Update app.py

app.py

@@ -14,9 +14,9 @@ login(os.environ["HF_TOKEN"])
 
 # ———————————————————  CONFIG  ——————————————————— #
 SPACE_ID   = "melvinalves/protein_function_prediction"
-TOP_N      = 20      # mostra agora top-20
+TOP_N      = 20      # top-20
 THRESH     = 0.37
-CHUNK_PB   = 512      # janela ProtBERT / ProtBERT-BFD
+CHUNK_PB   = 512      # janela ProtBERT
 CHUNK_ESM  = 1024     # janela ESM-2
 
 # repositórios HF
@@ -41,7 +41,7 @@ def load_keras(name):
 def load_hf_encoder(repo_id, subfolder=None, base_tok=None):
     """
     • repo_id   : repositório HF ou caminho local
-    • subfolder : subpasta onde vivem pesos/config (None se não houver)
+    • subfolder : subpasta (None se não houver)
     • base_tok  : repo para o tokenizer (None => usa repo_id)
     Converte tf_model.h5 → PyTorch on-the-fly (from_tf=True).
     """
@@ -59,8 +59,8 @@ def load_hf_encoder(repo_id, subfolder=None, base_tok=None):
 # ---------- extrair embedding ----------
 def embed_seq(model_ref, seq, chunk):
     """
-    • model_ref = string (modelo base)  OU  tuple(repo_id, subfolder) (modelo fine-tuned)
-    Retorna embedding CLS médio (caso a sequência seja dividida em chunks).
+    • model_ref = string (modelo base) ou tuple(repo_id, subfolder) (fine-tuned)
+    Retorna embedding CLS médio (se a sequência for dividida em chunks).
     """
     if isinstance(model_ref, tuple):                # ProtBERT fine-tuned
         repo_id, subf = model_ref
@@ -100,80 +100,72 @@ GO       = mlb.classes_
 st.set_page_config(page_title="Predição de Funções Moleculares de Proteínas",
                    page_icon="🧬", layout="centered")
 
-# Fundo branco + separador de colunas
+# CSS: fundo branco e separador vertical
 st.markdown(
     """
     <style>
-        body, .stApp { background-color: #FFFFFF !important; }
-        .block-container { padding-top: 1.5rem; }
-        textarea { font-size: 0.9rem !important; }
-
-        /* traço vertical entre primeiras colunas */
+        /* traço vertical entre colunas dentro dos expanders */
         div[data-testid="column"]:first-child {
-            border-right: 1px solid #E0E0E0;
-            padding-right: 1rem !important;
+            border-right:1px solid #000000;
+            padding-right:1rem !important;
         }
     </style>
     """,
     unsafe_allow_html=True
 )
 
-# Logo (coloca logo.png na raiz do Space)
-LOGO_PATH = "logo.png"
-if os.path.exists(LOGO_PATH):
-    st.image(LOGO_PATH, width=180)
+# Logo (logo.png na raiz do Space)
+if os.path.exists("logo.png"):
+    st.image("logo.png", width=180)
 
 st.title("Predição de Funções Moleculares de Proteínas (GO:MF)")
 
 fasta_input = st.text_area("Insere uma ou mais sequências FASTA:", height=300)
 predict_clicked = st.button("Prever GO terms")
 
-# ———————————————————  PARSE DE MÚLTIPLAS SEQUÊNCIAS  ——————————————————— #
+# ———————————————————  PARSE FASTA  ——————————————————— #
 def parse_fasta_multiple(fasta_str):
     """
-    Devolve lista de (header, seq) a partir de texto FASTA possivelmente múltiplo.
-    Suporta bloco inicial sem '>'.
+    Devolve lista de (header, seq). Suporta bloco inicial sem '>'.
     """
     entries, parsed = fasta_str.strip().split(">"), []
     for i, entry in enumerate(entries):
         if not entry.strip():
             continue
         lines = entry.strip().splitlines()
-        if i > 0:          # bloco típico FASTA
+        if i > 0:  # bloco FASTA normal
             header = lines[0].strip()
             seq = "".join(lines[1:]).replace(" ", "").upper()
-        else:              # sequência sem '>'
+        else:      # sequência sem '>'
             header = f"Seq_{i+1}"
             seq = "".join(lines).replace(" ", "").upper()
         if seq:
             parsed.append((header, seq))
     return parsed
 
-# ———————————————————  FUNÇÕES AUXILIARES DE LAYOUT  ——————————————————— #
+# ———————————————————  LIGAÇÕES  ——————————————————— #
 def go_link(go_id, name=""):
-    """Cria link para página do GO term (QuickGO)."""
+    """Link QuickGO."""
     url = f"https://www.ebi.ac.uk/QuickGO/term/{go_id}"
-    label = f"{go_id} — {name}" if name else go_id
-    return f"[{label}]({url})"
+    return f"[{go_id} — {name}]({url})" if name else f"[{go_id}]({url})"
 
