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_AVG_ERR 0.007
  12 #define MC_MAX_EM_ITER 16
  13 #define MC_EM_EPS 1e-4
  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;
  36         double *q2p, *pdg; // pdg -> P(D|g)
  37         double *phi;
  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 init_prior(int type, double theta, int M, double *phi)
  47 {
  48         int i;
  49         if (type == MC_PTYPE_COND2) {
  50                 for (i = 0; i <= M; ++i)
  51                         phi[i] = 2. * (i + 1) / (M + 1) / (M + 2);
  52         } else if (type == MC_PTYPE_FLAT) {
  53                 for (i = 0; i <= M; ++i)
  54                         phi[i] = 1. / (M + 1);
  55         } else {
  56                 double sum;
  57                 for (i = 0, sum = 0.; i < M; ++i)
  58                         sum += (phi[i] = theta / (M - i));
  59                 phi[M] = 1. - sum;
  60         }
  61 }
  62
  63 void bcf_p1_init_prior(bcf_p1aux_t *ma, int type, double theta)
  64 {
  65         init_prior(type, theta, ma->M, ma->phi);
  66 }
  67
  68 void bcf_p1_init_subprior(bcf_p1aux_t *ma, int type, double theta)
  69 {
  70         if (ma->n1 <= 0 || ma->n1 >= ma->M) return;
  71         init_prior(type, theta, 2*ma->n1, ma->phi1);
  72         init_prior(type, theta, 2*(ma->n - ma->n1), ma->phi2);
  73 }
  74
  75 int bcf_p1_read_prior(bcf_p1aux_t *ma, const char *fn)
  76 {
  77         gzFile fp;
  78         kstring_t s;
  79         kstream_t *ks;
  80         long double sum;
  81         int dret, k;
  82         memset(&s, 0, sizeof(kstring_t));
  83         fp = strcmp(fn, "-")? gzopen(fn, "r") : gzdopen(fileno(stdin), "r");
  84         ks = ks_init(fp);
  85         memset(ma->phi, 0, sizeof(double) * (ma->M + 1));
  86         while (ks_getuntil(ks, '\n', &s, &dret) >= 0) {
  87                 if (strstr(s.s, "[afs] ") == s.s) {
  88                         char *p = s.s + 6;
  89                         for (k = 0; k <= ma->M; ++k) {
  90                                 int x;
  91                                 double y;
  92                                 x = strtol(p, &p, 10);
  93                                 if (x != k && (errno == EINVAL || errno == ERANGE)) return -1;
  94                                 ++p;
  95                                 y = strtod(p, &p);
  96                                 if (y == 0. && (errno == EINVAL || errno == ERANGE)) return -1;
  97                                 ma->phi[ma->M - k] += y;
  98                         }
  99                 }
 100         }
 101         ks_destroy(ks);
 102         gzclose(fp);
 103         free(s.s);
 104         for (sum = 0., k = 0; k <= ma->M; ++k) sum += ma->phi[k];
 105         fprintf(stderr, "[prior]");
 106         for (k = 0; k <= ma->M; ++k) ma->phi[k] /= sum;
 107         for (k = 0; k <= ma->M; ++k) fprintf(stderr, " %d:%.3lg", k, ma->phi[ma->M - k]);
 108         fputc('\n', stderr);
 109         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));
 110         fprintf(stderr, "[%s] heterozygosity=%lf, ", __func__, (double)sum);
 111         for (sum = 0., k = 1; k <= ma->M; ++k) sum += k * ma->phi[ma->M - k] / ma->M;
 112         fprintf(stderr, "theta=%lf\n", (double)sum);
 113         return 0;
 114 }
 115
 116 bcf_p1aux_t *bcf_p1_init(int n)
 117 {
 118         bcf_p1aux_t *ma;
 119         int i;
 120         ma = calloc(1, sizeof(bcf_p1aux_t));
 121         ma->n1 = -1;
 122         ma->n = n; ma->M = 2 * n;
 123         ma->q2p = calloc(256, sizeof(double));
 124         ma->pdg = calloc(3 * ma->n, sizeof(double));
 125         ma->phi = calloc(ma->M + 1, sizeof(double));
 126         ma->phi1 = calloc(ma->M + 1, sizeof(double));
 127         ma->phi2 = calloc(ma->M + 1, sizeof(double));
 128         ma->z = calloc(2 * ma->n + 1, sizeof(double));
 129         ma->zswap = calloc(2 * ma->n + 1, sizeof(double));
