Update app.py

app.py

@@ -1,33 +1,38 @@
+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
+import imageio
+from datetime import datetime
 
-# Преобразование последовательности в фрактальные точки на основе торсионных углов
-def sequence_to_torsion(seq):
-    ANGLE_MAP = {'A': 60.0, 'C': 180.0, 'G': -60.0, 'T': -180.0, 'N': 0.0}
-    return np.array([ANGLE_MAP.get(nt, 0.0) for nt in seq])
-
-# Вычисление корреляционной размерности
-def correlation_dimension(data, max_radius=20, min_points=5):
-    N = len(data)
-    dimensions = []
-    for radius in range(1, max_radius):
-        count = 0
-        for i in range(N):
-            for j in range(i + 1, N):
-                if np.abs(data[i] - data[j]) < radius:
-                    count += 1
-        if count > min_points:
-            dimension = np.log(count) / np.log(radius)
-            dimensions.append(dimension)
-    
-    return np.mean(dimensions) if dimensions else 0
-
-# --- Основной код ---
+st.set_page_config(layout="wide")
 
+# --- ПАРАМЕТРЫ ---
 seqlen = 60
+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']
 
+# --- ФУНКЦИИ ---
+
+# Функция для нахождения локальных минимумов (например, биомашин)
+def find_local_min_runs(profile, min_run=1, max_run=2):
+    result = []
+    N = len(profile)
+    i = 0
+    while i < N:
+        run_val = profile[i]
+        run_length = 1
+        while i + run_length < N and profile[i + run_length] == run_val:
+            run_length += 1
+        if min_run <= run_length <= max_run:
+            result.append((i, i + run_length - 1, run_val))
+        i += run_length
+    return result
+
+# Функция для мутации последовательности
 def bio_mutate(seq):
     r = random.random()
     if r < 0.70:
@@ -62,13 +67,38 @@ def bio_mutate(seq):
         seq += random.choice(bases)
     return seq[:seqlen]
 
-# --- UI ---
-
-import streamlit as st
-import time
-
-st.title("🔴 Живой эфир мутаций ДНК с фрактальной размерностью")
+# Функция для вычисления автокорреляции
+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
+
+# Функция для вычисления энтропии
+def compute_entropy(profile):
+    vals, counts = np.unique(profile, return_counts=True)
+    p = counts / counts.sum()
+    return scipy_entropy(p, base=2)
+
+# Функция для вычисления фрактальной размерности (корреляционной размерности)
+def correlation_dimension(data, max_radius=20, min_points=5):
+    N = len(data)
+    dimensions = []
+    for radius in range(1, max_radius):
+        count = 0
+        for i in range(N):
+            for j in range(i + 1, N):
+                if np.abs(data[i] - data[j]) < radius:
+                    count += 1
+        if count > min_points and radius > 1:
+            dimension = np.log(count) / np.log(radius)
+            dimensions.append(dimension)
+    
+    return np.mean(dimensions) if dimensions else 0
 
+# --- UI ---
+st.title("🔴 Живой эфир мутаций ДНК")
 start = st.button("▶️ Старт эфира")
 stop = st.checkbox("⏹️ Остановить")
 
@@ -76,9 +106,11 @@ plot_placeholder = st.empty()
 
 if start:
     seq = ''.join(random.choices(bases, k=seqlen))
+    stat_bist_counts = []
+    stat_entropy = []
+    stat_fractal = []
+
     step = 0
-    stat_fractal_dimension = []
-    
     while True:
         if stop:
             st.warning("⏹️ Эфир остановлен пользователем.")
@@ -87,22 +119,39 @@ if start:
         if step != 0:
             seq = bio_mutate(seq)
 
-        torsion_profile = sequence_to_torsion(seq)
-        fractal_dim = correlation_dimension(torsion_profile)
-        stat_fractal_dimension.append(fractal_dim)
-
-        # Визуализация
-        fig, axs = plt.subplots(2, 1, figsize=(10, 8))
+        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)
+        
+        fractal_dimension = correlation_dimension(torsion_profile)
+        stat_fractal.append(fractal_dimension)
+
+        fig, axs = plt.subplots(4, 1, figsize=(10, 10))
         plt.subplots_adjust(hspace=0.45)
 
         axs[0].plot(torsion_profile, color='royalblue')
+        for start_, end_, val in runs:
+            axs[0].axvspan(start_, end_, color="red", alpha=0.3)
+        axs[0].set_ylim(-200, 200)
         axs[0].set_title(f"Шаг {step}: {seq}")
         axs[0].set_ylabel("Торсионный угол")
 
-        axs[1].plot(stat_fractal_dimension, '-o', color='green', markersize=4)
-        axs[1].set_title(f"Фрактальная размерность: {fractal_dim:.3f}")
-        axs[1].set_xlabel("Шаг")
+        axs[1].plot(stat_bist_counts, '-o', color='crimson', markersize=4)
+        axs[1].set_ylabel("Биомашины")
+        axs[1].set_title("Количество машин")
+
+        axs[2].bar(np.arange(6), acorr[:6], color='teal')
+        axs[2].set_title(f"Автокорреляция / Энтропия: {ent:.2f}")
+        axs[2].set_xlabel("Лаг")
 
+        axs[3].plot(stat_fractal, '-o', color='green', markersize=4)
+        axs[3].set_title("Фрактальная размерность")
+        axs[3].set_ylabel("Размерность")
+        
         plot_placeholder.pyplot(fig)
         plt.close(fig)