突变关联(correlatedion)：物理上相互接触的蛋白质，比如处在同一个结构复合物中的蛋白质，其中一个蛋白质在进化过程中累计的残基变化，通过在另一个蛋白质中发生相应的变化予以补偿，这种现象被称作关联突变，它可以被看作是氨基酸水平的镜像树，关联突变的分子机制设想是为了抵消由于基因的持续突变漂移(con)产生的小的序列调整，以保持结构复合物的稳定性，维持其功能
序列信号关联(correlatedures)利用序列域信号关联作为相互作用蛋白质的识别指示，
可以预测未知功能蛋白与已知蛋白的相互作用，减少直接实验
的搜索空间
保守的蛋白间相互作用(interologs)相互作用的蛋白质在物种演化过程中具有保守性，因此，可以通过在一个物种中建立的蛋白质相互作用网络，预测其它物种的蛋白质间相互作用。
同源结构复合物(omplexs)设想三维结构已知的蛋白质复合物，各自的同家族成员以同样的方式发生相互作用
进化速率关联(correlatedevolutionary—rate)蛋白质的进化速率由这个蛋白质同其它蛋白质发生相互作用的数量决定，并呈负相关，即相互作用的数量越多进化速率越低
注意力集中的时间限制10-18min
案例教学，讨论，共鸣
艺术，消除冗余，即消去不确定性，剩下的就是有用信息
参与到学习的过程中，主动把握
将融入生活
创造力和意识
交换是跳跃式的，每次排序的时候设置一个基准点，将小于等于基准点的数全部放到基准点的左边，将大于等于基准点的数全部放到基准点的右边，这莫非是世界是量子化的根源？算法复杂度？
dna-rna-protein是不同层次耦合的空间
半保留，双向，半不连续是一种现象，其深层含义可能是物理世界的模拟，即量子化
半保留是一种模式化，既不是全保留或混合式，这是整体的统计，半不连续是其个体化的表现
双向是构建可能的空间，使得速度的效益最大化
复制起始点是离散性的，是简化的复制，即看作一个亚层
催化，代谢调节，免疫保护，转运和存储，运动与支持，信息传递，氧化供能
耦合的联系，联系的数目的比例所体现的性质
元素组成:不同组分，比例，分布，组合，一维序列和二维结构域和三维空间
中心法则的dna是双链的是封闭的信息源，单链的rna则是一种破缺，使得信息得以表达，因为互补的双链是怎么都对的，即不可判定。接下来是蛋白质的翻译，其体现一种简并性
1%为外显子，99%为内含子和重复序列，这是一种耦合，应该体现一定的分布
旁同源，自同源---不同层次的最优路径—模式的判定识别，特征信号—表观表达和另一层次的遗传
表型=基因型+环境+基因型*环境
逻辑的非经典就如经典遗传和表观遗传的关系
修饰造成不同的结构和结果，是翻译的另一层次，以氨基酸残基位点或者其他修饰位点
高通量，用峰值来检测，不同水平的检测使得不同敏感度的产生反应，接着在整体水平构建网络，贝叶斯网络有助于动态网络的构建，使得关系的显现可预测
算法，算命是否能够提供一定的启示？
算法为王，这是网络多层次的竞争的结构，根据外界不同的影响因素和内部的不同偏向，如一次的等位基因，最终表达出一定的结构。我们不能两全其美，只能有所取舍，这种选择就是我们最后的网络坍缩路径。排序算法，划定一定的重要序列，这是一定的本征；贪婪算法，在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，即使整体不是最优，但接近；动态规划是一种遍历，可以寻找整体最优，但速度慢；最短路径，能量最低化，收敛成为一定的相对独立的层次；以上这些算法都是有好有坏，即作出选择的算法也要作出选择，要有所取舍，局部最优是根据眼前拥有的信息作出的比较好的选择，即使不能整体最优，但也是本征的扩散，这是大概率的；自然也有一定的序列可以达到整体最优，但其概率很低。
以上是针对个体而言，接下来就是针对整体了。由于个体的竞争可以给整体带来一定的活力，暂时不必关注个体，因为由于波函数的坍缩总能构建起点和终点的路径，我们有这个自信。因此要考虑整体环境的构建，如经济社会制定一定的法律作为最基本的保障，接下来由个体自由发展，通过如同分子热运动的无限组合，总能得到一些有意义的路径。层次的选择及选择的方法都是选择性表达的结果，是对当前环境的适应。群体的节点的分布符合幂律公式，同时拥有一定的连通性
最后是还原论和整体论的结合，即整合到高维的结构。一沙一世界，个体的信息并非无关紧要，而是相对的比例（个体/整体）小，但信息是全息的，其是一种本征，可扩散为原来的整体网络；由于个体视野的局限和信息流动的限制，根据贝