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, is_folded;
  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 static void fold_array(int M, double *x)
  47 {
  48         int k;
  49         for (k = 0; k < M/2; ++k)
  50                 x[k] = x[M-k] = (x[k] + x[M-k]) / 2.;
  51 }
  52
  53 void bcf_p1_indel_prior(bcf_p1aux_t *ma, double x)
  54 {
  55         int i;
  56         for (i = 0; i < ma->M; ++i)
  57                 ma->phi_indel[i] = ma->phi[i] * x;
  58         ma->phi_indel[ma->M] = 1. - ma->phi[ma->M] * x;
  59 }
  60
  61 static void init_prior(int type, double theta, int M, double *phi)
  62 {
  63         int i;
  64         if (type == MC_PTYPE_COND2) {
  65                 for (i = 0; i <= M; ++i)
  66                         phi[i] = 2. * (i + 1) / (M + 1) / (M + 2);
  67         } else if (type == MC_PTYPE_FLAT) {
  68                 for (i = 0; i <= M; ++i)
  69                         phi[i] = 1. / (M + 1);
  70         } else {
  71                 double sum;
  72                 for (i = 0, sum = 0.; i < M; ++i)
  73                         sum += (phi[i] = theta / (M - i));
  74                 phi[M] = 1. - sum;
  75         }
  76 }
  77
  78 void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
  79 {
  80         init_prior(type, theta, ma->M, ma->phi);
  81         bcf_p1_indel_prior(ma, MC_DEF_INDEL);
  82 }
  83
  84 void bcf_p1_init_subprior(bcf_p1aux_t *ma, int type, double theta)
  85 {
  86         if (ma->n1 <= 0 || ma->n1 >= ma->M) return;
  87         init_prior(type, theta, 2*ma->n1, ma->phi1);
  88         init_prior(type, theta, 2*(ma->n - ma->n1), ma->phi2);
  89 }
  90
  91 int bcf_p1_read_prior(bcf_p1aux_t *ma, const char *fn)
  92 {
  93         gzFile fp;
  94         kstring_t s;
  95         kstream_t *ks;
  96         long double sum;
  97         int dret, k;
  98         memset(&s, 0, sizeof(kstring_t));
  99         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
 100         ks = ks_init(fp);
 101         memset(ma->phi, 0, sizeof(double) * (ma->M + 1));
 102         while (ks_getuntil(ks, '\n', &s, &dret) >= 0) {
 103                 if (strstr(s.s, "[afs] ") == s.s) {
 104                         char *p = s.s + 6;
 105                         for (k = 0; k <= ma->M; ++k) {
 106                                 int x;
 107                                 double y;
 108                                 x = strtol(p, &p, 10);
 109                                 if (x != k && (errno == EINVAL || errno == ERANGE)) return -1;
 110                                 ++p;
 111                                 y = strtod(p, &p);
 112                                 if (y == 0. && (errno == EINVAL || errno == ERANGE)) return -1;
 113                                 ma->phi[ma->M - k] += y;
 114                         }
 115                 }
 116         }
 117         ks_destroy(ks);
 118         gzclose(fp);
 119         free(s.s);
 120         for (sum = 0., k = 0; k <= ma->M; ++k) sum += ma->phi[k];
 121         fprintf(stderr, "[prior]");
 122         for (k = 0; k <= ma->M; ++k) ma->phi[k] /= sum;
 123         for (k = 0; k <= ma->M; ++k) fprintf(stderr, " %d:%.3lg", k, ma->phi[ma->M - k]);
 124         fputc('\n', stderr);
 125         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));
 126         fprintf(stderr, "[%s] heterozygosity=%lf, ", __func__, (double)sum);
