Update app.py

app.py

@@ -4,16 +4,21 @@ import matplotlib.pyplot as plt
 import random
 from scipy.stats import entropy as scipy_entropy
 import time
-from matplotlib.animation import FuncAnimation
 
 # --- НАСТРОЙКИ ---
+# Длина последовательности и количество шагов симуляции
 seqlen = 60
 steps = 120
+# Параметры минимальной и максимальной длины "бега" (сегмента с одинаковыми значениями)
 min_run, max_run = 1, 2
+# Торсионные углы для каждого нуклеотида ДНК: A, C, G, T
 ANGLE_MAP = {'A': 60.0, 'C': 180.0, 'G': -60.0, 'T': -180.0, 'N': 0.0}
+# Возможные нуклеотиды в последовательности
 bases = ['A', 'C', 'G', 'T']
 
-# Функции остаются такими же
+# --- БИОЛОГИЧЕСКИЕ ФУНКЦИИ ---
+# Функция для нахождения локальных минимумов на графике торсионного угла (профиль ДНК)
+# Бег - это последовательности одинаковых значений на графике (например, серии одинаковых углов)
 def find_local_min_runs(profile, min_run=1, max_run=2):
     result = []
     N = len(profile)
@@ -28,8 +33,10 @@ def find_local_min_runs(profile, min_run=1, max_run=2):
         i += run_length
     return result
 
+# Функция для мутации последовательности ДНК (включает точечные мутации, инсерции, делеции и блочные перестановки)
 def bio_mutate(seq):
     r = random.random()
+    # Точечная мутация (меняется один нуклеотид)
     if r < 0.70:
         idx = random.randint(0, len(seq)-1)
         orig = seq[idx]
@@ -41,17 +48,20 @@ def bio_mutate(seq):
         else:
             newbase = random.choice([b for b in bases if b != orig])
         seq = seq[:idx] + newbase + seq[idx+1:]
+    # Инсерция (вставка случайного блока нуклеотидов)
     elif r < 0.80:
         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]
+    # Делеция (удаление случайного блока из последовательности)
     elif r < 0.90:
         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:]
+    # Блочная перестановка (инверсия случайного сегмента)
     else:
         if len(seq) > 10:
             start = random.randint(0, len(seq)-6)
@@ -59,87 +69,94 @@ def bio_mutate(seq):
             subseq = seq[start:end]
             subseq = subseq[::-1]
             seq = seq[:start] + subseq + seq[end:]
+    # Если последовательность короче нужной длины, добавляются случайные нуклеотиды
     while len(seq) < seqlen:
         seq += random.choice(bases)
+    # Ограничиваем длину последовательности
     if len(seq) > seqlen:
         seq = seq[:seqlen]
     return seq
 
+# Функция для вычисления автокорреляции профиля (анализ структурных зависимостей)
 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
 
+# Функция для вычисления энтропии профиля (мера хаоса или неопределенности)
 def compute_entropy(profile):
     vals, counts = np.unique(profile, return_counts=True)
     p = counts / counts.sum()
     return scipy_entropy(p, base=2)
 
-# --- Streamlit интерфейс ---
+# --- STREAMLIT ИНТЕРФЕЙС ---
+# Заголовок приложения
 st.title("🧬 Эволюция ДНК-подобной последовательности")
 st.markdown("Модель визуализирует мутации и анализирует структуру последовательности во времени.")
 
-# Кнопка запуска симуляции
+# Кнопка для запуска симуляции
 if st.button("▶️ Запустить симуляцию"):
+    # Инициализация случайной последовательности
     seq = ''.join(random.choices(bases, k=seqlen))
+    # Списки для хранения статистик на каждом шаге
     stat_bist_counts = []
     stat_entropy = []
     stat_autocorr = []
 
+    # Плейсхолдер для графика
     plot_placeholder = st.empty()
 
-    # Создание фигуры и осей
-    fig, axs = plt.subplots(3, 1, figsize=(10, 8))
-    plt.subplots_adjust(hspace=0.45)
-
-    # Начальная инициализация для графиков
-    line1, = axs[0].plot([], [], color='royalblue', label="Торсионный угол")
-    runs_patch = axs[0].axvspan(0, 0, color="red", alpha=0.3)
-    line2, = axs[1].plot([], [], '-o', color='crimson', markersize=4)
-    bar = axs[2].bar([], [], color='teal', alpha=0.7)
-
-    axs[0].set_ylim(-200, 200)
-    axs[0].set_xlabel("Позиция")
-    axs[0].set_ylabel("Торсионный угол (град.)")
-    axs[0].set_title(f"Шаг 0: {seq}")
-    axs[0].legend()
-
-    axs[1].set_xlabel("Шаг")
-    axs[1].set_ylabel("Число машин")
-    axs[1].set_ylim(0, 10)
-    axs[1].set_title("Динамика: число 'биомашин'")
-
-    axs[2].set_xlabel("Лаг")
-    axs[2].set_ylabel("Автокорреляция")
-    axs[2].set_title("Автокорреляция углового профиля")
-
-    def update(frame):
-        nonlocal seq
-        if frame != 0:
+    # Симуляция изменения последовательности
+    for step in range(steps):
+        if step != 0:
+            # Мутация последовательности на каждом шаге
             seq = bio_mutate(seq)
+        # Профиль торсионных углов для последовательности
         torsion_profile = np.array([ANGLE_MAP.get(nt, 0.0) for nt in seq])
+        # Поиск локальных минимумов
         runs = find_local_min_runs(torsion_profile, min_run, max_run)
+        # Сохранение статистик
         stat_bist_counts.append(len(runs))
         ent = compute_entropy(torsion_profile)
         stat_entropy.append(ent)
         acorr = compute_autocorr(torsion_profile)
 
-        # Обновление графиков
-        line1.set_data(range(len(torsion_profile)), torsion_profile)
-        for start, end, val in runs:
-            runs_patch.set_xy([(start, -200), (end, -200), (end, 200), (start, 200)])
-        line2.set_data(range(len(stat_bist_counts)), stat_bist_counts)
-        for i, b in enumerate(acorr[:6]):
-            bar[i].set_height(b)
-        
-        axs[0].set_title(f"Шаг {frame}: {seq}\nЧисло машин: {len(runs)}, энтропия: {ent:.2f}")
-        axs[2].text(0.70, 0.70, f"Энтропия: {ent:.2f}", transform=axs[2].transAxes)
-        
-        return line1, runs_patch, line2, bar
+        # Визуализация результатов
+        fig, axs = plt.subplots(3, 1, figsize=(10, 8))
+        plt.subplots_adjust(hspace=0.45)
+        lags_shown = 6
 
-    ani = FuncAnimation(fig, update, frames=range(steps), blit=True, interval=100)
+        axs[0].cla()  # Очищаем предыдущий график
+        axs[1].cla()  # Очищаем предыдущий график
+        axs[2].cla()  # Очищаем предыдущий график
 
-    # Показ анимации в Streamlit
-    plot_placeholder.pyplot(fig)
+        # График торсионного угла
+        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()
+
+        # График динамики числа 'биомашин'
+        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'")
+
+        # График автокорреляции
+        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)
+
+        # Отображаем график в Streamlit
+        plot_placeholder.pyplot(fig)
+        time.sleep(0.5)