的作用比例是不同的，但我们能够从高维的角度来寻找其可能的不动点式的作用通路，然后我们就可以对其施加影响，起到比较好的疗效。我曾经使用隐马尔科夫模型来构建这些底层状态具有一定的比例，其可以形成一定的转移概率矩阵，然后在具体的序列形成中是各种序列的具体形成的概率之和的竞争，而这些序列就对应于机体的不同健康状况。具体算法可以参考生物信息学的动态规划、bla算法，我们可以认为具有更高匹配度，即打分矩阵的分数的组合及序列可能更加逼近我们需要的不动点，即以匹配度来构建一定的概率分布函数。

当初作为一种模型的建立，我只是惊叹于这种数学模型的优美结构，但一直搞不懂有什么用，也曾一度怀疑是不是自己过度自嗨了。但现在发现，其可能在我们的药物治疗的机制寻找和最后的治疗方案的确定上可以起到很好的作用。

当然现在也还是停留在纸面上的猜想，但我想，或许这是医学大数据应用的底层哲学和数学工具。