Imported Upstream version 0.1.9
[samtools.git] / misc / HmmGlocal.java
diff --git a/misc/HmmGlocal.java b/misc/HmmGlocal.java
new file mode 100644 (file)
index 0000000..9e93b13
--- /dev/null
@@ -0,0 +1,178 @@
+import java.io.*;
+import java.lang.*;
+
+public class HmmGlocal
+{
+       private double[] qual2prob;
+       private double cd, ce; // gap open probility [1e-3], gap extension probability [0.1]
+       private int cb; // band width [7]
+
+       public HmmGlocal(final double d, final double e, final int b) {
+               cd = d; ce = e; cb = b;
+               qual2prob = new double[256];
+               for (int i = 0; i < 256; ++i)
+                       qual2prob[i] = Math.pow(10, -i/10.);
+       }
+       private static int set_u(final int b, final int i, final int k) {
+               int x = i - b;
+               x = x > 0? x : 0;
+               return (k + 1 - x) * 3;
+       }
+       public int hmm_glocal(final byte[] _ref, final byte[] _query, final byte[] _iqual, int[] state, byte[] q) {
+               int i, k;
+               /*** initialization ***/
+               // change coordinates
+               int l_ref = _ref.length;
+               byte[] ref = new byte[l_ref+1];
+               for (i = 0; i < l_ref; ++i) ref[i+1] = _ref[i]; // FIXME: this is silly...
+               int l_query = _query.length;
+               byte[] query = new byte[l_query+1];
+               double[] qual = new double[l_query+1];
+               for (i = 0; i < l_query; ++i) {
+                       query[i+1] = _query[i];
+                       qual[i+1] = qual2prob[_iqual[i]];
+               }
+               // set band width
+               int bw2, bw = l_ref > l_query? l_ref : l_query;
+               if (bw > cb) bw = cb;
+               if (bw < Math.abs(l_ref - l_query)) bw = Math.abs(l_ref - l_query);
+               bw2 = bw * 2 + 1;
+               // allocate the forward and backward matrices f[][] and b[][] and the scaling array s[]
+               double[][] f = new double[l_query+1][bw2*3 + 6];
+               double[][] b = new double[l_query+1][bw2*3 + 6];
+               double[] s = new double[l_query+2];
+               // initialize transition probabilities
+               double sM, sI, bM, bI;
+               sM = sI = 1. / (2 * l_query + 2);
+               bM = (1 - cd) / l_query; bI = cd / l_query; // (bM+bI)*l_query==1
+               double[] m = new double[9];
+               m[0*3+0] = (1 - cd - cd) * (1 - sM); m[0*3+1] = m[0*3+2] = cd * (1 - sM);
+               m[1*3+0] = (1 - ce) * (1 - sI); m[1*3+1] = ce * (1 - sI); m[1*3+2] = 0.;
+               m[2*3+0] = 1 - ce; m[2*3+1] = 0.; m[2*3+2] = ce;
+               /*** forward ***/
+               // f[0]
+               f[0][set_u(bw, 0, 0)] = s[0] = 1.;
+               { // f[1]
+                       double[] fi = f[1];
+                       double sum;
+                       int beg = 1, end = l_ref < bw + 1? l_ref : bw + 1, _beg, _end;
+                       for (k = beg, sum = 0.; k <= end; ++k) {
+                               int u;
+                               double e = (ref[k] > 3 || query[1] > 3)? 1. : ref[k] == query[1]? 1. - qual[1] : qual[1] / 3.;
+                               u = set_u(bw, 1, k);
+                               fi[u+0] = e * bM; fi[u+1] = .25 * bI;
+                               sum += fi[u] + fi[u+1];
+                       }
+                       // rescale
+                       s[1] = sum;
+                       _beg = set_u(bw, 1, beg); _end = set_u(bw, 1, end); _end += 2;
+                       for (k = _beg; k <= _end; ++k) fi[k] /= sum;
+               }
+               // f[2..l_query]
+               for (i = 2; i <= l_query; ++i) {
+                       double[] fi = f[i], fi1 = f[i-1];
+                       double sum, qli = qual[i];
+                       int beg = 1, end = l_ref, x, _beg, _end;
+                       byte qyi = query[i];
+                       x = i - bw; beg = beg > x? beg : x; // band start
+                       x = i + bw; end = end < x? end : x; // band end
+                       for (k = beg, sum = 0.; k <= end; ++k) {
+                               int u, v11, v01, v10;
+                               double e;
+                               e = (ref[k] > 3 || qyi > 3)? 1. : ref[k] == qyi? 1. - qli : qli / 3.;
+                               u = set_u(bw, i, k); v11 = set_u(bw, i-1, k-1); v10 = set_u(bw, i-1, k); v01 = set_u(bw, i, k-1);
+                               fi[u+0] = e * (m[0] * fi1[v11+0] + m[3] * fi1[v11+1] + m[6] * fi1[v11+2]);
+                               fi[u+1] = .25 * (m[1] * fi1[v10+0] + m[4] * fi1[v10+1]);
+                               fi[u+2] = m[2] * fi[v01+0] + m[8] * fi[v01+2];
+                               sum += fi[u] + fi[u+1] + fi[u+2];
+                               //System.out.println("("+i+","+k+";"+u+"): "+fi[u]+","+fi[u+1]+","+fi[u+2]);
+                       }
+                       // rescale
+                       s[i] = sum;
