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