source: branches/alilink/STAT/ST_ml.cxx

Last change on this file was 18126, checked in by westram, 5 years ago
  • Property svn:eol-style set to native
  • Property svn:keywords set to Author Date Id Revision
File size: 29.2 KB
Line 
1// =============================================================== //
2//                                                                 //
3//   File      : ST_ml.cxx                                         //
4//   Purpose   :                                                   //
5//                                                                 //
6//   Institute of Microbiology (Technical University Munich)       //
7//   http://www.arb-home.de/                                       //
8//                                                                 //
9// =============================================================== //
10
11#include "st_ml.hxx"
12#include "MostLikelySeq.hxx"
13
14#include <ColumnStat.hxx>
15#include <AP_filter.hxx>
16#include <AP_Tree.hxx>
17#include <arb_progress.h>
18#include <gui_aliview.hxx>
19#include <ad_cb.h>
20
21#include <cctype>
22#include <cmath>
23
24DNA_Table dna_table;
25
26DNA_Table::DNA_Table() {
27    int i;
28    for (i = 0; i < 256; i++) {
29        switch (toupper(i)) {
30            case 'A':
31                char_to_enum_table[i] = ST_A;
32                break;
33            case 'C':
34                char_to_enum_table[i] = ST_C;
35                break;
36            case 'G':
37                char_to_enum_table[i] = ST_G;
38                break;
39            case 'T':
40            case 'U':
41                char_to_enum_table[i] = ST_T;
42                break;
43            case '-':
44                char_to_enum_table[i] = ST_GAP;
45                break;
46            default:
47                char_to_enum_table[i] = ST_UNKNOWN;
48        }
49    }
50}
51
52// -----------------------
53//      ST_base_vector
54
55void ST_base_vector::setBase(const ST_base_vector& inv_frequencies, char base) {
56    base = toupper(base);
57   
58    memset((char *) &b[0], 0, sizeof(b));
59    DNA_Base     ub = dna_table.char_to_enum(base);
60
61    if (ub != ST_UNKNOWN) {
62        b[ub] = 1.0;                                // ill. access ?
63    }
64    else {
65        const double k = 1.0 / ST_MAX_BASE;
66        b[ST_A]   = k;
67        b[ST_C]   = k;
68        b[ST_G]   = k;
69        b[ST_T]   = k;
70        b[ST_GAP] = k;
71    }
72    for (int i = 0; i < ST_MAX_BASE; i++) { // LOOP_VECTORIZED[!<5.0]
73        b[i] *= inv_frequencies.b[i];
74    }
75    ld_lik = 0; // ? why not 1.0 ?
76    lik = 1.0;
77}
78
79inline void ST_base_vector::check_overflow() {
80    ST_FLOAT sum = summarize();
81
82    if (sum < .00001) {                             // what happend no data, extremely unlikely
83        setTo(0.25);                                // strange! shouldn't this be 1.0/ST_MAX_BASE ?
84        ld_lik -= 5;                                // ???
85    }
86    else {
87        while (sum < 0.25) {
88            sum    *= 4;
89            ld_lik -= 2;
90            multiplyWith(4);
91        }
92    }
93
94    if (ld_lik> 10000) printf("overflow\n");
95}
96
97inline ST_base_vector& ST_base_vector::operator*=(const ST_base_vector& other) {
98    b[ST_A]   *= other.b[ST_A];
99    b[ST_C]   *= other.b[ST_C];
100    b[ST_G]   *= other.b[ST_G];
101    b[ST_T]   *= other.b[ST_T];
102    b[ST_GAP] *= other.b[ST_GAP];
103   
104    ld_lik += other.ld_lik; // @@@ correct to use 'plus' here ? why ?
