Update app.py

app.py

@@ -4,13 +4,13 @@ import matplotlib.pyplot as plt
 import random
 from scipy.stats import entropy as scipy_entropy
 
-# Настройки
+# --- НАСТРОЙКИ ---
 seqlen = 60
+steps = 100
 min_run, max_run = 1, 2
 ANGLE_MAP = {'A': 60.0, 'C': 180.0, 'G': -60.0, 'T': -180.0, 'N': 0.0}
 bases = ['A', 'C', 'G', 'T']
 
-# --- Логика ---
 def find_local_min_runs(profile, min_run=1, max_run=2):
     result = []
     N = len(profile)
@@ -42,7 +42,8 @@ def bio_mutate(seq):
         idx = random.randint(0, len(seq)-1)
         ins = ''.join(random.choices(bases, k=random.randint(1, 3)))
         seq = seq[:idx] + ins + seq[idx:]
-        seq = seq[:seqlen]
+        if len(seq) > seqlen:
+            seq = seq[:seqlen]
     elif r < 0.90:
         if len(seq) > 4:
             idx = random.randint(0, len(seq)-2)
@@ -52,61 +53,79 @@ def bio_mutate(seq):
         if len(seq) > 10:
             start = random.randint(0, len(seq)-6)
             end = start + random.randint(3,6)
-            subseq = seq[start:end][::-1]
-            seq = seq[:start] + subseq + seq[end:]
+            subseq = seq[start:end]
+            seq = seq[:start] + subseq[::-1] + seq[end:]
+
     while len(seq) < seqlen:
         seq += random.choice(bases)
     if len(seq) > seqlen:
         seq = seq[:seqlen]
     return seq
 
-def compute_autocorr(profile):
-    profile = profile - np.mean(profile)
-    result = np.correlate(profile, profile, mode='full')
-    result = result[result.size // 2:]
-    norm = np.max(result) if np.max(result)!=0 else 1
-    return result[:10]/norm
-
 def compute_entropy(profile):
     vals, counts = np.unique(profile, return_counts=True)
     p = counts / counts.sum()
     return scipy_entropy(p, base=2)
 
-# --- Streamlit UI ---
-st.title("🧬 Эволюция ДНК-подобной цепи с мутациями")
-steps = st.slider("Число шагов симуляции", 1, 200, 60)
+def compute_autocorr(profile):
+    profile = profile - np.mean(profile)
+    result = np.correlate(profile, profile, mode='full')
+    result = result[result.size // 2:]
+    norm = np.max(result) if np.max(result) != 0 else 1
+    return result[:10]/norm
 
-if st.button("▶️ Запустить симуляцию"):
+def simulate_and_plot(steps):
     seq = ''.join(random.choices(bases, k=seqlen))
     stat_bist_counts = []
     stat_entropy = []
     stat_autocorr = []
+    figs = []
 
-    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)
 
-    for i in range(steps):
         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))
-        stat_entropy.append(compute_entropy(torsion_profile))
-        stat_autocorr.append(compute_autocorr(torsion_profile))
-        seq = bio_mutate(seq)
-
-    # Отрисовка последнего состояния
-    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_title(f"Шаг {steps}: {seq}\nЧисло машин: {len(runs)}, энтропия: {stat_entropy[-1]:.2f}")
-    axs[0].legend()
-
-    axs[1].plot(stat_bist_counts, '-o', color='crimson', markersize=4)
-    axs[1].set_title("Динамика: число 'биомашин'")
-
-    axs[2].bar(np.arange(6), stat_autocorr[-1][:6], color='teal', alpha=0.7)
-    axs[2].set_title("Автокорреляция и энтропия")
-    axs[2].text(0.7, 0.7, f"Энтропия: {stat_entropy[-1]:.2f}", transform=axs[2].transAxes)
-
-    st.pyplot(fig)
+        ent = compute_entropy(torsion_profile)
+        stat_entropy.append(ent)
+        acorr = compute_autocorr(torsion_profile)
+        stat_autocorr.append(acorr)
+
+        fig, axs = plt.subplots(3, 1, figsize=(8, 8))
+        plt.subplots_adjust(hspace=0.6)
+
+        # Торсионный профиль
+        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=4)
+        axs[0].set_ylim(-200, 200)
+        axs[0].set_title(f"Шаг {step}: {seq}\nМашин: {len(runs)}, энтропия: {ent:.2f}")
+        axs[0].legend()
+
+        # Динамика количества машин
+        axs[1].plot(stat_bist_counts, '-o', color='crimson', markersize=3)
+        axs[1].set_ylim(0, max(10, max(stat_bist_counts)+1))
+        axs[1].set_title("Динамика: число 'биомашин'")
+
+        # Автокорреляция
+        axs[2].bar(np.arange(6), acorr[:6], color='teal', alpha=0.7)
+        axs[2].set_title("Автокорреляция и энтропия")
+        axs[2].text(0.7, 0.7, f"Энтропия: {ent:.2f}", transform=axs[2].transAxes)
+
+        figs.append(fig)
+
+    return figs
+
+# --- Streamlit UI ---
+st.set_page_config(layout="wide")
+st.title("🧬 Эволюция ДНК: визуализация торсионного профиля, мутаций и структур")
+
+steps = st.slider("Число шагов мутации", 10, 150, 50)
+if st.button("▶ Запустить симуляцию"):
+    st.info("Генерируется...")
+    figures = simulate_and_plot(steps)
+    for fig in figures:
+        st.pyplot(fig)