Update app.py

app.py

@@ -1,24 +1,18 @@
 import streamlit as st
 import numpy as np
-import matplotlib.pyplot as plt
 import random
 from scipy.stats import entropy as scipy_entropy
 import time
 
 # --- НАСТРОЙКИ ---
-# Длина последовательности и количество шагов симуляции
 seqlen = 60
 steps = 120
-# Параметры минимальной и максимальной длины "бега" (сегмента с одинаковыми значениями)
 min_run, max_run = 1, 2
-# Торсионные углы для каждого нуклеотида ДНК: A, C, G, T
 ANGLE_MAP = {'A': 60.0, 'C': 180.0, 'G': -60.0, 'T': -180.0, 'N': 0.0}
-# Возможные нуклеотиды в последовательности
 bases = ['A', 'C', 'G', 'T']
 
 # --- БИОЛОГИЧЕСКИЕ ФУНКЦИИ ---
-# Функция для нахождения локальных минимумов на графике торсионного угла (профиль ДНК)
-# Бег - это последовательности одинаковых значений на графике (например, серии одинаковых углов)
+
 def find_local_min_runs(profile, min_run=1, max_run=2):
     result = []
     N = len(profile)
@@ -33,10 +27,8 @@ def find_local_min_runs(profile, min_run=1, max_run=2):
         i += run_length
     return result
 
-# Функция для мутации последовательности ДНК (включает точечные мутации, инсерции, делеции и блочные перестановки)
 def bio_mutate(seq):
     r = random.random()
-    # Точечная мутация (меняется один нуклеотид)
     if r < 0.70:
         idx = random.randint(0, len(seq)-1)
         orig = seq[idx]
@@ -48,20 +40,17 @@ def bio_mutate(seq):
         else:
             newbase = random.choice([b for b in bases if b != orig])
         seq = seq[:idx] + newbase + seq[idx+1:]
-    # Инсерция (вставка случайного блока нуклеотидов)
     elif r < 0.80:
         idx = random.randint(0, len(seq)-1)
         ins = ''.join(random.choices(bases, k=random.randint(1, 3)))
         seq = seq[:idx] + ins + seq[idx:]
         if len(seq) > seqlen:
             seq = seq[:seqlen]
-    # Делеция (удаление случайного блока из последовательности)
     elif r < 0.90:
         if len(seq) > 4:
             idx = random.randint(0, len(seq)-2)
             dell = random.randint(1, min(3, len(seq)-idx))
             seq = seq[:idx] + seq[idx+dell:]
-    # Блочная перестановка (инверсия случайного сегмента)
     else:
         if len(seq) > 10:
             start = random.randint(0, len(seq)-6)
@@ -69,15 +58,12 @@ def bio_mutate(seq):
             subseq = seq[start:end]
             subseq = subseq[::-1]
             seq = seq[:start] + subseq + seq[end:]
-    # Если последовательность короче нужной длины, добавляются случайные нуклеотиды
     while len(seq) < seqlen:
         seq += random.choice(bases)
-    # Ограничиваем длину последовательности
     if len(seq) > seqlen:
         seq = seq[:seqlen]
     return seq
 
-# Функция для вычисления автокорреляции профиля (анализ структурных зависимостей)
 def compute_autocorr(profile):
     profile = profile - np.mean(profile)
     result = np.correlate(profile, profile, mode='full')
@@ -85,78 +71,43 @@ def compute_autocorr(profile):
     norm = np.max(result) if np.max(result) != 0 else 1
     return result[:10]/norm
 
-# Функция для вычисления энтропии профиля (мера хаоса или неопределенности)
 def compute_entropy(profile):
     vals, counts = np.unique(profile, return_counts=True)
     p = counts / counts.sum()
     return scipy_entropy(p, base=2)
 
 # --- STREAMLIT ИНТЕРФЕЙС ---
-# Заголовок приложения
 st.title("🧬 Эволюция ДНК-подобной последовательности")
 st.markdown("Модель визуализирует мутации и анализирует структуру последовательности во времени.")
 
