医学的诊断就是选择一定的目标的测量，使得其变化与整体的变化是相同趋势的，如谷丙转氨酶简称GPT、ALT能够揭示肝的器官的损伤。从而获得一定的有意义的信息，使得我们在接下来的博弈即治疗中占据优势。这是根据不动点原理的（标志物）。
血气分析就是一个类似网络的矩阵分析，如白细胞计数决定水平临床意义及措施，根据与参考值（4～10）×109/L的对比可以做出一定的判断。11×109/L为白细胞增多，此时作白细胞分类计数有助于分析病因和分型，如果需要应查找感染源。>30×109/L，提示可能为白血病，应进行白细胞分类，观察外周血涂片和进行骨髓检查。
不同的比例或许是高维量，如血液的不同血细胞的比例分布。多层次的耦合或许能够得出高维量，如临床检验基础、血液学，临床化学、临床免疫学、临床病原学、临床遗传病（分子生物学）。都是用不同技术为临床提供诊治依据。
肌细胞的肌球蛋白，肌动蛋白和原肌球蛋白（肌钙蛋白是调节作用）的比例或许与其运动能力相关。不同的比例形成的矩阵或许是更好的标志物。以以往的有意义的生物标志物作为一个矩阵的转移矩阵，越有意义，赋予的权重越大，如心脏的标志物：肌钙蛋白的含量，CK的相对比例可以检测出急性心肌梗死病人，而且能检测微小损伤（miniinjury)，如不稳定性心绞痛、心肌炎。
考虑如今的生物信息的序列形成的打分矩阵。
敏感性和周期性的博弈。
当循环血量增加、超负荷能引起心内钠尿肽释放。这些激素能有效地利尿、促尿钠排泄、平滑动脉血管放松肌肉，使循环血容量减少。钠尿肽还是交感神经系统和肾素-血管紧张素—醛固酮系统(RAAS)天然的拮抗剂，也能减少血容量。网络的多层次的博弈，因素的多重logistic回归分析结果。
特定的症状的集合可以表示为一定的组合。窗口期是有极大意义的变化，是网络的本征，一种爆发。
网络的交互，递归函数论、集合论、数理逻辑、lambda-演算、图灵机等不同的侧面研究人类逻辑思维的形式化，而知识网络的构建就是人工智能的一种尝试，能够对知识进行一定的统计分析。这种统计就是归纳的基础，这是一种自指的结构。
专家系统的自动化逻辑推理需要结合数学的动态博弈和均衡达成，分形结构。这是对交互的重视
算法，收敛的概念，对应于网络的平均距离
以集合论作为网络的数学分析基础。图灵机的运算是一维的，是完备的，多维序列的耦合可能创造出无限的可能性，从而可以根据一定标准进行筛选。
布尔电路可以组合出任意的图灵机，等价关系的构建。拓扑不变量。
网络的存在就是一种计算。网络直径和网络规模之间的关系N~logN
网络的图灵机等价，其相互作用就是一种基本的计算，存在不存在一种有限的、机械的步骤能够判断“丢番图方程”是否存在解，这种存在性的问题就是不动点原理的体现。如同信号肽的循环就是一个稳定的状态达成，即停机问题。
计算机的极限，集合论的变换等价。其中自指系统是我们认识的边界，其内部是已知的已知，即可以通过一系列的数学转换构造等价关系，即内部的事拓扑等价的，任何层次都是其他层次的选择性表达，这就是希尔伯特的形式化理想。而我们试图以边界为基底寻找未知的已知，这就有哥德尔定理，满足相容性的数学系统是不完备的，这是高维的结构的层次不耦合的结果。这种破缺是层次耦合的需要，是更高层次的运算法则。
图灵机就是一套规则表，然后可以根据具体的环境具体表达，是其他复杂系统的依照基本层次的等价。我们可以根据一定的1/0序列构建不同层次的映射联系。如同哥德尔数的构造。因为无限可能的网络就是一种遍历的运算，其中在大量级的统计层次势必有有意义的模式涌现。把这些计算组合起来构成计算机
相对性，复杂系统的相对比例。
逻辑的多层次的耦合，这是集合论的分形结构。层次之间的关系是矩阵式的竞争作用，可以形成一定的组合，即均衡。而且层次之间的关系是选择性表达的结构，即拓扑不变量。这是我们解决自指问题的关键，在矩阵的层次，应用一定的序列匹配，和模糊数学的多层次分配相关。关键在于网络的收敛，即递归原理的失效。多层次的耦合，即无限组合能够衍生有意义的模式，即能够计算。
如同关节的概率联系，最后那个在统计层次形成一定的分布和通路。以1/0的形式来计算。