105    lik    *= other.lik;
106
107    return *this;
108}
109
110void ST_base_vector::print() {
111    int i;
112    for (i = 0; i < ST_MAX_BASE; i++) {
113        printf("%.3G ", b[i]);
114    }
115}
116
117// -----------------------
118//      ST_rate_matrix
119
120void ST_rate_matrix::set(double dist, double /* TT_ratio */) {
121    const double k = 1.0 / ST_MAX_BASE;
122    ST_FLOAT exp_dist = exp(-dist);
123
124    diag = k + (1.0 - k) * exp_dist;
125    rest = k - k * exp_dist;
126}
127
128void ST_rate_matrix::print() {
129    for (int i = 0; i < ST_MAX_BASE; i++) {
130        for (int j = 0; j < ST_MAX_BASE; j++) {
131            printf("%.3G ", i == j ? diag : rest);
132        }
133        printf("\n");
134    }
135}
136
137
138inline void ST_rate_matrix::transform(const ST_base_vector& in, ST_base_vector& out) const {
139    // optimized matrix/vector multiplication
140    // original version: http://bugs.arb-home.de/browser/trunk/STAT/ST_ml.cxx?rev=6403#L155
141
142    ST_FLOAT sum            = in.summarize();
143    ST_FLOAT diag_rest_diff = diag-rest;
144    ST_FLOAT sum_rest_prod  = sum*rest;
145
146    out.b[ST_A]   = in.b[ST_A]*diag_rest_diff + sum_rest_prod;
147    out.b[ST_C]   = in.b[ST_C]*diag_rest_diff + sum_rest_prod;
148    out.b[ST_G]   = in.b[ST_G]*diag_rest_diff + sum_rest_prod;
149    out.b[ST_T]   = in.b[ST_T]*diag_rest_diff + sum_rest_prod;
150    out.b[ST_GAP] = in.b[ST_GAP]*diag_rest_diff + sum_rest_prod;
151
152    out.ld_lik = in.ld_lik;
153    out.lik    = in.lik;
154}
155
156
157// -----------------------
158//      MostLikelySeq
159
160MostLikelySeq::MostLikelySeq(const AliView *aliview, ST_ML *st_ml_) :
161    AP_sequence(aliview),
162    st_ml(st_ml_),
163    sequence(new ST_base_vector[ST_MAX_SEQ_PART]),
164    up_to_date(false),
165    color_out(NULp),
166    color_out_valid_till(NULp)
167{}
168
169MostLikelySeq::~MostLikelySeq() {
170    delete [] sequence;
171    free(color_out);
172    free(color_out_valid_till);
173
174    unbind_from_species(true);
175}
176
177static void st_sequence_callback(GBDATA*, MostLikelySeq *seq) {
178    seq->sequence_change();
179}
180
181static void st_sequence_del_callback(GBDATA*, MostLikelySeq *seq) {
182    seq->unbind_from_species(false);
183}
184
185
186GB_ERROR MostLikelySeq::bind_to_species(GBDATA *gb_species) {
187    GB_ERROR error = AP_sequence::bind_to_species(gb_species);
188    if (!error) {
189        GBDATA *gb_seq = get_bound_species_data();
190        st_assert(gb_seq);
191
192        error             = GB_add_callback(gb_seq, GB_CB_CHANGED, makeDatabaseCallback(st_sequence_callback,     this));
193        if (!error) error = GB_add_callback(gb_seq, GB_CB_DELETE,  makeDatabaseCallback(st_sequence_del_callback, this));
194    }
195    return error;
196}
197void MostLikelySeq::unbind_from_species(bool remove_callbacks) {
198    GBDATA *gb_seq = get_bound_species_data();
199
200    if (gb_seq) { 
201        if (remove_callbacks) {
202            GB_remove_callback(gb_seq, GB_CB_CHANGED, makeDatabaseCallback(st_sequence_callback,     this));
203            GB_remove_callback(gb_seq, GB_CB_DELETE,  makeDatabaseCallback(st_sequence_del_callback, this));
204        }
205        AP_sequence::unbind_from_species();
206    }
207}
208
209void MostLikelySeq::sequence_change() {
210    st_ml->clear_all();
211}
212
213AP_sequence *MostLikelySeq::dup() const {
214    return new MostLikelySeq(get_aliview(), st_ml);
215}
216
217void MostLikelySeq::set(const char *) {
218    st_assert(0);                                   // hmm why not perform set_sequence() here ?