 130         ma->z1 = calloc(ma->M + 1, sizeof(double)); // actually we do not need this large
 131         ma->z2 = calloc(ma->M + 1, sizeof(double));
 132         ma->afs = calloc(2 * ma->n + 1, sizeof(double));
 133         ma->afs1 = calloc(2 * ma->n + 1, sizeof(double));
 134         for (i = 0; i < 256; ++i)
 135                 ma->q2p[i] = pow(10., -i / 10.);
 136         bcf_p1_init_prior(ma, MC_PTYPE_FULL, 1e-3); // the simplest prior
 137         return ma;
 138 }
 139
 140 int bcf_p1_set_n1(bcf_p1aux_t *b, int n1)
 141 {
 142         if (n1 == 0 || n1 >= b->n) return -1;
 143         b->n1 = n1;
 144         return 0;
 145 }
 146
 147 void bcf_p1_destroy(bcf_p1aux_t *ma)
 148 {
 149         if (ma) {
 150                 free(ma->q2p); free(ma->pdg);
 151                 free(ma->phi); free(ma->phi1); free(ma->phi2);
 152                 free(ma->z); free(ma->zswap); free(ma->z1); free(ma->z2);
 153                 free(ma->afs); free(ma->afs1);
 154                 free(ma);
 155         }
 156 }
 157
 158 static int cal_pdg(const bcf1_t *b, bcf_p1aux_t *ma)
 159 {
 160         int i, j, k;
 161         long *p, tmp;
 162         p = alloca(b->n_alleles * sizeof(long));
 163         memset(p, 0, sizeof(long) * b->n_alleles);
 164         for (j = 0; j < ma->n; ++j) {
 165                 const uint8_t *pi = ma->PL + j * ma->PL_len;
 166                 double *pdg = ma->pdg + j * 3;
 167                 pdg[0] = ma->q2p[pi[b->n_alleles]]; pdg[1] = ma->q2p[pi[1]]; pdg[2] = ma->q2p[pi[0]];
 168                 for (i = k = 0; i < b->n_alleles; ++i) {
 169                         p[i] += (int)pi[k];
 170                         k += b->n_alleles - i;
 171                 }
 172         }
 173         for (i = 0; i < b->n_alleles; ++i) p[i] = p[i]<<4 | i;
 174         for (i = 1; i < b->n_alleles; ++i) // insertion sort
 175                 for (j = i; j > 0 && p[j] < p[j-1]; --j)
 176                         tmp = p[j], p[j] = p[j-1], p[j-1] = tmp;
 177         for (i = b->n_alleles - 1; i >= 0; --i)
 178                 if ((p[i]&0xf) == 0) break;
 179         return i;
 180 }
 181 // f0 is the reference allele frequency
 182 static double mc_freq_iter(double f0, const bcf_p1aux_t *ma)
 183 {
 184         double f, f3[3];
 185         int i;
 186         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 187         for (i = 0, f = 0.; i < ma->n; ++i) {
 188                 double *pdg;
 189                 pdg = ma->pdg + i * 3;
 190                 f += (pdg[1] * f3[1] + 2. * pdg[2] * f3[2])
 191                         / (pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2]);
 192         }
 193         f /= ma->n * 2.;
 194         return f;
 195 }
 196
 197 int bcf_p1_call_gt(const bcf_p1aux_t *ma, double f0, int k)
 198 {
 199         double sum, g[3];
 200         double max, f3[3], *pdg = ma->pdg + k * 3;
 201         int q, i, max_i;
 202         f3[0] = (1.-f0)*(1.-f0); f3[1] = 2.*f0*(1.-f0); f3[2] = f0*f0;
 203         for (i = 0, sum = 0.; i < 3; ++i)
 204                 sum += (g[i] = pdg[i] * f3[i]);
 205         for (i = 0, max = -1., max_i = 0; i < 3; ++i) {
 206                 g[i] /= sum;
 207                 if (g[i] > max) max = g[i], max_i = i;
 208         }
 209         max = 1. - max;
 210         if (max < 1e-308) max = 1e-308;
 211         q = (int)(-4.343 * log(max) + .499);
 212         if (q > 99) q = 99;
 213         return q<<2|max_i;
 214 }
 215
 216 #define TINY 1e-20
 217
 218 static void mc_cal_y_core(bcf_p1aux_t *ma, int beg)
 219 {
 220         double *z[2], *tmp, *pdg;
 221         int _j, last_min, last_max;
 222         z[0] = ma->z;
 223         z[1] = ma->zswap;
 224         pdg = ma->pdg;
 225         memset(z[0], 0, sizeof(double) * (ma->M + 1));
 226         memset(z[1], 0, sizeof(double) * (ma->M + 1));
 227         z[0][0] = 1.;
