44网络算法的收敛是层次的聚类,其模仿自然界的行为,寻找复杂网络的模式;图灵机与生物行为的联系,本质上是概率的迭代,同时利用其收敛的性质聚类;适应度即概率,其行为是概率的,但结果却可以是确定的,能够以比较大的概率寻找最优解;编码是问题的数学语言转换,是一种降维,使得计算能够进行;不同参数是网络不同的本征;搜索是基于各种标准的匹配
45从系统的水平,各个学科就是系谱图,是选择性表达,系统科学则是描述整体的社会关系:基于相互作用,使用统计来整体把握
46单个细胞复杂的合成生物学=细胞群体行为的不同行为;个体染色体病和多基因病的再发风险以群体发病率为前验概率
47贝叶斯定理是简单的逆向概率的比值,是基于群体水平的运算,其符合网络的马太效应(高度聚类,稀疏分布),使得具体的分布是两极分化,更加贴近现实(有的有很多,没有就没有);可以合理推断未知的概率,假设条件下的联合概率除以所有假设条件下联合概率之总和=后概率,数据量级越大,越逼近本征,因为其是联合概率的比例,可以得出相对概率的相对概率
48检测方法;直接的测量(酶活性,特定物质的结合如抗体),间接的测量(培养细菌)
49各种遗传病本身是不同层次的分布,家族聚集性是网络的高通量的中心节点性质的体现,如单/多基因遗传病。染色体病则是稀疏分布的,与群体发生相关
50发病率高;危害大;早期治疗可取得较好的疗效;说明其作用是积累的,这个过程与疾病发展相关,是网络的非中心节点,取代性高,可以利用网络的代偿形成表型正常的个体
51遗传概率是量子化的,每代等同于1/2,这是基础(最本征的路径),其后是概率的选择性表达,即贝叶斯。因为每一代的交配就是一次概率的修正。应该考虑全部情况,前概率虽然是一种假设,但如果是基于一定网络的结果会更好
52以器官移植为各种先天性代谢缺陷的解决方案,对自体器官进行一定的改造再移植回去。初步考虑血液,骨髓组织,免疫细胞。或许可以在离体情况强力刺激器官的基因表达,不用考虑药物的药动学和药效学的效应
53基因替代是最终的解决方案,但我们要解决精准切割和黏合的问题,其次是基因的本体扩散,如同细菌的质粒的交换;使用红细胞作为药物载体
54特定序列的转导—特定蛋白的表达,这与中心法则的关系
55基因疗法是基因层次的,是直接的本征,或许可以结合细胞层次,形成概率网络
56不同细胞的群体水平的表达,寻找一定的本征来确定特定靶点细胞,如肿瘤细胞。将一定的基因根据一定条件转导到特定细胞,从而提高对药物一定的敏感性。这本质上是对识别的不同维度的运算,使得表现出概率的变化:1改正肿瘤细胞的基因突变,降低其生长率,诱导肿瘤消退。2导入酶药物前体(pro-drug),形成肿瘤特异的敏感性。3导入目的基因以增强肿瘤的免疫原性,从而被机体的免疫系统所识别。利用外界系统的作用,里应外合,综合作用
57寻找本征的基因,或者利用网络等价性;高效导入,排除细胞本身的抵抗性变化即免疫系统;高效表达的基因;实现可控调节,利用机体本身的平衡;靶细胞的寻找也是一种本征
58整体架构的建立,如同石头和教堂的关系,积累细节,不断遍历,最终升维;建立高维结构即全景,利用信息的全息特性,可以通过已知推导未知;规律就是从无限的组合构建的关系网络的坍缩路径,即本征,这种整体的理解是特定的有意义的组合;根据经验构建的高维概率网络,对于有意义的结构可以整合到原有的体系,这时激发的是一整个模式,每一个简单的位置可以扩散成为一定作用的网络;专家系统可以将问题重新表述,不断抽象,从定性到定量,使得网络坍缩到数学运算,求得本征后再重新扩散成为高维结构的网络,即问题的答案,这也是一种本征:找到全景,然后专注于特定组合的细节,这是波函数的坍缩。根据基本原理分类,这是拥有一定知识架构的能量最低化的结果,道生一一生二二生三三生万物
59系谱分析与基因芯片的基因表达的相似性(找到分布函数),利用连锁分析,构建机体不同的相对独立过程的表达及通路本征,机体的更高层次结构就是相对通路的竞争和平衡形成的网络;等位基因是一种相对关系,可以视为本征,其上的层次是同一基因的不同座位,这与基因的组合相关;交叉遗传是量子的基因组合的网络的特征;基因多效性(一对多)和遗传异质性(多对一)是不同方向的;不同性别的患者比例不同与伴性遗传和限性遗传相关;常隐的近亲婚配使得一定性状表达的概率提高,这是一种收敛;显性和隐性基因应该均有一定程度的表达,这是概率性行为,性状是最后的本征结果;外显率和表现度都是概率的表达,同时受环境和其他基因表达的影响
喜欢学医路漫漫请大家收藏:(m.fubook.win),腐书网更新速度最快。