以概率为基本语言的网络的自我复制是基于低概率的概率运算体系，这是一种耦合。
大数定律，频率=概率，以概率作为逻辑。对网络的相关性的独立的相对性判断。
自复制（分球定理？），必须参考中心法则的多层次的耦合。达尔文主义的遍历和退火
不同层次之间的关系，异速增长率，如质量和基础代谢率的关系，这是网络的本征，是不动点原理的应用。分形的
当代主流分子生物学研究与进化论融合，网络理论的组合爆炸和遍历和塌缩退火
生命科学的M理论，应当包括三个部分，第一是达尔文的自然选择理论，第二是孟德尔提出的遗传理论，以及第三个还没有解决的复杂结构的形成理论。
进化是网络的模式涌现，在底层是连续变化，在更高层次表现出离散性。复杂生物体结构如眼睛是逐渐进化的结果，这是高维的描述，我们应该以更低维度的作用单位来来理解。Pax-6的的演化决定了眼睛的进化？
眼睛并非想象中那么完美，我们有盲点，我们会近视、远视、散光、老花、青光眼、白内障，要是智能设计的产物，不应该设计的这么稀烂。这是多层次的博弈的均衡达成，是对环境的适应，而这就是完美。
这种进化可以以序列的耦合作为数学模型，，根据一定的规则，如同元胞自动机，能够在统计层次有比较确定的模式涌现。博弈论和矛盾论。
复杂系统的运动规律，概率的描述和统计的涌现性质
系统论：层次分级，层次之间的相似性和选择性表达，不同维度的层次可以有不同的性质；层次是网络的收敛；变化是对环境的适应，是概率性的行为，在统计层次有比较确定的行为，即我们观察到的突变；然后在这个基础上有不同层次的博弈和均衡达成，即自然选择。多层次的信息的耦合，即有意义的重新组合，模式的涌现。
生态圈的循环和平衡是高维的博弈的均衡的分布的结果。
分析结构带来的耦合体，是解决罗素悖论的方法，可以使得集合论的基底更为坚实。
相对性可以用竞争博弈来理解。
量子概率，引进虚数，是对更广阔世界的描述。
复杂系统构建：agentbased模型，可以接受网络的各种分布的情况，能够以如同原子低维的源动力来解释整体的复杂演化。不同层次的特定时期的组合可以形成不同的模式，这是低概率的，但必然会出现的，这有时是严重偏离整体平衡的。而这符合幂律分布。
以相互作用为更基本的对象，然后构建的复杂系统的各种选择就是这些基本的相互作用的统计层次的涌现。
然后层次的变化都是概率性行为，可以以马尔科夫矩阵表示，只是在统计层次就会有明显的区别。
波函数可以解释整体的系统网络，等价于矩阵力学。
矩阵的行矩阵表示是级数的分解，ψ*ψ=1
叠加态的概率运算，P=|ψ|^2
量子力学对网络的启发很大，如量子假设，波尔定态假设，能级的离散（1/n^2?1/m^2），不确定原理，波粒二象性（分形结构的选择性表达，相对的结构），波函数的路径坍缩（作为和网络相似的假设，即描述一切性质），概率的相关性（P=|ψ|^2，赋予理论超越理论的可能性，粒子有可能穿過大于自身能量的势，这是一种概率的分布），遍历和退火，虚数空间的引进（也是一种因果性的宏观描述，即宇宙空间的更底层就如同牛顿省去高阶最小量整体描述为虚数），微分方程表示（多层次耦合的表达）等等。其中波动力学和矩阵力学的等价说明了更高层次的统一。
泰勒级数的分解，行/列矩阵的形成；
通路的矩阵博弈和均衡达成。在统计层次形成理解网络，是交流的基础。
ln(λ”/λ)=ln(λ0/λ)+ln%/
1+ln(λ0/λ)ln%/ln2(Λ/λ)
分形的关系以指数的关系表达。
多通路的耦合能够提供比较确定的A-B相关性
如何以共同的两个作用对象的耦合能够区分出其在一定通路的相对距离？
基于逻辑的系统，即用基本逻辑单元构成复杂系统
网络的进化模式与大脑皮层进化的模式应该具有相似性，本质上前者是后者的一种数学抽象。不同层次形成的新层次只有在其组合的量级超过一定阈值才能形成，从而作为下一步进化的基础。
层次的随机组合最后会坍缩为特定的路径连接，然后可能有一定的边界形成。这种组合的模式与信息的处理模式是一致的。
序列相似性与功能相似性是挂钩的。
基本的功能定位是一种自然的分化，如功能柱是皮层的基本计算单位。
网络的模式识别，这是基于贝叶斯推断的运算