-# ———————————————————  FUNÇÃO PRINCIPAL DE RESULTADOS  ——————————————————— #
+# ———————————————————  MOSTRAR RESULTADOS  ——————————————————— #
 def mostrar(header, y_pred):
-    """Mostra resultados (botão UniProt + duas colunas)."""
-    prot_id  = header.split()[0]
-    prot_url = f"https://www.uniprot.org/uniprotkb/{prot_id}"
+    """Expander com botão UniProt e 2 colunas (≥0.37 | Top-20)."""
+    pid      = header.split()[0]
+    uniprot  = f"https://www.uniprot.org/uniprotkb/{pid}"
 
     with st.expander(header, expanded=True):
-        # Botão «Visitar UniProt»
+        # botão UniProt
         st.markdown(
             f"""
-            <div style="text-align:right; margin-bottom:0.5rem;">
-              <a href="{prot_url}" target="_blank">
-                 <button style="
-                     background:#2b8cbe;border:none;border-radius:4px;
-                     padding:0.35rem 0.8rem;color:#fff;font-size:0.9rem;
-                     cursor:pointer;">
-                     Visitar UniProt
-                 </button>
+            <div style="text-align:right;margin-bottom:0.5rem">
+              <a href="{uniprot}" target="_blank">
+                <button style="background:#2b8cbe;border:none;border-radius:4px;
+                               padding:0.35rem 0.8rem;color:#fff;font-size:0.9rem;
+                               cursor:pointer">
+                   Visitar UniProt
+                </button>
               </a>
             </div>
             """,
@@ -182,22 +174,23 @@ def mostrar(header, y_pred):
 
         col1, col2 = st.columns(2)
 
-        # ——— coluna 1 : termos acima do threshold
+        # coluna 1 — GO terms acima do threshold
         with col1:
             st.markdown(f"**GO terms com prob ≥ {THRESH}**")
             hits = mlb.inverse_transform((y_pred >= THRESH).astype(int))[0]
             if hits:
                 for go_id in hits:
                     name, defin = GO_INFO.get(go_id, ("— sem nome —", ""))
-                    defin = re.sub(r'^\\s*"?(.+?)"?\\s*(\\[[^\\]]*\\])?\\s*$', r'\\1',
-                                   defin or "")
+                    # limpeza: remove [ … ], aspas e espaços extra
+                    defin = re.sub(r"\\[[^\\]]*\\]", "", defin or "")
+                    defin = defin.strip(' "')
                     st.markdown(f"- {go_link(go_id, name)}")
                     if defin:
                         st.caption(defin)
             else:
                 st.code("— nenhum —")
 
-        # ——— coluna 2 : top-N mais prováveis
+        # coluna 2 — top-20
         with col2:
             st.markdown(f"**Top {TOP_N} GO terms mais prováveis**")
             for rank, idx in enumerate(np.argsort(-y_pred[0])[:TOP_N], start=1):
@@ -207,30 +200,24 @@ def mostrar(header, y_pred):
 
 # ———————————————————  INFERÊNCIA  ——————————————————— #
 if predict_clicked:
-    parsed_seqs = parse_fasta_multiple(fasta_input)
-    if not parsed_seqs:
-        st.warning("Não foi possível encontrar nenhuma sequência válida.")
-        st.stop()
-
-    for header, seq in parsed_seqs:
+    for header, seq in parse_fasta_multiple(fasta_input):
         with st.spinner(f"A processar {header}… (pode demorar alguns minutos)"):
-            # ————————————  EMBEDDINGS  ———————————— #
+            # embeddings
             emb_pb  = embed_seq(FINETUNED_PB,  seq, CHUNK_PB)
             emb_bfd = embed_seq(FINETUNED_BFD, seq, CHUNK_PB)
             emb_esm = embed_seq(BASE_ESM,       seq, CHUNK_ESM)
 
-            # ————————————  PREDIÇÕES MLPs  ———————————— #
+            # predições
             y_pb  = mlp_pb.predict(emb_pb)
             y_bfd = mlp_bfd.predict(emb_bfd)
-            y_esm = mlp_esm.predict(emb_esm)[:, :597]  # alinhar nº de termos
+            y_esm = mlp_esm.predict(emb_esm)[:, :597]
 
-            # ————————————  STACKING  ———————————— #
-            X     = np.concatenate([y_pb, y_bfd, y_esm], axis=1)
-            y_ens = stacking.predict(X)
+            # stacking
+            y_ens = stacking.predict(np.concatenate([y_pb, y_bfd, y_esm], axis=1))
 
         mostrar(header, y_ens)
 
-# ———————————————————  LISTA COMPLETA DE TERMOS SUPORTADOS  ——————————————————— #
+# ———————————————————  LISTA COMPLETA DOS 597 TERMOS  ——————————————————— #
 with st.expander("Mostrar lista completa dos 597 GO terms possíveis", expanded=False):
     cols = st.columns(3)
     for i, go_id in enumerate(GO):