基本单位，分辨度，显微镜—最小波长间距，染色可以提供分辨度
不同染料的不同层次的处理，如先A后B再置于某溶液。利用不同的亲和力来区分，如同电泳，抗原抗体免疫结合，序列杂交等
颜色，反射的光，是吸收的补偿，则吸收与双键，苯环等相关，那么如何确定一定的序列即分子组合来分配
利用杂合的性质来达到总体水平的分离，如分子大小，水/脂溶性，电泳，半透膜，层析，旋光性，沉淀的综合运用。如
最后应该能够做到序列化的模块处理，如同钢珠落下一个多选择的容器，最后靠概率来分辨
细胞器本来是一种模块化，一种量子性的体现，但其可同样分解为更低维度的分子过程，如公用的某些通路，在这个层次，分子通路是这个亚层的量子化（假设：量子化是层次的对比的产物）
个体的量子化和整体的量子化耦合，如镰刀状细胞贫血的个体易缺氧，但相应的提高对疟疾的抵抗力
可逆反应的连接作用，这是概率的；不可逆的反应确定方向
通路的确定和常微分的变量的变化（一阶dQ/dt=v+m-n，，二阶则是贝叶斯网络）
速度常数，幂积比
足够的速度和时间才能构建一个均匀体系，但现实是尚未到达一个均衡，就开始下一个变化，耗散结构
反应速率与反应物的碰撞概率成比例，而碰撞概率又与以相应反应分子数为幂的反应浓度成比例
小分子的中介，如乙/酰辅酶A等等；其次是生化过程是循环进行的，使得反应逐步进行，效率最大化，同时是沟通不同过程
亚基的聚合，不同功能的集合，与能量耦合的信息传递
药物的一个想法：内部形成体系，电子的共振，基团的互相作用
系统之间的相互作用，如同牛顿提出牛一牛二牛三，如耦合电路是整体的操作
1多层次的耦合，加权和贝叶斯网络的耦合2组合的多样性，分别的环境可发挥各自的最大化效益3单向性，相互作用的范围，更大范围的组织和生态系统4短距的网络聚度，如同电子云，有宏观性质涌现5关系是伴随的，没有因果，，一切都是背后的关系概率网络的体现6均衡的必然和多变量在有限资源的竞争7动态流动，趋一化，最终边际变化为零8代替的移动，信号的传递，新陈代谢9比较优势，边际效益，交换，提取现实背后的概率网络
溶解度，分离速度，若是多层次的分离，则可分辨更高精度
固定效应是基本，随机效应是概率的发挥
Meta分析，PICOS的不同组合，逻辑运算，正交计算
通过合并统计量来消除个体差异
腹泻有一定的结构，利尿符合一定的序列匹配或同源，回复周期。泻下，汗，等治法是宏观的结构的对应是概率的。药性，作用部位，方式的网络结构
网络的层次分化，解耦合，各走各路，这是基于速度
并发的症状，网络，有表有里，有位置分布，不同的分法就是一个层次，层次的选择性表达就是现实的症状，因而具体的分层十分重要，这些序列的解1010011110010的相似性很大，要分清主要和次要的矛盾，治标和治本的选择。程度的浓度作用
分布不均会造成势差，但没有膜的话会反复颠倒
阴极反阳，环路的耦合，又是需要足够的力度：透---引
数据结构，层次，构建的网络有其一定的概率即转化率
模块，接口，调用关系
抵抗性变化，熵作为一种必然的趋势必然会有一定的抵抗，需要消耗能量来抵抗信息的变化
光谱，网络的一维投影，波峰之间的关系是高维的，其整体是网络在特定环境的等价表现，或者是本征层次
光谱成像技术在本质上可以反映分子调控所引发的生物体生理分子水平和整体机能的变化，即概率网络的表达，可以根据隐马尔科夫模型反向推导
光谱分析通常可以获得样本上某一点在某一感兴趣波长范围的完整光谱数据，单点的信息，如同粒子，有一定的收敛半径和边界，更构成高维的网络构建的基础
分辨率越高，信息越高维，利用各个层次的网络相似性来统合信息，最后概率性表达为我们人类层次的信息
特征峰，及其分布，关系，不同波长的异质吸收同样有信息，原子光谱是一阶的平方倒数差，网络可以分解到量子层次，相对关系即高维关系寻找关系
整体是个体的缓冲体系，在高维即概率层次将必然推向必然
库，标准化的关系构建