 228         last_min = last_max = 0;
 229         ma->t = 0.;
 230         for (_j = beg; _j < ma->n; ++_j) {
 231                 int k, j = _j - beg, _min = last_min, _max = last_max;
 232                 double p[3], sum;
 233                 pdg = ma->pdg + _j * 3;
 234                 p[0] = pdg[0]; p[1] = 2. * pdg[1]; p[2] = pdg[2];
 235                 for (; _min < _max && z[0][_min] < TINY; ++_min) z[0][_min] = z[1][_min] = 0.;
 236                 for (; _max > _min && z[0][_max] < TINY; --_max) z[0][_max] = z[1][_max] = 0.;
 237                 _max += 2;
 238                 if (_min == 0)
 239                         k = 0, z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k];
 240                 if (_min <= 1)
 241                         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];
 242                 for (k = _min < 2? 2 : _min; k <= _max; ++k)
 243                         z[1][k] = (2*j+2-k)*(2*j-k+1) * p[0] * z[0][k]
 244                                 + k*(2*j+2-k) * p[1] * z[0][k-1]
 245                                 + k*(k-1)* p[2] * z[0][k-2];
 246                 for (k = _min, sum = 0.; k <= _max; ++k) sum += z[1][k];
 247                 ma->t += log(sum / ((2. * j + 2) * (2. * j + 1)));
 248                 for (k = _min; k <= _max; ++k) z[1][k] /= sum;
 249                 if (_min >= 1) z[1][_min-1] = 0.;
 250                 if (_min >= 2) z[1][_min-2] = 0.;
 251                 if (j < ma->n - 1) z[1][_max+1] = z[1][_max+2] = 0.;
 252                 if (_j == ma->n1 - 1) { // set pop1
 253                         ma->t1 = ma->t;
 254                         memcpy(ma->z1, z[1], sizeof(double) * (ma->n1 * 2 + 1));
 255                 }
 256                 tmp = z[0]; z[0] = z[1]; z[1] = tmp;
 257                 last_min = _min; last_max = _max;
 258         }
 259         if (z[0] != ma->z) memcpy(ma->z, z[0], sizeof(double) * (ma->M + 1));
 260 }
 261
 262 static void mc_cal_y(bcf_p1aux_t *ma)
 263 {
 264         if (ma->n1 > 0 && ma->n1 < ma->n) {
 265                 int k;
 266                 long double x;
 267                 memset(ma->z1, 0, sizeof(double) * (2 * ma->n1 + 1));
 268                 memset(ma->z2, 0, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 269                 ma->t1 = ma->t2 = 0.;
 270                 mc_cal_y_core(ma, ma->n1);
 271                 ma->t2 = ma->t;
 272                 memcpy(ma->z2, ma->z, sizeof(double) * (2 * (ma->n - ma->n1) + 1));
 273                 mc_cal_y_core(ma, 0);
 274                 // rescale z
 275                 x = expl(ma->t - (ma->t1 + ma->t2));
 276                 for (k = 0; k <= ma->M; ++k) ma->z[k] *= x;
 277         } else mc_cal_y_core(ma, 0);
 278 }
 279
 280 static void contrast(bcf_p1aux_t *ma, double pc[4]) // mc_cal_y() must be called before hand
 281 {
 282         int k, n1 = ma->n1, n2 = ma->n - ma->n1;
 283         long double sum1, sum2;
 284         pc[0] = pc[1] = pc[2] = pc[3] = -1.;
 285         if (n1 <= 0 || n2 <= 0) return;
 286         for (k = 0, sum1 = 0.; k <= 2*n1; ++k) sum1 += ma->phi1[k] * ma->z1[k];
 287         for (k = 0, sum2 = 0.; k <= 2*n2; ++k) sum2 += ma->phi2[k] * ma->z2[k];
 288         pc[2] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1;
 289         pc[3] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2;
 290         for (k = 2; k < 4; ++k) {
 291                 pc[k] = pc[k] > .5? -(-4.343 * log(1. - pc[k] + TINY) + .499) : -4.343 * log(pc[k] + TINY) + .499;
 292                 pc[k] = (int)pc[k];
 293                 if (pc[k] > 99) pc[k] = 99;
 294                 if (pc[k] < -99) pc[k] = -99;
 295         }
 296         pc[0] = ma->phi2[2*n2] * ma->z2[2*n2] / sum2 * (1. - ma->phi1[2*n1] * ma->z1[2*n1] / sum1);
 297         pc[1] = ma->phi1[2*n1] * ma->z1[2*n1] / sum1 * (1. - ma->phi2[2*n2] * ma->z2[2*n2] / sum2);
 298         pc[0] = pc[0] == 1.? 99 : (int)(-4.343 * log(1. - pc[0]) + .499);
