ma->M - l) / ma->M;
 416         }
 417         rst->g[0] = rst->g[1] = rst->g[2] = -1.;
 418         contrast(ma, rst->pc);
 419         return 0;
 420 }
 421
 422 void bcf_p1_dump_afs(bcf_p1aux_t *ma)
 423 {
 424         int k;
 425         fprintf(stderr, "[afs]");
 426         for (k = 0; k <= ma->M; ++k)
 427                 fprintf(stderr, " %d:%.3lf", k, ma->afs[ma->M - k]);
 428         fprintf(stderr, "\n");
 429         memset(ma->afs, 0, sizeof(double) * (ma->M + 1));
 430 }