主题：【野狐禅】慎独 -- 水风

你说的整体论是类的属性吧，混沌学是个的属性，好比经济系里有营销专业，金融专业等。这我就理解科学意义上的方法论的意思了，我这脑袋只合适直观的东西。

那么就是说相对于不同类别归属的科学研究还有相应不同的整体论方法等待琢磨出来。

如果是还有最后一个问题，这些不同的整体论是不是都要最后归结于数学（或+物理学？）方式的表达？

如果希望定量描述我们这个世界，无论如何离不开数学。对于某些问题定量描述比较困难，比如说“生物进化”，那么不一定非要使用数学。

总的说来，物理学，化学等学科与数学的关心更紧密一些，而诸如生物科学某些方向目前看很难建立数学模型。那么这时候，人们通常是引入一些基本准则，这个准则可以是“物理”的，也可以不是“物理”的。大部分已知准则的建立大体上是通过还原的方法，这些准则能很好的帮助人们解释及预测自然，然而随着人们更进一步研究会发现实际情况很可能复杂的多。比如说环境的影响很大，比如说不同准则之间相互作用等等，这时候还原的方法走到了尽头，人们必需要整体考虑系统行为，这类方法就是所谓整体论方法。

还原论的例子很多，牛顿力学是最好的例子。而整体论例子实际也很多，狭义上，量子力学，广义相对论，都有它的影子。实际上“整体论”是与“还原”不可分割的，依赖于还原的。大家总喜欢用阴阳五行学说作例子觉得它挺玄的，实际上你仔细分析，从方法论上来讲，阴阳五行学说不外乎就是先将自然分解成五种基本元素，然后学说给出元素单独的特性，同时强调各元素相互作用的复杂性，无法分割分析，于是我们看到阴阳五行学注重地是元素之间的关系，这正是整体论的特点，但，再一次，没有还原得出的五元素，何来那些“关系”呢？当然阴阳五行是一种朴素的整体论，他与现在的科学差别在于，它的五元素不是经过严格还原并检验得出的，这是他的理论的重大缺陷。

希望说的明白，我也是个半瓶醋。

现在基本上也就100块钱。这也是为什么Illumina在欧洲攻城略地，而北美市场上，affy也只有招架之功，而无还手之力。其实台湾有公司只要70来块，包运费都能做。如果只用现成的软件，大约两三个小时就可以交出一个gene list，但是这个统计学上的SDE genes，是不是有生物学意义的SDE gene，就很难说了。相信统计软件出来的type I error绝对很大。

如果是cell line的实验，结果一般会非常好。假如只是挑几个做RTPCR去Validate，一个phd/postdoc大概几个月就搞定。可是如果想完全搞清楚一个通路，不要说一个PhD/postdoc了，很多lab一直都在搞一个。目的不同，投入不同。而对于Microarray来讲，基于统计的分析应该不是一个big deal，但是对于生物学/医学的分析，就需要一个经过训练的PhD/senior MS

in bioinfo/biostat 来做了。好的分析员，不仅要懂得统计算法，而更重要的是理解生物/医学背景，懂得如何利用现有的资源(gene ontology, gene interaction, pathway analysis, etc)尽可能的降低false positive。对于基因解读，需要各个方面的努力，才可能在可以接受的时间内完成一定层次的分析。其实，说道蓝领PhD，那些在公司里的PhD们不都是吗？每年那么多毕业的PhD，又有多少进入学术界？对大家而言，不就是一份工作嘛。说到贡献，开创性的工作固然伟大，但是如何转入实际应用对普通人而言才更有意义。

一些经典的科学家，比如物理学家，不把生物学当作科学的原因之一。

现在，当然没有人再把生物不当作科学，但是在和数学的结合上，生物学还是有很长的路要走。现在比如生物信息学，已经开始使用强大的计算功能，但还是远远不够。数学和生物的一种和谐结合，应该最初体现在对还没有实验基础的情况的预测上。例如，对一些简单的生物体（比如细菌）细胞水平上的数学描述，建立模型，有一些已经在实践中很好的应用。但是，对比较复杂的生物，或者到大分子水平的描述，也还有一些路要走。从简单的层面上讲，在知道了蛋白质的一级结构的基础上，如何预测它的三级结构，和十年前比，现在已经做的很好了。在分子水平上看一个细胞，就相当于在个人的水平上看一个社会，基因，蛋白，DNA，RNA，大分子，小分子，进来的，出去的，林林总总，但似乎依然有规律可寻，依然有“大法”存在，并且具有普适性，这些或许就是将来和数学完美结合的接口。现在，无论系统生物学，基因组学，生物信息学，还是有着工程帽子的比如代谢工程等，从大的角度看，还是在初级阶段啊。

或许，有一天，人们可以计算（比如应用计算机）来设计一种全新的生物个体，然后，再到实验室中将这种个体造出来。就象现在的飞机设计一样，先有图纸，然后有飞机。当然，如果真的有这样的一天，人们对于上帝的概念，或许也就不再觉得抽象了。

不过确实有很多路要走。其实重要的问题之一是很多东西仍然不知道。Hodgkin & Huxley的微分方程可谓完美，计算模拟这个东西也不见得很难，但是真找个稍微复杂点儿的生物，去模拟一下它的Neural Circuit/Neuron Network，估计就没戏了。NS内部的信号传递机制太复杂，不仅有电的，还有化学的，甚至有些根本就不清楚，这玩艺儿怎么用数学去表达？

数学模型f(n)大多逻辑上只有有限解，而生物学的逻辑解是几乎无限，有限解是进化出来的。进化= (无限-〉n)在数学上要让数学家抓狂的。

也许,需要的并不只是生物学的不断发展, 也有数学发法的发展。

其实，相比与十年前，由于对生物个体的不断认知，一些基于生物本体的数学应用，已经不但能解释已有的生物现象，而且能够作出一定的预测和设计，这就是发展。

如果展望将来，二者的结合，还是可能的。

还是有空间的.

比如上文中提到的以前让人们抓狂的蛋白质三维结构的预测,现在就进步不少。当然，还有一些其他的例子，当生物学发展到一定阶段，数学的进入与参与几乎已经成为必然。当然，现在还在非常初级的阶段。

宁可要绝对一致的平等，也不要“多样性”带来的痛苦。当然实际上我认为你说的完美基因不存在，因为人类有时候喜欢痛苦。

以现在的技术要做到1000美元以下是不可能的，所谓的1k sequencing 的概念主要还是为了广告效应。近段时期sequencing技术突飞猛进，但要做whole genome sequencing 至少还需要100k+的费用，这还不包括生物计算的开销。以我的估计，大约五年之内把费用减少到10k之内，就已经有不错的市场潜力了。

但是从应用的角度看，也许不需要等那么久。因为如果只是为了预测某种疾病的风险，只需要对一些特定的DNA序列，比如某些基因的coding region, promoter以及enhancer进行测序就可以了，并不需要做整个DNA的测序。这方面已经有相当多的研究成果了。而whole genome sequencing,我个人认为在未来的市场应用中，可能主要跟保险行业联系起来。相对于几百万甚至上千万的保单，花几k测个序可以降低保险公司的风险，保险公司应该是乐意帮你花这笔钱的。

喜欢这一句：

牛顿的“原理”也只是一个“说明”而已，其中包含了很多条假设。到了爱因斯坦的相对论里，假设剩了一条，原则一条，然后就不存在谁绕谁转的问题了。

对你说的还原和整体的概念，关系明白多了，谢谢不爱老师。

俺这高等数学勉强及格的文科生想明白科学家的概念世界挺难的。