 299         pc[1] = pc[1] == 1.? 99 : (int)(-4.343 * log(1. - pc[1]) + .499);
 300 }
 301
 302 static double mc_cal_afs(bcf_p1aux_t *ma)
 303 {
 304         int k;
 305         long double sum = 0.;
 306         memset(ma->afs1, 0, sizeof(double) * (ma->M + 1));
 307         mc_cal_y(ma);
 308         for (k = 0, sum = 0.; k <= ma->M; ++k)
 309                 sum += (long double)ma->phi[k] * ma->z[k];
 310         for (k = 0; k <= ma->M; ++k) {
 311                 ma->afs1[k] = ma->phi[k] * ma->z[k] / sum;
 312                 if (isnan(ma->afs1[k]) || isinf(ma->afs1[k])) return -1.;
 313         }
 314         for (k = 0, sum = 0.; k <= ma->M; ++k) {
 315                 ma->afs[k] += ma->afs1[k];
 316                 sum += k * ma->afs1[k];
 317         }
 318         return sum / ma->M;
 319 }
 320
 321 long double bcf_p1_cal_g3(bcf_p1aux_t *p1a, double g[3])
 322 {
 323         long double pd = 0., g2[3];
 324         int i, k;
 325         memset(g2, 0, sizeof(long double) * 3);
 326         for (k = 0; k < p1a->M; ++k) {
 327                 double f = (double)k / p1a->M, f3[3], g1[3];
 328                 long double z = 1.;
 329                 g1[0] = g1[1] = g1[2] = 0.;
 330                 f3[0] = (1. - f) * (1. - f); f3[1] = 2. * f * (1. - f); f3[2] = f * f;
 331                 for (i = 0; i < p1a->n; ++i) {
 332                         double *pdg = p1a->pdg + i * 3;
 333                         double x = pdg[0] * f3[0] + pdg[1] * f3[1] + pdg[2] * f3[2];
 334                         z *= x;
 335                         g1[0] += pdg[0] * f3[0] / x;
 336                         g1[1] += pdg[1] * f3[1] / x;
 337                         g1[2] += pdg[2] * f3[2] / x;
 338                 }
 339                 pd += p1a->phi[k] * z;
 340                 for (i = 0; i < 3; ++i)
 341                         g2[i] += p1a->phi[k] * z * g1[i];
 342         }
 343         for (i = 0; i < 3; ++i) g[i] = g2[i] / pd;
 344         return pd;
 345 }
 346
 347 int bcf_p1_cal(bcf1_t *b, bcf_p1aux_t *ma, bcf_p1rst_t *rst)
 348 {
 349         int i, k;
 350         long double sum = 0.;
 351         // set PL and PL_len
 352         for (i = 0; i < b->n_gi; ++i) {
 353                 if (b->gi[i].fmt == bcf_str2int("PL", 2)) {
 354                         ma->PL = (uint8_t*)b->gi[i].data;
 355                         ma->PL_len = b->gi[i].len;
 356                         break;
 357                 }
 358         }
 359         if (b->n_alleles < 2) return -1; // FIXME: find a better solution
 360         //
 361         rst->rank0 = cal_pdg(b, ma);
 362         rst->f_exp = mc_cal_afs(ma);
 363         rst->p_ref = ma->afs1[ma->M];
 364         // calculate f_flat and f_em
 365         for (k = 0, sum = 0.; k <= ma->M; ++k)
 366                 sum += (long double)ma->z[k];
 367         rst->f_flat = 0.;
 368         for (k = 0; k <= ma->M; ++k) {
 369                 double p = ma->z[k] / sum;
 370                 rst->f_flat += k * p;
 371         }
 372         rst->f_flat /= ma->M;
 373         { // calculate f_em
 374                 double flast = rst->f_flat;
 375                 for (i = 0; i < MC_MAX_EM_ITER; ++i) {
 376                         rst->f_em = mc_freq_iter(flast, ma);
 377                         if (fabs(rst->f_em - flast) < MC_EM_EPS) break;
 378                         flast = rst->f_em;
 379                 }
 380         }
 381         rst->g[0] = rst->g[1] = rst->g[2] = -1.;
 382         contrast(ma, rst->pc);
 383         return 0;
 384 }
 385
 386 void bcf_p1_dump_afs(bcf_p1aux_t *ma)
 387 {
 388         int k;
 389         fprintf(stderr, "[afs]");
 390         for (k = 0; k <= ma->M; ++k)
 391                 fprintf(stderr, " %d:%.3lf", k, ma->afs[ma->M - k]);
 392         fprintf(stderr, "\n");
 393         memset(ma->afs, 0, sizeof(double) * (ma->M + 1));
 394 }