数据的全面是一种理想，我们更重要的是把握关键节点，本征层次
矩阵变化依赖，野生型和突变型的表达水平对比
不同层次的耦合可表达中间层次？类似中值定理
循证医学就是网络医学。通过以往积累的信息关键一个庞大的网络，其不同阶的投影分别有着不同的生理意义，在一阶统计上类似于贝叶斯统计，依赖于网络的记忆性
a，合成的网络结构，找到当前最佳，其是一种虚层次，未必是生理过程
寻找微观的电生理和宏观的行为的机制耦合，如神经通路形成.拓扑结构回路
阴阳的层次耦合，对称的形式，其表征是单一的，但其是选择性表达的
多个指标综合评定是网络式的关系，元素之间的关系普遍存在
正交实验，大规模的多变量的影响抵消使得某些单一因素的影响得以显现，确定主次（八纲辨证，有因素层次的交互作用）
局域（步骤最优，逐级叠加）--整体叠加，建立网络
对正交试验设计结果的分析可分为极差分析（重要性排序）和方差分析（减少误差）
进制，理解的层次；
勾股定理，层次之间的关系，耦合的环
抵抗性变化与摆线相关
图形的分块的重新组合说明一种耦合：任何多边形的剪切小块可以组合成面积相等的多边形，这种性质应在网络同样存在
轨道的周期性
高维使得耦合成立，不可成立的相对关系得以统合
整体的模式，开放的网络结构，可以选择性表达，研究所有的关系如同波函数，我们只能提供一个基本的构架，即概率的分布，如强度和发生频率的指数关系，这是整体的统计，确定一定概率，对个体要确切的预测有难度，考虑自然选择的筛选来不断优化
π与概率相关，与网络结构的关系是络的关系
组学，高通量的作用的一阶反应，是层次的一个描叙
椭圆的焦点的通讯更便利，其是
关键节点的网络分化的序列作用，一定概率的组合是该节点的最终作用
斐波那契数列，理想化的增长，同时有头10个数子之和是第7项数字的11倍，即本征，螺旋线
循环的耦合在一定维度产生阻力，即高维的概率改变
环的取下会发生整体的变化，即多重的确定会减少
通过相似性来计算不可测量的物体
内接与圆锥曲线的六边形其三组对边形成的三个节点处在同一直线：多重的对应，这是本征层次的性质
高维结构的相似性，如莫比乌斯环带的均匀损耗
网络的整合，波函数是规则，而方向则可随机变化
可视化是本征信息的提取
一维的周长和二维的面积的关系
原因，机制，发展过程，变化
质数或许是特殊的响应
扩散，任意行走，模拟动力系统。本征值，概率分布的均值
在一维随机游走过程中，只要时间足够长，最终总能回到出发点，这可以视为逻辑的运算，是一阶（2^1）的，二维(2^2)的情况也适用，但高维的则是概率了：三维34%，四维19。3%八维7。3%。这实际上是概率网络的马尔科夫过程，时间足够长的假设是无限的试错机会，我们不可能做到
randomwalk在图上的平均首达时间，平均往返时间，平均覆盖时间，以及混合时间和特征值等问题（本征层次的观测值）
频率—矩阵的秩，本征值，稳定的状态
概率的连接过程是遗传的模拟，有量子层次的分解重组，也有筛选的偏向
复数与概率：揭示隐网络的存在
矩阵计算与逻辑运算或许等价，生物的多层次耦合的数学形式
贝叶斯网络的概率运算
系统工程：统计，正态分布，矩阵运算，本征值
通过比较来确定关系，准确来说是变量之间的相关度。正交实验结束的是各种层次的涨落的耦合使得特定因素的影响凸显
概率网络，分布函数的耦合