 127         for (sum = 0., k = 1; k <= ma->M; ++k) sum += k * ma->phi[ma->M - k] / ma->M;
 128         fprintf(stderr, "theta=%lf\n", (double)sum);
 129         bcf_p1_indel_prior(ma, MC_DEF_INDEL);
 130         return 0;
 131 }
 132
 133 bcf_p1aux_t *bcf_p1_init(int n)
 134 {
 135         bcf_p1aux_t *ma;
 136         int i;
 137         ma = calloc(1, sizeof(bcf_p1aux_t));
 138         ma->n1 = -1;
 139         ma->n = n; ma->M = 2 * n;
 140         ma->q2p = calloc(256, sizeof(double));
 141         ma->pdg = calloc(3 * ma->n, sizeof(double));
 142         ma->phi = calloc(ma->M + 1, sizeof(double));
 143         ma->phi_indel = calloc(ma->M + 1, sizeof(double));
 144         ma->phi1 = calloc(ma->M + 1, sizeof(double));
 145         ma->phi2 = calloc(ma->M + 1, sizeof(double));
 146         ma->z = calloc(2 * ma->n + 1, sizeof(double));
 147         ma->zswap = calloc(2 * ma->n + 1, sizeof(double));
 148         ma->z1 = calloc(ma->M + 1, sizeof(double)); // actually we do not need this large
 149         ma->z2 = calloc(ma->M + 1, sizeof(double));
 150         ma->afs = calloc(2 * ma->n + 1, sizeof(double));
 151         ma->afs1 = calloc(2 * ma->n + 1, sizeof(double));
 152         for (i = 0; i < 256; ++i)
 153                 ma->q2p[i] = pow(10., -i / 10.);
 154         bcf_p1_init_prior(ma, MC_PTYPE_FULL, 1e-3); // the simplest prior
 155         return ma;
 156 }
 157
 158 int bcf_p1_set_n1(bcf_p1aux_t *b, int n1)
 159 {
 160         if (n1 == 0 || n1 >= b->n) return -1;
 161         b->n1 = n1;
 162         return 0;
 163 }
 164
 165 void bcf_p1_set_folded(bcf_p1aux_t *p1a)
 166 {
 167         if (p1a->n1 < 0) {
 168                 p1a->is_folded = 1;
 169                 fold_array(p1a->M, p1a->phi);
 170                 fold_array(p1a->M, p1a->phi_indel);
 171         }
 172 }
 173
 174 void bcf_p1_destroy(bcf_p1aux_t *ma)
 175 {
 176         if (ma) {
 177                 free(ma->q2p); free(ma->pdg);
 178                 free(ma->phi); free(ma->phi_indel); free(ma->phi1); free(ma->phi2);
 179                 free(ma->z); free(ma->zswap); free(ma->z1); free(ma->z2);
 180                 free(ma->afs); free(ma->afs1);
 181                 free(ma);
 182         }
 183 }
 184
 185 static int cal_pdg(const bcf1_t *b, bcf_p1aux_t *ma)
 186 {
 187         int i, j, k;
 188         long *p, tmp;
 189         p = alloca(b->n_alleles * sizeof(long));
 190         memset(p, 0, sizeof(long) * b->n_alleles);
 191         for (j = 0; j < ma->n; ++j) {
 192                 const uint8_t *pi = ma->PL + j * ma->PL_len;
 193                 double *pdg = ma->pdg + j * 3;
 194                 pdg[0] = ma->q2p[pi[b->n_alleles]]; pdg[1] = ma->q2p[pi[1]]; pdg[2] = ma->q2p[pi[0]];
 195                 for (i = k = 0; i < b->n_alleles; ++i) {
 196                         p[i] += (int)pi[k];
 197                         k += b->n_alleles - i;
 198                 }
 199         }
 200         for (i = 0; i < b->n_alleles; ++i) p[i] = p[i]<<4 | i;
 201         for (i = 1; i < b->n_alleles; ++i) // insertion sort
 202                 for (j = i; j > 0 && p[j] < p[j-1]; --j)
 203                         tmp = p[j], p[j] = p[j-1], p[j-1] = tmp;
 204         for (i = b->n_alleles - 1; i >= 0; --i)
 205                 if ((p[i]&0xf) == 0) break;
 206         return i;
 207 }
 208 // f0 is the reference allele frequency
 209 static double mc_freq_iter(double f0, const bcf_p1aux_t *ma)
 210 {
 211         double f, f3[3];
