细胞信号转导本质上是个网络，是微观层次内部激烈运动，宏观层次表现一定的性质的系统。但我们不能满足与将其称为是个如同道的整体，我们需要根据还原论的思路来逐级分解并且理解，然后再以整体网络的观点来统合我们收集的数据。

信号转导是机体网络对环境的适应，疾病的出现与各个层次的匹配度变化相关即正常网络的一种选择性表达的结果。其中的重点是信息的传递。就网络的理解，信息是一种高维结构，可以代入原有网络的层次之间的微分方程。

分布的必然存在使得不同细胞对不同信号的敏感性不同。

我们现阶段所理解的各种信络的塌缩，是网络的依照选择性表达。而网络是根据环境变化而变化的，以此维持整体的平衡。因此通路是一次具体的观测，有意义但不是全部意义，我们需要以此为基础，不断耦合各个层次，不断升维，并且根据经验使得该高维结构符合现实的具体表达。

络的塌缩，是一种本征，即我们一般的观测结果。但其存在不是孤立的，而是彼此依存的。那么如何对信号通路进行一定的影响使得其能够表现我们的期望：对一定模块的序列匹配运算。

络的分布和分化，如同社会分工。从而有这样的性质：结构越来越精细，但对外界的依赖性越来越大。

生命本质上是对环境的抵抗性变化，即熵增的趋势的抵抗性变化，楞次定律。

根据网络科学的观点，一切高维结构可以投影为低维结构，于是我们把网络投影为无限多的一阶序列结构（这是我们可以理解的维度），然后以序列的匹配运算为基础来整体理解网络。如同1100110+0101110=1010001.

分布是网络的基本性质：一阶的序列不是随机的组合，而是有意义的。因此就有模式的涌现，即运算模块的形成。而模块之间的运算可以形成的高维结构同样可以有高维结构的涌现。层次的不断遍历使得形成一定的网络结构成为可能，这是一个根据局部最优解不断迭代得出的路径。(如概率的运算不是简单的相乘0.6*0.6*0.6。而是根据一定的分布来加和0.4*0.6*0.6*3+0.4*0.4*0.6*3+0.4^3)我们可以以此为本征，画出一定的分布函数。

网络是基于一定的原理得出的高维结构，即不同层次的单位的相互作用，最后各个层次耦合形成的整体结构。此时的性质可以视为系统的涌现。机体的一个经典例子就是受体和配体的结合。这本质上是一种序列的匹配运算。

我们理解通路是相对序列高维，相对网络低维的结构。因此其可以投影为更为低维的序列，从而可以进行一定的运算（量子化的绝对逻辑1/0）.同时网络可由通路的耦合形成，其匹配运算就可以得出一定的初级模型（倾向于根据相似性聚类）。

序列的匹配运算是网络的基本性质之一。网络可以分解为多层次的序列运算：信号的促进或抑制，同时有对促进的促进（级联反应）和对抑制的抑制（反馈调节）……这是网络的多层次耦合的结果。

细胞的信号是生命过程的反映，也在一定程度上控制生命进程，这是如同动态平衡的耦合结构。可以根据具体的环境选择性表达出一定的方向。

概率和数量级的关系使得如同金字塔的分布得以实现。结构化的占据主体分布的大部分（维持网络的整体存在），具体的特化结构占据小部分（对环境的选择性表达）

信号通路的的耦合结构的选择性表达就是各种细胞行为：细胞分化，迁移，凋亡等等。而且这些层次可以不断遍历：细胞的行为是通路的矩阵(通路的序列匹配形成的打分矩阵)运算—组织的行为表现是细胞的行为形成的矩阵和细胞通路层次的矩阵的运算……每个层次都是其他层次的选择性表达的集合。（如a=20%b+50%c+30%d当然具体是网络的矩阵运算）

通路的耦合本质上是一种组合，由于组合的爆炸性增长，使得一定性质得以涌现，即新通路的形成。其交互作用形成网络，其结果是多层次的序列匹配的结构，每个层次都是选择性表达，因此可以有离散的性质。这就是复杂的信号网络。

疾病是相对正常状态的其他状态，这是网络的选择性表达，可以视为打分矩阵的不同取值范围

网络的节点可以视为是收敛的层次，即表现出特定方向的动态平衡。于是许多节点的联合书店具体路径得以呈现。

多层次的耦合看似形成概率很小，但至少对无限可能性的筛选得出的结果，因此但凡可能存在，都可以存在。如各种复杂的信号通路。

对于网络来说，模块的形成是一种基本的涌现性质，这是进行运算的基础，也是我们在序列匹配的连续性的基础上能够表现出离散性的基础。

g蛋白偶联受体是多层次耦合的一个例子：多蛋白的耦合，其可以由与配体的序列结合匹配运算使得结构域变化，这是一种开关机制。

每一条通路都是敏感的，但多通路的激活形成的整体具有一定的稳健性，如同正态分布函数。同时细胞也是很多，而且组织也是很多，而器官能够表现的性质是多层次的集合。这是数量的力量。

生物就是一个多维度耦合的高维结构，其一举一动都是经过无限的运算得出的结果，这是基于层次的运算使得信息传递或运算有一定的收敛，然后是整体的矩阵运算得出