219}
220
221void MostLikelySeq::unset() {
222}
223
224void MostLikelySeq::set_sequence() {
225    /*! Transform the sequence from character to vector
226     * for current range [ST_ML::first_pos .. ST_ML::last_pos]
227     */
228
229    GBDATA *gb_data = get_bound_species_data();
230    st_assert(gb_data);
231
232    size_t                source_sequence_len = (size_t)GB_read_string_count(gb_data);
233    const char           *source_sequence     = GB_read_char_pntr(gb_data) + st_ml->get_first_pos();
234    ST_base_vector       *dest                = sequence;
235    const ST_base_vector *freq                = st_ml->get_inv_base_frequencies() + st_ml->get_first_pos();
236
237    size_t range_len = st_ml->get_last_pos() - st_ml->get_first_pos();
238    size_t data_len  = std::min(range_len, source_sequence_len);
239    size_t pos       = 0;
240
241    for (; pos<data_len;  ++pos) dest[pos].setBase(freq[pos], toupper(source_sequence[pos]));
242    for (; pos<range_len; ++pos) dest[pos].setBase(freq[pos], '.');
243
244    up_to_date = true;
245}
246
247void MostLikelySeq::calculate_ancestor(const MostLikelySeq *lefts, double leftl, const MostLikelySeq *rights, double rightl) {
248    st_assert(!up_to_date);
249
250    ST_base_vector        hbv;
251    double                lc   = leftl / st_ml->get_step_size();
252    double                rc   = rightl / st_ml->get_step_size();
253    const ST_base_vector *lb   = lefts->sequence;
254    const ST_base_vector *rb   = rights->sequence;
255    ST_base_vector       *dest = sequence;
256
257    for (size_t pos = st_ml->get_first_pos(); pos < st_ml->get_last_pos(); pos++) {
258        st_assert(lb->lik == 1 && rb->lik == 1);
259
260        int distl = (int) (st_ml->get_rate_at(pos) * lc);
261        int distr = (int) (st_ml->get_rate_at(pos) * rc);
262
263        st_ml->get_matrix_for(distl).transform(*lb, *dest);
264        st_ml->get_matrix_for(distr).transform(*rb, hbv);
265
266        *dest *= hbv;
267        dest->check_overflow();
268
269        st_assert(dest->lik == 1);
270
271        dest++;
272        lb++;
273        rb++;
274    }
275
276    up_to_date = true;
277}
278
279ST_base_vector *MostLikelySeq::tmp_out = NULp;
280
281void MostLikelySeq::calc_out(const MostLikelySeq *next_branch, double dist) {
282    // result will be in tmp_out
283
284    ST_base_vector *out   = tmp_out + st_ml->get_first_pos();
285    double          lc    = dist / st_ml->get_step_size();
286    ST_base_vector *lefts = next_branch->sequence;
287
288    for (size_t pos = st_ml->get_first_pos(); pos < st_ml->get_last_pos(); pos++) {
289        int distl = (int) (st_ml->get_rate_at(pos) * lc);
290        st_ml->get_matrix_for(distl).transform(*lefts, *out);
291
292        // correct frequencies
293#if defined(WARN_TODO)
294#warning check if st_ml->get_base_frequency_at(pos).lik is 1 - if so, use vec-mult here
295#endif
296        for (int i = ST_A; i < ST_MAX_BASE; i++) {
297            out->b[i] *= st_ml->get_base_frequency_at(pos).b[i];
298        }
299
300        lefts++;
301        out++;
302    }
303}
304
305void MostLikelySeq::print() {
306    const char *data = GB_read_char_pntr(get_bound_species_data());
307    for (size_t i = 0; i < ST_MAX_SEQ_PART; i++) {
308        printf("POS %3zu  %c     ", i, data[i]);
309        printf("\n");
310    }
311}
312
313// --------------
314//      ST_ML
315
316ST_ML::ST_ML(GBDATA *gb_maini) :
317    alignment_name(NULp),
318    hash_2_ap_tree(NULp),
319    keep_species_hash(NULp),
320    refresh_n(0),
321    not_valid(NULp),
322    tree_root(NULp),
323    latest_modification(0),
324    first_pos(0),
325    last_pos(0),
326    postcalc_cb(NULp),
327    cb_window(NULp),
328    gb_main(gb_maini),
329    column_stat(NULp),
330    rates(NULp),
331    ttratio(NULp),
332    base_frequencies(NULp),
333    inv_base_frequencies(NULp),
334    max_dist(0.0),
335    step_size(0.0),
336    max_rate_matrices(0),
337    rate_matrices(NULp),
338    is_initialized(false)
339{}
340
341ST_ML::~ST_ML() {
342    delete tree_root;
343    free(alignment_name);
344    if (hash_2_ap_tree) GBS_free_hash(hash_2_ap_tree);
345    delete not_valid;
346    delete [] base_frequencies;
347    delete [] inv_base_frequencies;
348    delete [] rate_matrices;
349    if (!column_stat) {
350        // rates and ttratio have been allocated (see ST_ML::calc_st_ml)
351        delete [] rates;
352        delete [] ttratio;
353    }
354}
355
356
357void ST_ML::create_frequencies() {
358    //! Translate characters to base frequencies
359
360    size_t filtered_length = get_filtered_length();
361    base_frequencies       = new ST_base_vector[filtered_length];
362    inv_base_frequencies   = new ST_base_vector[filtered_length];
363
364    if (!column_stat) {
365        for (size_t i = 0; i < filtered_length; i++) {
