?拓扑学测度
度：连接节点的边数
最大组分：网络中相互连接的最大组分
聚类系数：Ci=2n/ki(ki–1)，ki指节点i相邻接的节点数；n指ki个节点间边数。Ci=1表明它是这个完全连接类的中心。
酵母双杂交系统利用杂交基因通过激活报道基因的表达探测蛋白－蛋白的相互作用
PPI上药物靶点与疾病相关基因产物关系，通过药物指导找相关疾病，在找疾病相关基因，找出配对之间的最小距离。
运用距离来调节网络？网络的耦合，碰撞，交叉；靶点数的耦合如同A+B=A*B；药物联用2
同类药有比较高局部聚类系数，用宏观的属性
多靶点—多层次，即聚类系数不同--
针对基因，蛋白质的层次
网络的倾向性，节点，距离，聚类系数等量子层次的分布
随机基础的模式涌现
疾病就是不同模式的网络，属性：节点数，平均路径，聚类系数等等，器官系统也是这样
考虑差异和其上层的通路结构
线性，子结构的拆分和耦合。节点的路径连接，信息冗余和互补节点群的本征值，贡献度。权重分配
前六个基因就能代表子通路80%以上状态，六度空间
基因和蛋白层次的平均是一种几何平均还是其他平均
交互作用，非等位的
力是比例
精细结构的互相关系，内各级子系统、子结构之间的互相作用，系统整体和局部区域的互相影响
高层结构在局部空间连续变换时的整体不变性和定义域不变性
关于概念本身的延拓和扩展能否产生新的未知的结果——而这个新的结果又能否被旧的结构形式所蕴涵和容纳，线性的结构
整体结构的分维，层次
空间是高维，蕴含组合的信息
信息结构整体相关，分割后的可测子空间同势，线性组合的定义域不变性
空间中的一切元素之间都是互相相容的，所有互不相容的元素不属于同一个空间。
线性是如同阶导的泰勒分解，这使得任何一个元素a以及a的ε-邻域中，能够包含或者隐含有a的所有邻域或者所有邻域系，甚至整个空间的全部信息
元素、元素的性质，元素在空间中的坐标或位置，以及全息空间的空间结构，在它们之间是互相相容并相适应
空间的总的或整体上的空间结构能够决定任何一个孤立点上的元素的性质，同时也能决定任何一部分子空间或局部区域的空间结构
分配和分布
非线性是线性的选择性表达，网络的层次的选择，如分配式的层次相加，这也是一种量子化。层次的相似性可以类似于序列匹配，亚层，模体的形成。关系的寻找，进化关系，不同选择性行为也是线性的有分布。多近似方法的逼近。寻找偏好。
数据模型思想
信号传导和数据交叉。通路的耦合是序列互补和泛对应的耦合。
外物性取决于内部的基因和其表达的关系
布尔代数的1和0是量子式的，其将一切简化为最基本的二元运算，处于一生二的层次，一则是无所不包的电子云，三则是基于二的结构；当数量级足够大时，其可进行复杂的运算，这是概率的涌现
网络的概率性，概念的关系的不同导向
空间用坐标系来表示，距离等于坐标的平方和
向量的垂直关系：乘积为0，对应的坐标轴的量的分别乘积之和为0
投影，降维，一阶运算
内积是向量的绝对值乘以其绝对角度
向量积（叉积，外积）c=a*b，是垂直于a和b这两个向量的第三维的向量，可用矩阵表示，可得出平行关系
向量的乘积是该平行四边形的面积，升维
网络也是向量，其不仅不满足消去律，作为矩阵的一种，也不满足交换律
混合积是多向量相乘的结果，叉积之后全是点积
多元等于多维，其投影是其定义域
只有存在极限才能存在多元函数？
连续与极限
偏函数是相对的比例，是降维的变化
混合偏函数的等价，可交换
实变函数(或称实分析)是一门解决数学分析没有解决的问题。就是函数的可积分性，然后出来乐一套严密的体系。从集合论开始讲，再引入测度，再引入积分。实变函数的积分都是勒贝格积分，因为这个范围更广，黎曼可积函数的集合不如勒贝格可积的集合大。
初级阶段迅速地接触足够多的概念，在实用中自己加深理解，等到自己进入高级阶段，选择部分作为主线，重点发展（概率网络的层级的金字塔分布）
繁杂的公式，艰深的理论：基于简单的想法
经济学是一种交流的网络，其与世界的复杂系统具有一定的相似性，其纳什均衡等等数学的理论同样可以应用到概率网络的组成
量子的状态，是网络的轨道的一种描叙
网络节点的不确定性原理，不同层次的不同数量级，其序列的相似性与量子的耦合形成轨道/环路（网络的一维关系）
矢量—曲线积分—张量，算符的简化
傅里叶分析，新方向的理解
矩阵视为网络的一个层次的表示，其二维形式是将向量分解为量子层次的概率网络（物理实在）。其矩阵的乘法是一种遍历，不同层次则是网络的不同表达（我认可世界的本质是网络的复杂联系）。行列式是矩阵的数学结构的简化，其运算规则与矩阵的性质相关。矩阵的分块运算是网络的层次的相对对立性的体现。本征是网络的整体运算的结果，是一个靶定。
网络就是一个空间，（长度角度等等度的定义），可以容纳运动即各种变换。矩阵描述运动，其运动和自身存在的表示（坐标系）都是网络的矩阵描述形式。与运动的相对性相关，映射是运动的本质。
概率相乘是不同基底的线性变换
连续有其极限，矩阵则是跃迁的点
一个对象可以表达为其他对象的线性解（不同的权重就是不同的概率），概率网络的数学形式，傅里叶分析
矩阵的变化，求导
线性代数与环路的构建，本征值的求解
神经回路是一种网络结构，切断某一联系可能会对多种神经回路产生干扰，同时可能有一定的代偿，这源于概率网络的本征相似性
大数据进行系统分析与系统优化
通路的耦合，整体水平的运算，模式的涌现，层次的相似性
形式运算的抽象美（简单法则的重复得出复杂的结果）--巧妙设计—数学核心的理论体系—数学的直觉和原动力（选择性表达的模式，相似性的感知使得不同位置的路径连接最短）
不可见，不可知，都是概率网络。如同波函数，只能作为整体理解，一旦具体理解，其可以坍缩为具体的路径
经验和知识就是一对耦合体
将显然的事实相互结合，可以寻找出一定的路径使得整体耦合（基于网络的假设）因为其有一定的内部结构。几何就是一个二维的自洽结构
简单步骤的分解，是路径的微分，是高维结构的一部分（通过迭代的接近）
具体化：极端情况，简化，包含或被包含的理论的推导，形式替代，类似问题，推广问题
数论的关系是十进制的关系网络；质数分布或许是一种收敛；整数则是量子化的描述：可以视为坍缩的倾向；
层次的博弈，各种限制条件的约束；根据规则的变化，如同图灵机