-# Кнопка для запуска симуляции
 if st.button("▶️ Запустить симуляцию"):
-    # Инициализация случайной последовательности
     seq = ''.join(random.choices(bases, k=seqlen))
-    # Списки для хранения статистик на каждом шаге
     stat_bist_counts = []
     stat_entropy = []
     stat_autocorr = []
 
-    # Плейсхолдер для графика
-    plot_placeholder = st.empty()
-
-    
     # Симуляция изменения последовательности
-for step in range(steps):
-    if step != 0:
-        seq = bio_mutate(seq)
-    torsion_profile = np.array([ANGLE_MAP.get(nt, 0.0) for nt in seq])
-    runs = find_local_min_runs(torsion_profile, min_run, max_run)
-    stat_bist_counts.append(len(runs))
-    ent = compute_entropy(torsion_profile)
-    stat_entropy.append(ent)
-    acorr = compute_autocorr(torsion_profile)
-
-    fig, axs = plt.subplots(3, 1, figsize=(10, 8))
-    plt.subplots_adjust(hspace=0.45)
+    for step in range(steps):
+        if step != 0:
+            seq = bio_mutate(seq)
+        torsion_profile = np.array([ANGLE_MAP.get(nt, 0.0) for nt in seq])
+        runs = find_local_min_runs(torsion_profile, min_run, max_run)
+        stat_bist_counts.append(len(runs))
+        ent = compute_entropy(torsion_profile)
+        stat_entropy.append(ent)
+        acorr = compute_autocorr(torsion_profile)
 
-    # Очищаем графики
-    axs[0].cla()
-    axs[1].cla()
-    axs[2].cla()
+        # Используем Streamlit для отображения графиков
+        st.subheader(f"Шаг {step}: {seq}")
+        st.write(f"Число машин: {len(runs)}, энтропия: {ent:.2f}")
 
-    # График торсионного угла
-    axs[0].plot(torsion_profile, color='royalblue', label="Торсионный угол")
-    for start, end, val in runs:
-        axs[0].axvspan(start, end, color="red", alpha=0.3)
-        axs[0].plot(range(start, end+1), torsion_profile[start:end+1], 'ro', markersize=5)
-    axs[0].set_ylim(-200, 200)
-    axs[0].set_xlabel("Позиция")
-    axs[0].set_ylabel("Торсионный угол (град.)")
-    axs[0].set_title(f"Шаг {step}: {seq}\nЧисло машин: {len(runs)}, энтропия: {ent:.2f}")
-    axs[0].legend()
+        # График динамики числа 'биомашин'
+        st.line_chart(stat_bist_counts)
 
-    # График динамики числа 'биомашин'
-    axs[1].plot(stat_bist_counts, '-o', color='crimson', markersize=4)
-    axs[1].set_xlabel("Шаг")
-    axs[1].set_ylabel("Число машин")
-    axs[1].set_ylim(0, max(10, max(stat_bist_counts)+1))
-    axs[1].set_title("Динамика: число 'биомашин'")
+        # График автокорреляции
+        st.bar_chart(acorr[:6])
 
-    # График автокорреляции
-    axs[2].bar(np.arange(6), acorr[:6], color='teal', alpha=0.7)
-    axs[2].set_xlabel("Лаг")
-    axs[2].set_ylabel("Автокорреляция")
-    axs[2].set_title("Автокорреляция углового профиля (структурность) и энтропия")
-    axs[2].text(0.70, 0.70, f"Энтропия: {ent:.2f}", transform=axs[2].transAxes)
+        # График энтропии
+        st.line_chart(stat_entropy)
 
-    # Отображаем график в Streamlit
-    plot_placeholder.pyplot(fig)
-    
-    # Закрытие графика после отображения
-    plt.close(fig)
-    
-    time.sleep(0.5)
+        time.sleep(0.5)