366            base_frequencies[i].setTo(1.0);
367            base_frequencies[i].lik = 1.0;
368
369            inv_base_frequencies[i].setTo(1.0);
370            inv_base_frequencies[i].lik = 1.0;
371        }
372    }
373    else {
374        for (size_t i = 0; i < filtered_length; i++) {
375            const ST_FLOAT  NO_FREQ   = 0.01;
376            ST_base_vector& base_freq = base_frequencies[i];
377
378            base_freq.setTo(NO_FREQ);
379
380            static struct {
381                unsigned char c;
382                DNA_Base      b;
383            } toCount[] = {
384                { 'A', ST_A }, { 'a', ST_A },
385                { 'C', ST_C }, { 'c', ST_C },
386                { 'G', ST_G }, { 'g', ST_G },
387                { 'T', ST_T }, { 't', ST_T },
388                { 'U', ST_T }, { 'u', ST_T },
389                { '-', ST_GAP },
390                { 0, ST_UNKNOWN },
391            };
392
393            for (int j = 0; toCount[j].c; ++j) {
394                const float *freq = column_stat->get_frequencies(toCount[j].c);
395                if (freq) base_freq.b[toCount[j].b] += freq[i];
396            }
397
398            ST_FLOAT sum    = base_freq.summarize();
399            ST_FLOAT smooth = sum*0.01;             // smooth by %1 to avoid "crazy values"
400            base_freq.increaseBy(smooth);
401
402            sum += smooth*ST_MAX_BASE; // correct sum
403
404            ST_FLOAT min = base_freq.min_frequency();
405           
406            // @@@ if min == 0.0 all inv_base_frequencies will be set to inf ? correct ?
407            // maybe min should be better calculated after next if-else-clause ?
408
409            if (sum>NO_FREQ) {
410                base_freq.multiplyWith(ST_MAX_BASE/sum);
411            }
412            else {
413                base_freq.setTo(1.0); // columns w/o data
414            }
415
416            base_freq.lik = 1.0;
417           
418            inv_base_frequencies[i].makeInverseOf(base_freq, min);
419            inv_base_frequencies[i].lik = 1.0;
420        }
421    }
422}
423
424void ST_ML::insert_tree_into_hash_rek(AP_tree *node) {
425    node->gr.gc = 0;
426    if (node->is_leaf()) {
427        GBS_write_hash(hash_2_ap_tree, node->name, (long) node);
428    }
429    else {
430        insert_tree_into_hash_rek(node->get_leftson());
431        insert_tree_into_hash_rek(node->get_rightson());
432    }
433}
434
435void ST_ML::create_matrices(double max_disti, int nmatrices) {
436    delete [] rate_matrices;
437    rate_matrices = new ST_rate_matrix[nmatrices]; // LOOP_VECTORIZED
438
439    max_dist          = max_disti;
440    max_rate_matrices = nmatrices;
441    step_size         = max_dist / max_rate_matrices;
442
443    for (int i = 0; i < max_rate_matrices; i++) {
444        rate_matrices[i].set((i + 1) * step_size, 0); // ttratio[i]
445    }
446}
447
448long ST_ML::delete_species(const char *key, long val, void *cd_st_ml) {
449    ST_ML *st_ml = (ST_ML*)cd_st_ml;
450
451    if (GBS_read_hash(st_ml->keep_species_hash, key)) {
452        return val;
453    }
454    else {
455        AP_tree *leaf = (AP_tree *)val;
456        UNCOVERED();
457        destroy(leaf->REMOVE());
458
459        return 0;
460    }
461}
462
463inline GB_ERROR tree_size_ok(AP_tree_root *tree_root) {
464    GB_ERROR error = NULp;
465
466    AP_tree *root = tree_root->get_root_node();
467    if (!root || root->is_leaf()) {
468        const char *tree_name = tree_root->get_tree_name();
469        error = GBS_global_string("Too few species remained in tree '%s'", tree_name);
470    }
471    return error;
472}
473
474void ST_ML::cleanup() {
475    freenull(alignment_name);
476
477    if (MostLikelySeq::tmp_out) {
478        delete MostLikelySeq::tmp_out;
479        MostLikelySeq::tmp_out = NULp;
480    }
481
482    delete tree_root;
483    tree_root = NULp;
484
485    if (hash_2_ap_tree) {
486        GBS_free_hash(hash_2_ap_tree);
487        hash_2_ap_tree = NULp;
488    }
489
490    is_initialized = false;
491}
492
493GB_ERROR ST_ML::calc_st_ml(const char *tree_name, const char *alignment_namei,
494                           const char *species_names, int marked_only,
495                           ColumnStat *colstat, const WeightedFilter *weighted_filter)
496{
497    // acts as contructor, leaks as hell when called twice
498
499    GB_ERROR error = NULp;
500
501    if (is_initialized) cleanup();
502
503    {
504        GB_transaction ta(gb_main);
505        arb_progress progress("Activating column statistic");
506
507        column_stat                = colstat;
508        GB_ERROR column_stat_error = column_stat->calculate(NULp);
509
510        if (column_stat_error) fprintf(stderr, "Column statistic error: %s (using equal rates/tt-ratio for all columns)\n", column_stat_error);
511
512        alignment_name = ARB_strdup(alignment_namei);
