Update app.py

app.py

@@ -1,9 +1,12 @@
 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
 
+st.set_page_config(layout="wide")
+
 # --- НАСТРОЙКИ ---
 seqlen = 60
 steps = 120
@@ -11,8 +14,7 @@ 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']
 
-# --- БИОЛОГИЧЕСКИЕ ФУНКЦИИ ---
-
+# --- БИО-ФУНКЦИИ ---
 def find_local_min_runs(profile, min_run=1, max_run=2):
     result = []
     N = len(profile)
@@ -55,14 +57,11 @@ def bio_mutate(seq):
         if len(seq) > 10:
             start = random.randint(0, len(seq)-6)
             end = start + random.randint(3,6)
-            subseq = seq[start:end]
-            subseq = subseq[::-1]
+            subseq = seq[start:end][::-1]
             seq = seq[:start] + subseq + seq[end:]
     while len(seq) < seqlen:
         seq += random.choice(bases)
-    if len(seq) > seqlen:
-        seq = seq[:seqlen]
-    return seq
+    return seq[:seqlen]
 
 def compute_autocorr(profile):
     profile = profile - np.mean(profile)
@@ -76,17 +75,18 @@ def compute_entropy(profile):
     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.")
+# --- ИНТЕРФЕЙС ---
+st.title("🧬 Эфир: Живой поток мутаций ДНК")
+st.markdown("Анализ биологических свойств последовательности в реальном времени.")
 
-if st.button("▶️ Запустить симуляцию"):
+plot_placeholder = st.empty()
+
+if st.button("▶️ Начать эфир"):
     seq = ''.join(random.choices(bases, k=seqlen))
     stat_bist_counts = []
     stat_entropy = []
     stat_autocorr = []
 
-    # Симуляция изменения последовательности
     for step in range(steps):
         if step != 0:
             seq = bio_mutate(seq)
@@ -97,17 +97,25 @@ if st.button("▶️ Запустить симуляцию"):
         stat_entropy.append(ent)
         acorr = compute_autocorr(torsion_profile)
 
-        # Используем Streamlit для отображения графиков
-        st.subheader(f"Шаг {step}: {seq}")
-        st.write(f"Число машин: {len(runs)}, энтропия: {ent:.2f}")
+        fig, axs = plt.subplots(3, 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")
 
-        # График динамики числа 'биомашин'
-        st.line_chart(stat_bist_counts)
+        axs[1].plot(stat_bist_counts, '-o', color='crimson', markersize=4)
+        axs[1].set_ylabel("Биомашины")
+        axs[1].set_title("Количество машин")
 
-        # График автокорреляции
-        st.bar_chart(acorr[:6])
+        axs[2].bar(np.arange(6), acorr[:6], color='teal')
+        axs[2].set_title(f"Автокорреляция / Энтропия: {ent:.2f}")
+        axs[2].set_xlabel("Лаг")
 
-        # График энтропии
-        st.line_chart(stat_entropy)
+        plot_placeholder.pyplot(fig)
+        plt.close(fig)
 
-        time.sleep(0.5)
+        time.sleep(0.3)