Update app.py

app.py

@@ -1,8 +1,9 @@
+import streamlit as st
 import numpy as np
 import matplotlib.pyplot as plt
-from matplotlib.animation import FuncAnimation
 import random
 from scipy.stats import entropy as scipy_entropy
+import time
 
 # --- НАСТРОЙКИ ---
 seqlen = 60
@@ -25,7 +26,6 @@ def find_local_min_runs(profile, min_run=1, max_run=2):
         i += run_length
     return result
 
-# --- Более биологичные мутации ---
 def bio_mutate(seq):
     r = random.random()
     if r < 0.70:  # Точечная мутация
@@ -39,20 +39,17 @@ def bio_mutate(seq):
         else:
             newbase = random.choice([b for b in bases if b != orig])
         seq = seq[:idx] + newbase + seq[idx+1:]
-
     elif r < 0.80:  # Инсерция короткого блока
         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]
-
     elif r < 0.90:  # Делеция
         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:]
-
     else:  # Блочная перестановка (инверсия)
         if len(seq) > 10:
             start = random.randint(0, len(seq)-6)
@@ -71,101 +68,66 @@ def compute_autocorr(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  # только лаги 0..9
+    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)
 
-# --- Дополнительный анализ стромбистов ---
-def analyze_strombists(runs, seqlen):
-    counts = len(runs)
-    lengths = [end - start + 1 for start, end, _ in runs]
-    angle_freq = {}
-    heatmap_row = np.zeros(seqlen)
-    for start, end, val in runs:
-        for pos in range(start, end + 1):
-            heatmap_row[pos] = 1
-        angle_freq[val] = angle_freq.get(val, 0) + 1
-    return counts, lengths, angle_freq, heatmap_row
-
-# --- Начальная цепь ---
-seq = ''.join(random.choices(bases, k=seqlen))
-stat_bist_counts = []
-stat_entropy = []
-stat_autocorr = []
-stat_strombists = []
-
-fig, axs = plt.subplots(4, 1, figsize=(10, 10))
-plt.subplots_adjust(hspace=0.45)
-lags_shown = 6
-
-def draw_world(seq, axs, step, cnt_hist, ent_hist, ac_hist, st_hist):
-    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)
-    st_count, st_lengths, st_angle_freq, st_heatmap_row = analyze_strombists(runs, seqlen)
-    
-    axs[0].cla()
-    axs[1].cla()
-    axs[2].cla()
-    axs[3].cla()
-
-    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: {st_count}, энтропия: {ent_hist[-1]:.2f}")
-    axs[0].legend()
-
-    # История динамики "машин"
-    axs[1].plot(cnt_hist, '-o', color='crimson', markersize=4)
-    axs[1].set_xlabel("Шаг")
-    axs[1].set_ylabel("Число машин")
-    axs[1].set_ylim(0, max(10, max(cnt_hist)+1))
-    axs[1].set_title("Динамика: число 'биомашин'")
-
-    # Автокорреляция для текущего шага
-    axs[2].bar(np.arange(lags_shown), ac_hist[-1][:lags_shown], 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_hist[-1]:.2f}", transform=axs[2].transAxes)
-
-    # Карта стромбистов
-    axs[3].plot(st_heatmap_row, color='orange', label="Карта стромбистов", linewidth=2)
-    axs[3].set_ylim(0, 1)
-    axs[3].set_xlabel("Позиция")
-    axs[3].set_ylabel("Стромбист (1 - стабильность)")
-    axs[3].set_title(f"Карты стромбистов на шаге {step}")
-    axs[3].legend()
-
-def animate(i):
-    global seq, stat_bist_counts, stat_entropy, stat_autocorr, stat_strombists
-    if i == 0:
-        stat_bist_counts.clear()
-        stat_entropy.clear()
-        stat_autocorr.clear()
-        stat_strombists.clear()
-    else:
-        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)
-    stat_autocorr.append(acorr)
-    st_count, st_lengths, st_angle_freq, st_heatmap_row = analyze_strombists(runs, seqlen)
-    stat_strombists.append((st_count, st_lengths, st_angle_freq))
-    draw_world(seq, axs, i, stat_bist_counts, stat_entropy, stat_autocorr, stat_strombists)
-    return axs
-
-anim = FuncAnimation(
-    fig, animate, frames=steps, interval=600, repeat=False, blit=False
-)
-
-plt.show()
+# --- Streamlit интерфейс ---
+st.title("🧬 Эволюция ДНК-подобной последовательности")
+st.markdown("Модель визуализирует мутации и анализирует структуру последовательности во времени.")
+
+# Кнопка запуска симуляции
+if st.button("▶️ Запустить симуляцию"):
+    seq = ''.join(random.choices(bases, k=seqlen))
+    stat_bist_counts = []
+    stat_entropy = []
+    stat_autocorr = []
+
+    plot_placeholder = st.empty()
+
+    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)
+
+        # Визуализация
+        fig, axs = plt.subplots(3, 1, figsize=(10, 8))
+        plt.subplots_adjust(hspace=0.45)
+        lags_shown = 6
+
+        axs[0].cla()
+        axs[1].cla()
+        axs[2].cla()
+
+        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()
+
+        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'")
+
+        axs[2].bar(np.arange(lags_shown), acorr[:lags_shown], 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)
+
+        plot_placeholder.pyplot(fig)
+        time.sleep(0.5)