513        long ali_len   = GBT_get_alignment_len(gb_main, alignment_name);
514
515        if (ali_len<0) {
516            error = GB_await_error();
517        }
518        else if (ali_len<10) {
519            error = "alignment too short";
520        }
521        else {
522            {
523                AliView *aliview = NULp;
524                if (weighted_filter) {
525                    aliview = weighted_filter->create_aliview(alignment_name, error);
526                }
527                else {
528                    AP_filter filter(ali_len);      // unfiltered
529
530                    error = filter.is_invalid();
531                    if (!error) {
532                        AP_weights weights(&filter);
533                        aliview = new AliView(gb_main, filter, weights, alignment_name);
534                    }
535                }
536
537                st_assert(contradicted(aliview, error));
538
539                if (!error) {
540                    MostLikelySeq *seq_templ = new MostLikelySeq(aliview, this); // @@@ error: never freed! (should be freed when freeing tree_root!)
541                    tree_root = new AP_tree_root(aliview, seq_templ, false, NULp);
542                    // do not delete 'aliview' or 'seq_templ' (they belong to 'tree_root' now)
543                }
544            }
545
546            if (!error) {
547                tree_root->loadFromDB(tree_name);       // tree is not linked!
548
549                if (!tree_root->get_root_node()) { // no tree
550                    error = GBS_global_string("Failed to load tree '%s'", tree_name);
551                }
552                else {
553                    {
554                        size_t species_in_tree = count_species_in_tree();
555                        hash_2_ap_tree         = GBS_create_hash(species_in_tree, GB_MIND_CASE);
556                    }
557
558                    // delete species from tree:
559                    if (species_names) {                    // keep names
560                        tree_root->remove_leafs(AWT_REMOVE_ZOMBIES);
561
562                        error = tree_size_ok(tree_root);
563                        if (!error) {
564                            char *l, *n;
565                            keep_species_hash = GBS_create_hash(GBT_get_species_count(gb_main), GB_MIND_CASE);
566                            for (l = (char *) species_names; l; l = n) {
567                                n = strchr(l, 1);
568                                if (n) *n = 0;
569                                GBS_write_hash(keep_species_hash, l, 1);
570                                if (n) *(n++) = 1;
571                            }
572
573                            insert_tree_into_hash_rek(tree_root->get_root_node());
574                            GBS_hash_do_loop(hash_2_ap_tree, delete_species, this);
575                            GBS_free_hash(keep_species_hash);
576                            keep_species_hash = NULp;
577                            GBT_link_tree(tree_root->get_root_node(), gb_main, true, NULp, NULp);
578                        }
579                    }
580                    else {                                  // keep marked/all
581                        GBT_link_tree(tree_root->get_root_node(), gb_main, true, NULp, NULp);
582                        tree_root->remove_leafs(marked_only ? AWT_KEEP_MARKED : AWT_REMOVE_ZOMBIES);
583
584                        error = tree_size_ok(tree_root);
585                        if (!error) insert_tree_into_hash_rek(tree_root->get_root_node());
586                    }
587                }
588            }
589
590            if (!error) {
591                // calc frequencies
592
593                progress.subtitle("calculating frequencies");
594
595                size_t filtered_length = get_filtered_length();
596                if (!column_stat_error) {
597                    rates   = column_stat->get_rates();
598                    ttratio = column_stat->get_ttratio();
599                }
600                else {
601                    float *alloc_rates   = new float[filtered_length];
602                    float *alloc_ttratio = new float[filtered_length];
603
604                    for (size_t i = 0; i < filtered_length; i++) { // LOOP_VECTORIZED
605                        alloc_rates[i]   = 1.0;
606                        alloc_ttratio[i] = 2.0;
607                    }
608                    rates   = alloc_rates;
609                    ttratio = alloc_ttratio;
610
611                    column_stat = NULp; // mark rates and ttratio as "allocated" (see ST_ML::~ST_ML)
612                }
613                create_frequencies();
614                latest_modification = GB_read_clock(gb_main); // set update time
615                create_matrices(2.0, 1000);