 212         int i;
 213         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 214         for (i = 0, f = 0.; i < ma->n; ++i) {
 215                 double *pdg;
 216                 pdg = ma->pdg + i * 3;
 217                 f += (pdg[1] * f3[1] + 2. * pdg[2] * f3[2])
 218                         / (pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2]);
 219         }
 220         f /= ma->n * 2.;
 221         return f;
 222 }
 223
 224 int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
 225 {
 226         double sum, g[3];
 227         double max, f3[3], *pdg = ma->pdg + k * 3;
 228         int q, i, max_i;
 229         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 230         for (i = 0, sum = 0.; i < 3; ++i)
 231                 sum += (g[i] = pdg[i] * f3[i]);
 232         for (i = 0, max = -1., max_i = 0; i < 3; ++i) {
 233                 g[i] /= sum;
 234                 if (g[i] > max) max = g[i], max_i = i;
 235         }
 236         max = 1. - max;
 237         if (max < 1e-308) max = 1e-308;
 238         q = (int)(-4.343 * log(max) + .499);
 239         if (q > 99) q = 99;
 240         return q<<2|max_i;
 241 }
 242
 243 #define TINY 1e-20
 244
 245 static void mc_cal_y_core(bcf_p1aux_t *ma, int beg)
 246 {
 247         double *z[2], *tmp, *pdg;
 248         int _j, last_min, last_max;
 249         z[0] = ma->z;
 250         z[1] = ma->zswap;
 251         pdg = ma->pdg;
 252         memset(z[0], 0, sizeof(double) * (ma->M + 1));
 253         memset(z[1], 0, sizeof(double) * (ma->M + 1));
 254         z[0][0] = 1.;
 255         last_min = last_max = 0;
 256         ma->t = 0.;
 257         for (_j = beg; _j < ma->n; ++_j) {
 258                 int k, j = _j - beg, _min = last_min, _max = last_max;
 259                 double p[3], sum;
 260                 pdg = ma->pdg + _j * 3;
 261                 p[0] = pdg[0]; p[1] = 2. * pdg[1]; p[2] = pdg[2];
 262                 for (; _min < _max && z[0][_min] < TINY; ++_min) z[0][_min] = z[1][_min] = 0.;
 263                 for (; _max > _min && z[0][_max] < TINY; --_max) z[0][_max] = z[1][_max] = 0.;
 264                 _max += 2;
 265                 if (_min == 0)
 266                         k = 0, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k];
 267                 if (_min <= 1)
 268                         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];
 269                 for (k = _min < 2? 2 : _min; k <= _max; ++k)
 270                         z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k]
 271                                 + k*(2*j+2-k) * p[1] * z[0][k-1]
 272                                 + k*(k-1)* p[2] * z[0][k-2];
 273                 for (k = _min, sum = 0.; k <= _max; ++k) sum += z[1][k];
 274                 ma->t += log(sum / ((2. * j + 2) * (2. * j + 1)));
 275                 for (k = _min; k <= _max; ++k) z[1][k] /= sum;
 276                 if (_min >= 1) z[1][_min-1] = 0.;
 277                 if (_min >= 2) z[1][_min-2] = 0.;
 278                 if (j < ma->n - 1) z[1][_max+1] = z[1][_max+2] = 0.;
 279                 if (_j == ma->n1 - 1) { // set pop1
 280                         ma->t1 = ma->t;
 281                         memcpy(ma->z1, z[1], sizeof(double) * (ma->n1 * 2 + 1));
 282                 }
 283                 tmp = z[0]; z[0] = z[1]; z[1] = tmp;
 284                 last_min = _min; last_max = _max;
 285         }
