Update app.py

app.py

@@ -1,33 +1,33 @@
-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
-from datetime import datetime
 
-# --- ПАРАМЕТРЫ ---
+# 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 ---
+
 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 ---
-
-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
-
 def bio_mutate(seq):
     r = random.random()
     if r < 0.70:
@@ -62,29 +62,13 @@ def bio_mutate(seq):
         seq += random.choice(bases)
     return seq[:seqlen]
 
-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)
-
-def compute_global_entropy(seq_history):
-    """
-    Вычисление глобальной энтропии на основе исторических последовательностей.
-    """
-    all_torsions = np.concatenate([np.array([ANGLE_MAP.get(nt, 0.0) for nt in seq]) for seq in seq_history])
-    vals, counts = np.unique(all_torsions, return_counts=True)
-    p = counts / counts.sum()
-    return scipy_entropy(p, base=2)
-
 # --- UI ---
-st.title("🔴 Живой эфир мутаций ДНК")
+
+import streamlit as st
+import time
+
+st.title("🔴 Живой эфир мутаций ДНК с фрактальной размерностью")
+
 start = st.button("▶️ Старт эфира")
 stop = st.checkbox("⏹️ Остановить")
 
@@ -92,11 +76,9 @@ plot_placeholder = st.empty()
 
 if start:
     seq = ''.join(random.choices(bases, k=seqlen))
-    seq_history = [seq]  # История последовательностей для расчета глобальной энтропии
-    stat_bist_counts = []
-    stat_entropy = []
-
     step = 0
+    stat_fractal_dimension = []
+    
     while True:
         if stop:
             st.warning("⏹️ Эфир остановлен пользователем.")
@@ -104,39 +86,22 @@ if start:
 
         if step != 0:
             seq = bio_mutate(seq)
-            seq_history.append(seq)  # Добавляем в историю
 
-        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)
+        torsion_profile = sequence_to_torsion(seq)
+        fractal_dim = correlation_dimension(torsion_profile)
+        stat_fractal_dimension.append(fractal_dim)
 
-        # Вычисляем глобальную энтропию
-        global_ent = compute_global_entropy(seq_history)
-
-        fig, axs = plt.subplots(4, 1, figsize=(10, 10))
+        # Визуализация
+        fig, axs = plt.subplots(2, 1, figsize=(10, 8))
         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_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_entropy, '-o', color='green', markersize=4)
-        axs[3].set_title(f"Глобальная Энтропия: {global_ent:.2f}")
-        axs[3].set_ylabel("Глобальная энтропия")
+        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")
 
         plot_placeholder.pyplot(fig)
         plt.close(fig)