思考，因此我们需要考虑很多因素才能达到与具体现实接近的模型精度（h我们是可以做到的）。我们现在就可以以宏观的自然语言来理解，如原癌基因和抑癌基因的博弈达成的均衡是偏向于疾病发生的方向。或者更宏观，局部组织的细胞在基因水平上失去对其生长的正常调控，导致克隆性异常增生而形成的新生物。序列的不同模式的表达与良性肿瘤和恶性肿瘤密切相关。当然最理想的序列就是1/0序列，任何宏观的对象可以抽象为大规模的底层逻辑的运算，可以在疾病与逻辑运算构建一定的相关性，这简直就是医生的浪漫（好吧，是我的浪漫）。因为在这个层次上，对于世界上任何一种疾病总存在特定的疗法可以治愈（基于连续性假设），当然存在的下一步是找到这个具体的存在，抗生素就是很好的例子。对于抽象的序列的处理就是各种疗法。然后就是网络的逻辑推理，基于高维的知识积累，但这是符合人类思维习惯的运算方法，我们需要挖掘更底层的变化，然后加和。目前是把宏观的对象分解为一定的微观序列，在这个基础分解为宏观的病理特征（出血、咳嗽）、细胞，分子等等层次，这是宏观的诊断过程，是多序列的匹配。关于序列的运算，我现在比较倾向于生物信息的序列匹配算法，其中的打分矩阵思想是很好的度量。同时我认为序列的匹配过程可以理想化为序列的竞争博弈，即不同层次都有一定的倾向来扩大自身的生存空间。这是模仿自私的基因的假设，赋予其生物的性质，能够产生一定的爆炸性生长然后被自然选择筛选。于是就可以顺其自然地引入纳什均衡的概念，即不动点，是局部的结果的稳定状态，是小部分的序列运算。病理的特征结构出现是不动点，mallory小体之于酒精性肝病，风湿小体之于风湿病。
我们在考虑肿瘤实质的时候还应该考虑间质的作用，后者能够塑造的环境可以产生的影响在一定程度决定肿瘤的发展。
肿瘤的异质性包括细胞层次和结构层次，其余正常组织的差异性是其基于相同序列的不同选择性表达的结果。因此存在各种类型的肿瘤。
往后的各种系统性疾病都是各种炎症反应的选择性表达和疾病病理过程的选择性组合，理论上是可以形成无限多的组合，但由于基本病理过程的非独立性和各种序列形成的干涉使得只有有限种可能是真实存在的。这个过程就如同在资源无限的微生物能够以指数级速度生长，在有限空间只能以s形曲线生长，这就是网络的收敛性质。当然这个过程还是有很多模式具有一定的特征性变化，这就是我们整理出来的各种疾病，即一条特定的序列。序列之间的运算就是我们在一般的实验寻找的各种关系，如抑制心脏早搏有助于减少心脏病的发生等等就是序列的运算。当然序列的运算不是真的完全是生物信息学的同源性匹配，我更趋向于bla算法的seed种子序列对整体序列的一个遍历，这不仅仅是出于提高算法速度的考虑，还有一部分原因是真实世界的运算中只需要一部分的关键序列的匹配就可以决定更大规模的序列匹配运算了，这其实是一种接口的思想，使得不同层次以有限的关键序列即接口耦合，形成有序的高维结构。