 286         if (z[0] != ma->z) memcpy(ma->z, z[0], sizeof(double) * (ma->M + 1));
 287 }
 288
 289 static void mc_cal_y(bcf_p1aux_t *ma)
 290 {
 291         if (ma->n1 > 0 && ma->n1 < ma->n) {
 292                 int k;
 293                 long double x;
 294                 memset(ma->z1, 0, sizeof(double) * (2 * ma->n1 + 1));
 295                 memset(ma->z2, 0, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 296                 ma->t1 = ma->t2 = 0.;
 297                 mc_cal_y_core(ma, ma->n1);
 298                 ma->t2 = ma->t;
 299                 memcpy(ma->z2, ma->z, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 300                 mc_cal_y_core(ma, 0);
 301                 // rescale z
 302                 x = expl(ma->t - (ma->t1 + ma->t2));
 303                 for (k = 0; k <= ma->M; ++k) ma->z[k] *= x;
 304         } else mc_cal_y_core(ma, 0);
 305 }
 306
 307 static void contrast(bcf_p1aux_t *ma, double pc[4]) // mc_cal_y() must be called before hand
 308 {
 309         int k, n1 = ma->n1, n2 = ma->n - ma->n1;
 310         long double sum1, sum2;
 311         pc[0] = pc[1] = pc[2] = pc[3] = -1.;
 312         if (n1 <= 0 || n2 <= 0) return;
 313         for (k = 0, sum1 = 0.; k <= 2*n1; ++k) sum1 += ma->phi1[k] * ma->z1[k];
 314         for (k = 0, sum2 = 0.; k <= 2*n2; ++k) sum2 += ma->phi2[k] * ma->z2[k];
 315         pc[2] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1;
 316         pc[3] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2;
 317         for (k = 2; k < 4; ++k) {
 318                 pc[k] = pc[k] > .5? -(-4.343 * log(1. - pc[k] + TINY) + .499) : -4.343 * log(pc[k] + TINY) + .499;
 319                 pc[k] = (int)pc[k];
 320                 if (pc[k] > 99) pc[k] = 99;
 321                 if (pc[k] < -99) pc[k] = -99;
 322         }
 323         pc[0] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2 * (1. - ma->phi1[2*n1] * ma->z1[2*n1] / sum1);
 324         pc[1] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1 * (1. - ma->phi2[2*n2] * ma->z2[2*n2] / sum2);
 325         pc[0] = pc[0] == 1.? 99 : (int)(-4.343 * log(1. - pc[0]) + .499);
 326         pc[1] = pc[1] == 1.? 99 : (int)(-4.343 * log(1. - pc[1]) + .499);
 327 }
 328
 329 static double mc_cal_afs(bcf_p1aux_t *ma)
 330 {
 331         int k;
 332         long double sum = 0.;
 333         double *phi = ma->is_indel? ma->phi_indel : ma->phi;
 334         memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
 335         mc_cal_y(ma);
 336         for (k = 0, sum = 0.; k <= ma->M; ++k)
 337                 sum += (long double)phi[k] * ma->z[k];
 338         for (k = 0; k <= ma->M; ++k) {
 339                 ma->afs1[k] = phi[k] * ma->z[k] / sum;
 340                 if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
 341         }
 342         for (k = 0, sum = 0.; k <= ma->M; ++k) {
 343                 ma->afs[k] += ma->afs1[k];
 344                 sum += k * ma->afs1[k];
 345         }
 346         return sum / ma->M;
 347 }
 348
 349 long double bcf_p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
 350 {
 351         long double pd = 0., g2[3];
 352         int i, k;
 353         memset(g2, 0, sizeof(long double) * 3);
 354         for (k = 0; k < p1a->M; ++k) {
 355                 double f = (double)k / p1a->M, f3[3], g1[3];
 356                 long double z = 1.;
 357                 g1[0] = g1[1] = g1[2] = 0.;