+                       _beg = set_u(bw, i, beg); _end = set_u(bw, i, end); _end += 2;
+                       for (k = _beg, sum = 1./sum; k <= _end; ++k) fi[k] *= sum;
+               }
+               { // f[l_query+1]
+                       double sum;
+                       for (k = 1, sum = 0.; k <= l_ref; ++k) {
+                               int u = set_u(bw, l_query, k);
+                               if (u < 3 || u >= bw2*3+3) continue;
+                               sum += f[l_query][u+0] * sM + f[l_query][u+1] * sI;
+                       }
+                       s[l_query+1] = sum; // the last scaling factor
+               }
+               /*** backward ***/
+               // b[l_query] (b[l_query+1][0]=1 and thus \tilde{b}[][]=1/s[l_query+1]; this is where s[l_query+1] comes from)
+               for (k = 1; k <= l_ref; ++k) {
+                       int u = set_u(bw, l_query, k);
+                       double[] bi = b[l_query];
+                       if (u < 3 || u >= bw2*3+3) continue;
+                       bi[u+0] = sM / s[l_query] / s[l_query+1]; bi[u+1] = sI / s[l_query] / s[l_query+1];
+               }
+               // b[l_query-1..1]
+               for (i = l_query - 1; i >= 1; --i) {
+                       int beg = 1, end = l_ref, x, _beg, _end;
+                       double[] bi = b[i], bi1 = b[i+1];
+                       double y = (i > 1)? 1. : 0., qli1 = qual[i+1];
+                       byte qyi1 = query[i+1];
+                       x = i - bw; beg = beg > x? beg : x;
+                       x = i + bw; end = end < x? end : x;
+                       for (k = end; k >= beg; --k) {
+                               int u, v11, v01, v10;
+                               double e;
+                               u = set_u(bw, i, k); v11 = set_u(bw, i+1, k+1); v10 = set_u(bw, i+1, k); v01 = set_u(bw, i, k+1);
+                               e = (k >= l_ref? 0 : (ref[k+1] > 3 || qyi1 > 3)? 1. : ref[k+1] == qyi1? 1. - qli1 : qli1 / 3.) * bi1[v11];
+                               bi[u+0] = e * m[0] + .25 * m[1] * bi1[v10+1] + m[2] * bi[v01+2]; // bi1[v11] has been foled into e.
+                               bi[u+1] = e * m[3] + .25 * m[4] * bi1[v10+1];
+                               bi[u+2] = (e * m[6] + m[8] * bi[v01+2]) * y;
+                       }
+                       // rescale
+                       _beg = set_u(bw, i, beg); _end = set_u(bw, i, end); _end += 2;
+                       for (k = _beg, y = 1./s[i]; k <= _end; ++k) bi[k] *= y;
+               }
+               double pb;
+               { // b[0]
+                       int beg = 1, end = l_ref < bw + 1? l_ref : bw + 1;
+                       double sum = 0.;
+                       for (k = end; k >= beg; --k) {
+                               int u = set_u(bw, 1, k);
+                               double e = (ref[k] > 3 || query[1] > 3)? 1. : ref[k] == query[1]? 1. - qual[1] : qual[1] / 3.;
+                               if (u < 3 || u >= bw2*3+3) continue;
+                               sum += e * b[1][u+0] * bM + .25 * b[1][u+1] * bI;
+                       }
+                       pb = b[0][set_u(bw, 0, 0)] = sum / s[0]; // if everything works as is expected, pb == 1.0
+               }
+               int is_diff = Math.abs(pb - 1.) > 1e-7? 1 : 0;
+               /*** MAP ***/
+               for (i = 1; i <= l_query; ++i) {
+                       double sum = 0., max = 0.;
+                       double[] fi = f[i], bi = b[i];
+                       int beg = 1, end = l_ref, x, max_k = -1;
+                       x = i - bw; beg = beg > x? beg : x;
+                       x = i + bw; end = end < x? end : x;
+                       for (k = beg; k <= end; ++k) {
+                               int u = set_u(bw, i, k);
+                               double z;
+                               sum += (z = fi[u+0] * bi[u+0]); if (z > max) { max = z; max_k = (k-1)<<2 | 0; }
+                               sum += (z = fi[u+1] * bi[u+1]); if (z > max) { max = z; max_k = (k-1)<<2 | 1; }
+                       }
+                       max /= sum; sum *= s[i]; // if everything works as is expected, sum == 1.0
+                       if (state != null) state[i-1] = max_k;
+                       if (q != null) {
+                               k = (int)(-4.343 * Math.log(1. - max) + .499);
+                               q[i-1] = (byte)(k > 100? 99 : k);
+                       }
+                       //System.out.println("("+pb+","+sum+")"+" ("+(i-1)+","+(max_k>>2)+","+(max_k&3)+","+max+")");
+               }
+               return 0;
+       }
+
+       public static void main(String[] args) {
+               byte[] ref = {'\0', '\1', '\3', '\3', '\1'};
+               byte[] query = {'\0', '\3', '\3', '\1'};
+               byte[] qual = new byte[4];
+               qual[0] = qual[1] = qual[2] = qual[3] = (byte)20;
+               HmmGlocal hg = new HmmGlocal(1e-3, 0.1, 7);
+               hg.hmm_glocal(ref, query, qual, null, null);
+       }
+}
\ No newline at end of file