第二十二天：在等待电泳的间隙，师兄带我们搜索一些按照机理可能会有相关性的蛋白和骨质疏松的关系，即a可能与bcdef过程相关，而g可能和f过程相关，于是我们就可以在a和g构建可能的关系。比较具体的一个例子是特定基因在骨骼肌的表达，由于骨骼和肌肉是比较一体的(肌肉萎缩和骨质疏松具有一定的相关性)，因此该基因蛋白可能就与骨质疏松相关ref1单纯的理论推导，不确定对错，所以才需要实验来验证)。理论上如果找到这些蛋白是没有被报道过的，那就可能是捡到宝了，当然也可能是别人做不出来所以没有报道，这就是传说中的坑了。于是我们十八般武器齐上，pubr，都弄一下，就等着返回个空白页面了。有点坑的是在pubr找到一大堆，这就好尴尬了。理论上把所有的数据库撸一遍就可以确定下一步的方向了。
1topenia-ure.肌肉萎缩和骨质疏松的相关性，可以启发我们探索一下共同的作用机制
第二十三天：个人的一点小思考:受伤小鼠处于应激状态，其正常的生理功能与一般的机能相比会有一定变化，这需要我们在更大的尺度才能观察理解这些层次的数据，我们目前的科研范式只能理解如同偏导的单变量，对于多变量的同时考虑还需要前者知识的积累。也即是说，废鼠不废，我们只是还没有那个能力和愿望(课题的设立不是探索应激变化)来理解这些数据，总不能还没学会走就想跑吧。毕竟受伤的老鼠可能与其大脑的变化，小鼠的社会形成等等相关，这就可以和神经生物的很多研究相关，但课题做这么大是完不成的，除非是以大数据来弄。-而随着当代计算机技术的发展和基因组等等组学的建立，我们或许能够在整体的网络层次理解这些数据的关系，然后根据一定的分类找到理论上高聚类或者高相关性的对象及其作用，然后我们再在实验层次加以验证这些可能的关系，从而能够建立对生命宏观的理解。看起来和目前的模式是颠倒过来的，这就是生物信息的干实验，最终还是需要目前的湿实验来验证，最终可能会形成一定的均衡吧。毕竟过于偏向一方都是不完整的。-
讨论：
-
就我们目前的观点，生物研究的还原论式的思路，即分解为一个个的通路乃至蛋白基因相互作用，其实是牛顿时代的微积分的思想的延续：将生物视为一个复杂的函数，并且分解为足够小的小块，理论上是无穷小量，然后就可以无限加和，即做积分，可以以这种方法不断升维构建足够高维的结构。理论上可以通过这种方法不断逼近真实的生物网络，因为我们可以假设网络是一个足够高维的结构，而根据我们之前的生活经验，没有什么不能在更高的视角维度得到解释的，如果有，那就升到更高的维度。如果可以，我们可以认为希尔伯特空间是一种对网络的建模，因为无限维简直可以秒杀一切，当然这是一种数学的理想，这个运算量就大到令人绝望，因此我们需要开发各种算法来简化。而且前面还有一个哥德尔不完备定律这个大怪兽，是的，我们认为希尔伯特的形式化系统的构建就是一个网络的模型构建过程。（我对这个推断/脑洞的真假不做评论）。
这种科学的范式可以说是奠定我们现代科学各种辉煌成就的基础，而且这种还原论式的思维方式也不排斥整体论的思维模式，毕竟整体就是一个足够高维度的结构，可以通过积分遍历升维构建。而在生物的研究中，我们发现，其使用的是一种介于绝对的还原论和绝对的整体论的方fǎ_lùn：通过底层的分子的影响变化，观察其在不同层次的变化，如细胞组织器官等等，最终能够和宏观的生物过程如疾病构建一定的关系。而就我们目前的观点，这种通路的构建是一种概率性的行为，即只能在宏观的大规模的表达中会有一定比例出现特定的模式，这可以部分解释为什么生物论文的可重复性还是比较低的。
也就是说，我们认为网络的构建其实是各种基本模块不同层次的概率性连接。而这些模块的组合就是一个贝叶斯过程，即使得整体的通路出现的概率不断提升，直到超过一定的阈值。然后，哈哈，一篇文章出来啦。这可以以网络的涌现来解释，当然金属的退火也是一个很好的解释角度。
已有的各种数学知识，概率论、图论、信息论等等系统论的应用是对这种结构的解释的一种尝试。目前我们倾向于系统生物学的一个分支生物信息学的序列分析来对网络结构做初步的建模。我们以序列为基本的单位来处理网络的各种性质，如同微积分的无穷小量。当然这目前只是一种构想，以我目前学过的有限计算机知识，我们还是需要好好定义序列及其运算，毕竟基因组学可以以大规模测序的actg序列来做各种运算构建不同层级的数据库，从而把高维的信息如蛋白质结构提取出来。其中有个初步的理论思考，见附录1。如果成立的话，我们就能够通过对序列的各种运算来探究网络的各种性质了。当然目前来看只是一种空想。但是如果我们真的可以构建这种数据结构的话，