生理是生化的高级表达形式，是各个层次的本征形成的新层次的本征。

生理和病生是互为表里的，疾病是生理网络的表达的一个激发态，其有序性下降，我们需要在一定的层次互补（也是整体的处理，一定的措施就是坍缩后的本征可以扩散为网络）才能回复周期（各个层次的动态平衡，数量，能量比例）

动作电位是局域的亚层，是一系列的蛋白质变化和引发的离子流动的结果。其同样是个周期化的

信息传递依赖于循环的耦合，电信号和化学信号。多信号转导通路的耦合（膜受体，g蛋白，第二信使等等），其位置，作用位点，机制等等属性是矩阵的不同本征。

神经系统的形成就是概率网络的一种表达，这是一种可以成长的机制：大脑的细胞的种类，数目，排列顺序导致的二维模体结构的形成再导致三维空间结构形成，这有个幂律分布。周围神经系统耦合运动系统感觉系统使得机体能够做出周期性的协调运动，如交互抑制，反馈调节等等

系统的多层次耦合，其整体的本征是与外界交换，如肺（呼吸系统）的交换氧气和co2，胃，小肠（消化系统）的营养成分的摄入和和废物的排出，肾（泌尿系统）对血液的选择性滤过

肺的机械运动，其引发的o2，co2的浓度变化可以引发其他层次的变化，如感受器引发的神经变化，从而反过来影响肺的运动，这种反馈性的调节是矩阵，或者网络的运动，这实际上是网络的亚层的收敛半径，层次的层次的层次……是不能无限进行的（实际上可以，但概率太小，如同泰勒级数，我们取前两阶就足够模拟了），其形成的矩阵式的网络，有一定的本征值

动力源于势差，阻力的生成是动态的，即抵抗性变化。这是层次的耦合结构，动态的概率连接使得更大层次生成：大气压使得肺扩张，肺弹性组织回缩力和肺泡表面张力使得胸膜回位，这是相互作用力的综合作用

肺的正常呼吸是一定的表达，即还有一定的潜力

一定的反射是持续性的，这是网络的本征表达

耦合的系统的层次分离是一种调节概率的行为，如肌肉缺乏葡萄糖-6-磷酸酶使得不能补充血糖，这是一种选择性表达，形成社会

a分析，整合分析，综合材料，将已有的实验结果统合到一个更大的网络框架。类似于求本征（然后组合成为网络），和分布函数的耦合。相关性=概率，连接成为网络，连接的模式的涌现。寻找数据的统一性，层次的深入：平均值-均值-方差-相关性，能够如同傅里叶分析分解

确定标准，分析相关性的大小

网络的坍缩

系统的相对独立的层次：分子间的相互作用（形成内部循环），分子的层次衍生（离子泵或通道带动的离子变化和周期性影响，从单细胞到整体的心脏跳动），细胞间的相互作用（信息传递，营养运输），相对独立的血管神经内分泌系统的形成，耦合于全身血管网络（肺部交换气体，心脏分泌一些激素），病理情况是网络的选择性表达，我们要阻止变化导致的分布破坏平衡（基于高维的层次循环）

血管的瓣膜提供选择性的方向，这是网络形成的一个前提，循环的形成在量子层次是不能含糊的，必须非常精确，只有统合于更大的层次才能看得耦合的存在。这都是概率性的表达

管道的缓冲性作用，从主动脉到大动脉到中动脉到小动脉到毛细血管，性质发生平滑的变化，运输的性能下降，交换的性能上升，同时其偶联于神经系统，使得可以产生一定模式的变化，如交感神经激活是内脏血管收缩，肌肉的血管舒张，利于运动。这些大的层次可以分解为小的层次，如乙xian胆碱等等受体的激活或抑制，形成的网络结构最后选择性表达为一定的效应

控制是网络表达的一定的模式，如正负反馈，前反馈是低层次的描述，也可作为本征描述高维结构。网络是高维的矩阵（高度动态），特定模式的探索能够使我们搭建骨架，再选择性表达。根据大数定律，大数据的运动必然有其本征即周期，我们已部分掌握了宏观的周期，现在该微观层次了：不同的颗粒度视为一个层次，可以和其他层次耦合，层次与层次之间有信息的流动，这就是一个选择后的网络本征。模块之间有交流，但信息有一定的优先度划分（神经-激素-分泌因子），模块化地形成网络结构，然后耦合，层次之间的交流是允许的，这就构建一个更大的可能性的库，这时再进行筛选和选择性表达就是一个动态的网络了。自耦合，收敛半径。如同气体的性质

网络的一个本征是细胞的偶联的通道蛋白的序列表达，各个层次总有其本征的表达，即周期性变化

心电图是整体层次耦合的结果，特征波的认识使得我们搭建一个大体的构架，接下来需要我们分解为有意义的波形，需要傅里叶分析

网络的稳健性可能使得一定程度的削弱能够增强整体的生存率。我们要以网络的思维，找住本征（中心节点），辅以一定的扩散（补充节点），使得抵抗性变化被抵抗，从而恢复周期

不同的颗粒度：离子泵，受体，平滑肌，神经，分泌

解剖结构是本征，其同样有个体特异性。

基本作用：肾上腺素能和胆碱能效应（宏观效应相反，但内部耦合），不同位置的受体表