616
617                MostLikelySeq::tmp_out = new ST_base_vector[filtered_length]; // @@@ error: never freed!
618                is_initialized         = true;
619            }
620        }
621
622        if (error) {
623            cleanup();
624            error = ta.close(error);
625        }
626    }
627    return error;
628}
629
630MostLikelySeq *ST_ML::getOrCreate_seq(AP_tree *node) {
631    MostLikelySeq *seq = DOWNCAST(MostLikelySeq*, node->get_seq());
632    if (!seq) {
633        seq = new MostLikelySeq(tree_root->get_aliview(), this); // @@@ why not use dup() ?
634
635        node->set_seq(seq);
636        if (node->is_leaf()) {
637            st_assert(node->gb_node);
638            seq->bind_to_species(node->gb_node);
639        }
640    }
641    return seq;
642}
643
644const MostLikelySeq *ST_ML::get_mostlikely_sequence(AP_tree *node) {
645    /*! go through the tree and calculate the ST_base_vector from bottom to top
646     */
647
648    MostLikelySeq *seq = getOrCreate_seq(node);
649    if (!seq->is_up_to_date()) {
650        if (node->is_leaf()) {
651            seq->set_sequence();
652        }
653        else {
654            const MostLikelySeq *leftSeq  = get_mostlikely_sequence(node->get_leftson());
655            const MostLikelySeq *rightSeq = get_mostlikely_sequence(node->get_rightson());
656
657            seq->calculate_ancestor(leftSeq, node->leftlen, rightSeq, node->rightlen);
658        }
659    }
660
661    return seq;
662}
663
664void ST_ML::clear_all() {
665    GB_transaction ta(gb_main);
666    undo_tree(tree_root->get_root_node());
667    latest_modification = GB_read_clock(gb_main);
668}
669
670void ST_ML::undo_tree(AP_tree *node) {
671    MostLikelySeq *seq = getOrCreate_seq(node);
672    seq->forget_sequence();
673    if (!node->is_leaf()) {
674        undo_tree(node->get_leftson());
675        undo_tree(node->get_rightson());
676    }
677}
678
679#define GET_ML_VECTORS_BUG_WORKAROUND_INCREMENT (ST_MAX_SEQ_PART-1) // workaround bug in get_ml_vectors
680
681MostLikelySeq *ST_ML::get_ml_vectors(const char *species_name, AP_tree *node, size_t start_ali_pos, size_t end_ali_pos) {
682    /* result will be in tmp_out
683     *
684     * assert end_ali_pos - start_ali_pos < ST_MAX_SEQ_PART
685     *
686     * @@@ CAUTION!!! get_ml_vectors has a bug:
687     * it does not calculate the last value, if (end_ali_pos-start_ali_pos+1)==ST_MAX_SEQ_PART
688     * (search for GET_ML_VECTORS_BUG_WORKAROUND_INCREMENT)
689     *
690     * I'm not sure whether this is really a bug! Maybe it's only some misunderstanding about
691     * 'end_ali_pos', because it does not mark the last calculated position, but the position
692     * behind the last calculated position! @@@ Need to rename it!
