Update app.py

app.py

@@ -3,10 +3,11 @@ import numpy as np
 import matplotlib.pyplot as plt
 import random
 from scipy.stats import entropy as scipy_entropy
+import time
 
 # --- НАСТРОЙКИ ---
 seqlen = 60
-steps = 100
+steps = 120
 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']
@@ -27,7 +28,7 @@ def find_local_min_runs(profile, min_run=1, max_run=2):
 
 def bio_mutate(seq):
     r = random.random()
-    if r < 0.70:
+    if r < 0.70:  # Точечная мутация
         idx = random.randint(0, len(seq)-1)
         orig = seq[idx]
         prob = random.random()
@@ -38,94 +39,95 @@ 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:
+    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:
+    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:
+    else:  # Блочная перестановка (инверсия)
         if len(seq) > 10:
             start = random.randint(0, len(seq)-6)
             end = start + random.randint(3,6)
             subseq = seq[start:end]
-            seq = seq[:start] + subseq[::-1] + seq[end:]
-
+            subseq = subseq[::-1]
+            seq = seq[:start] + subseq + seq[end:]
     while len(seq) < seqlen:
         seq += random.choice(bases)
     if len(seq) > seqlen:
         seq = seq[:seqlen]
     return seq
 
-def compute_entropy(profile):
-    vals, counts = np.unique(profile, return_counts=True)
-    p = counts / counts.sum()
-    return scipy_entropy(p, base=2)
-
 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
+    norm = np.max(result) if np.max(result)!=0 else 1
     return result[:10]/norm
 
-def simulate_and_plot(steps):
+def compute_entropy(profile):
+    vals, counts = np.unique(profile, return_counts=True)
+    p = counts / counts.sum()
+    return scipy_entropy(p, base=2)
+
+# --- 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 = []
-    figs = []
+
+    plot_placeholder = st.empty()
 
     for step in range(steps):
-        if step > 0:
+        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)
-        stat_autocorr.append(acorr)
 
-        fig, axs = plt.subplots(3, 1, figsize=(8, 8))
-        plt.subplots_adjust(hspace=0.6)
+        # 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()
 
-        # 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].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 {step}: {seq}\nМашин: {len(runs)}, энтропия: {ent:.2f}")
+        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()
 
-        # Динамика количества машин
-        axs[1].plot(stat_bist_counts, '-o', color='crimson', markersize=3)
+        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'")
 
-        # 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")
+        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)
 
-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)
+        plot_placeholder.pyplot(fig)
+        time.sleep(0.5)