 358                 f3[0] = (1. - f) * (1. - f); f3[1] = 2. * f * (1. - f); f3[2] = f * f;
 359                 for (i = 0; i < p1a->n; ++i) {
 360                         double *pdg = p1a->pdg + i * 3;
 361                         double x = pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2];
 362                         z *= x;
 363                         g1[0] += pdg[0] * f3[0] / x;
 364                         g1[1] += pdg[1] * f3[1] / x;
 365                         g1[2] += pdg[2] * f3[2] / x;
 366                 }
 367                 pd += p1a->phi[k] * z;
 368                 for (i = 0; i < 3; ++i)
 369                         g2[i] += p1a->phi[k] * z * g1[i];
 370         }
 371         for (i = 0; i < 3; ++i) g[i] = g2[i] / pd;
 372         return pd;
 373 }
 374
 375 int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 376 {
 377         int i, k;
 378         long double sum = 0.;
 379         ma->is_indel = bcf_is_indel(b);
 380         // set PL and PL_len
 381         for (i = 0; i < b->n_gi; ++i) {
 382                 if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
 383                         ma->PL = (uint8_t*)b->gi[i].data;
 384                         ma->PL_len = b->gi[i].len;
 385                         break;
 386                 }
 387         }
 388         if (b->n_alleles < 2) return -1; // FIXME: find a better solution
 389         //
 390         rst->rank0 = cal_pdg(b, ma);
 391         rst->f_exp = mc_cal_afs(ma);
 392         rst->p_ref = ma->is_folded? ma->afs1[ma->M] + ma->afs1[0] : ma->afs1[ma->M];
 393         // calculate f_flat and f_em
 394         for (k = 0, sum = 0.; k <= ma->M; ++k)
 395                 sum += (long double)ma->z[k];
 396         rst->f_flat = 0.;
 397         for (k = 0; k <= ma->M; ++k) {
 398                 double p = ma->z[k] / sum;
 399                 rst->f_flat += k * p;
 400         }
 401         rst->f_flat /= ma->M;
 402         { // calculate f_em
 403                 double flast = rst->f_flat;
 404                 for (i = 0; i < MC_MAX_EM_ITER; ++i) {
 405                         rst->f_em = mc_freq_iter(flast, ma);
 406                         if (fabs(rst->f_em - flast) < MC_EM_EPS) break;
 407                         flast = rst->f_em;
 408                 }
 409         }
 410         { // estimate equal-tail credible interval (95% level)
 411                 int l, h;
 412                 double p;
 413                 for (i = 0, p = 0.; i < ma->M; ++i)
 414                         if (p + ma->afs1[i] > 0.025) break;
 415                         else p += ma->afs1[i];
 416                 l = i;
 417                 for (i = ma->M-1, p = 0.; i >= 0; --i)
 418                         if (p + ma->afs1[i] > 0.025) break;
 419                         else p += ma->afs1[i];
 420                 h = i;
 421                 rst->cil = (double)(ma->M - h) / ma->M; rst->cih = (double)(ma->M - l) / ma->M;
 422         }
 423         rst->g[0] = rst->g[1] = rst->g[2] = -1.;
 424         contrast(ma, rst->pc);
 425         return 0;
 426 }
 427
 428 void bcf_p1_dump_afs(bcf_p1aux_t *ma)
 429 {
 430         int k;
 431         if (ma->is_folded) fold_array(ma->M, ma->afs);
 432         fprintf(stderr, "[afs]");
 433         for (k = 0; k <= ma->M; ++k)
 434                 fprintf(stderr, " %d:%.3lf", k, ma->afs[ma->M - k]);
 435         fprintf(stderr, "\n");
 436         memset(ma->afs, 0, sizeof(double) * (ma->M + 1));
 437 }