693     *
694     */
695
696    if (!node) {
697        if (!hash_2_ap_tree) return NULp;
698        node = (AP_tree *) GBS_read_hash(hash_2_ap_tree, species_name);
699        if (!node) return NULp;
700    }
701
702    st_assert(start_ali_pos<end_ali_pos);
703    st_assert((end_ali_pos - start_ali_pos + 1) <= ST_MAX_SEQ_PART);
704
705    MostLikelySeq *seq = getOrCreate_seq(node);
706
707    if (start_ali_pos != first_pos || end_ali_pos > last_pos) {
708        undo_tree(tree_root->get_root_node());      // undo everything
709        first_pos = start_ali_pos;
710        last_pos  = end_ali_pos;
711    }
712
713    AP_tree *pntr;
714    for (pntr = node->get_father(); pntr; pntr = pntr->get_father()) {
715        MostLikelySeq *sequ = getOrCreate_seq(pntr);
716        if (sequ) sequ->forget_sequence();
717    }
718
719    node->set_root();
720
721    const MostLikelySeq *seq_of_brother = get_mostlikely_sequence(node->get_brother());
722
723    seq->calc_out(seq_of_brother, node->father->leftlen + node->father->rightlen);
724    return seq;
725}
726
727bool ST_ML::update_ml_likelihood(char *result[4], int& latest_update, const char *species_name, AP_tree *node) {
728    /*! calculates values for 'Detailed column statistics' in ARB_EDIT4
729     * @return true if calculated with sucess
730     *
731     * @param result if result[0] is NULp, memory will be allocated and assigned to result[0 .. 3].
732     *        You should NOT allocate result yourself, but you can reuse it for multiple calls.
733     * @param latest_update has to contain and will be set to the latest statistic modification time
734     *        (0 is a good start value)
735     * @param species_name name of the species (for which the column statistic shall be calculated)
736     * @param node of the current tree (for which the column statistic shall be calculated)
737     *
738     * Note: either 'species_name' or 'node' needs to be specified, but NOT BOTH
739     */
740
741    st_assert(contradicted(species_name, node));
742
743    if (latest_update < latest_modification) {
744        if (!node) {                                // if node isn't given search it using species name
745            st_assert(hash_2_ap_tree);              // ST_ML was not prepared for search-by-name
746            if (hash_2_ap_tree) node = (AP_tree *) GBS_read_hash(hash_2_ap_tree, species_name);
747            if (!node) return false;
748        }
749
750        DNA_Base adb[4];
751        int      i;
752
753        size_t ali_len = get_alignment_length();
754        st_assert(get_filtered_length() == ali_len); // assume column stat was calculated w/o filters
755
756        if (!result[0]) {                           // allocate Array-elements for result
757            for (i = 0; i < 4; i++) {
758                ARB_calloc(result[i], ali_len+1); // [0 .. alignment_len[ + zerobyte
759            }
760        }
761
762        for (i = 0; i < 4; i++) {
763            adb[i] = dna_table.char_to_enum("ACGU"[i]);
764        }
765
766        for (size_t seq_start = 0; seq_start < ali_len; seq_start += GET_ML_VECTORS_BUG_WORKAROUND_INCREMENT) {
767            size_t seq_end = std::min(ali_len, seq_start+GET_ML_VECTORS_BUG_WORKAROUND_INCREMENT);
768            get_ml_vectors(NULp, node, seq_start, seq_end);
769        }
770
771        MostLikelySeq *seq = getOrCreate_seq(node);
772
773        for (size_t pos = 0; pos < ali_len; pos++) {
774            ST_base_vector& vec = seq->tmp_out[pos];
775            double          sum = vec.summarize();
776
777            if (sum == 0) {
778                for (i = 0; i < 4; i++) {
779                    result[i][pos] = -1;
780                }
781            }
782            else {
783                double div = 100.0 / sum;
784
785                for (i = 0; i < 4; i++) {
786                    result[i][pos] = char ((vec.b[adb[i]] * div) + 0.5);
787                }
788            }
789        }
790
791        latest_update = latest_modification;
792    }
793    return true;
794}
795
796ST_ML_Color *ST_ML::get_color_string(const char *species_name, AP_tree *node, size_t start_ali_pos, size_t end_ali_pos) {
797    /*! (Re-)Calculates the color string of a given node for sequence positions [start_ali_pos .. end_ali_pos[
798     */
799   
800    if (!node) {
801        // if node isn't given, search it using species name:
802        if (!hash_2_ap_tree) return NULp;
803        node = (AP_tree *) GBS_read_hash(hash_2_ap_tree, species_name);
804        if (!node) return NULp;
805    }
806
807    // align start_ali_pos/end_ali_pos to previous/next pos divisible by ST_BUCKET_SIZE:
808    start_ali_pos &= ~(ST_BUCKET_SIZE - 1);
809    end_ali_pos    = (end_ali_pos & ~(ST_BUCKET_SIZE - 1)) + ST_BUCKET_SIZE - 1;
810
811    size_t ali_len = get_alignment_length();
812    if (end_ali_pos > ali_len) {
813        end_ali_pos = ali_len;
814    }
815
816    double         val;
817    MostLikelySeq *seq = getOrCreate_seq(node);
818    size_t         pos;
819
820    if (!seq->color_out) { // allocate mem for color_out if we not already have it
821        ARB_calloc(seq->color_out,            ali_len);
822        ARB_calloc(seq->color_out_valid_till, (ali_len >> LD_BUCKET_SIZE) + ST_BUCKET_SIZE);
823    }
824    // search for first out-dated position:
825    for (pos = start_ali_pos; pos <= end_ali_pos; pos += ST_BUCKET_SIZE) {
826        if (seq->color_out_valid_till[pos >> LD_BUCKET_SIZE] < latest_modification) break;
827    }
828    if (pos > end_ali_pos) {                        // all positions are up-to-date
829        return seq->color_out;                      // => return existing result
830    }
831
832    for (size_t start = start_ali_pos; start <= end_ali_pos; start += GET_ML_VECTORS_BUG_WORKAROUND_INCREMENT) {
833        int end = std::min(end_ali_pos, start+GET_ML_VECTORS_BUG_WORKAROUND_INCREMENT);
834        get_ml_vectors(NULp, node, start, end); // calculates tmp_out (see below)
835    }
836
837    const char *source_sequence  = NULp;
838    GBDATA     *gb_data          = seq->get_bound_species_data();
839    if (gb_data) source_sequence = GB_read_char_pntr(gb_data);
840
841    // create color string in 'outs':
842    ST_ML_Color    *outs   = seq->color_out  + start_ali_pos;
843    ST_base_vector *vec    = seq->tmp_out    + start_ali_pos; // tmp_out was calculated by get_ml_vectors above
844    const char     *source = source_sequence + start_ali_pos;
845
846    for (pos = start_ali_pos; pos <= end_ali_pos; pos++) {
847        {
848            DNA_Base b = dna_table.char_to_enum(*source); // convert seq-character to enum DNA_Base
849            *outs      = 0;
850
851            if (b != ST_UNKNOWN) {
852                ST_FLOAT max = vec->max_frequency();
853                val          = max / (0.0001 + vec->b[b]); // calc ratio of max/real base-char
854
855                if (val > 1.0) {                    // if real base-char is NOT the max-likely base-char
856                    *outs = (int) (log(val));       // => insert color
857                }
858            }
859        }
860        outs++;
861        vec++;
862        source++;
863
864        seq->color_out_valid_till[pos >> LD_BUCKET_SIZE] = latest_modification;
865    }
866    return seq->color_out;
867}
868
869void ST_ML::create_column_statistic(AW_root *awr, const char *awarname, AW_awar *awar_default_alignment) {
870    column_stat = new ColumnStat(get_gb_main(), awr, awarname, awar_default_alignment);
871}
872
873const TreeNode *ST_ML::get_gbt_tree() const {
874    return tree_root->get_root_node();
875}
876
877size_t ST_ML::count_species_in_tree() const {
878    ARB_tree_info info;
879    tree_root->get_root_node()->calcTreeInfo(info);
880    return info.leafs;
881}
882
883AP_tree *ST_ML::find_node_by_name(const char *species_name) {
884    AP_tree *node = NULp;
885    if (hash_2_ap_tree) node = (AP_tree *)GBS_read_hash(hash_2_ap_tree, species_name);
886    return node;
887}
888
889const AP_filter *ST_ML::get_filter() const { return tree_root->get_filter(); }
890size_t ST_ML::get_filtered_length() const { return get_filter()->get_filtered_length(); }
891size_t ST_ML::get_alignment_length() const { return get_filter()->get_length(); }
892
Note: See TracBrowser for help on using the repository browser.