肿瘤智能功能网络医学理论与方法研究

Toward Intelligence Function-reversible Network Oncology

摘要:现代癌症医学模式缺乏整体观，表现为“疗效不确定”及实践中的巨大伤害。人体为碳氢氧氮磷等主要元素组成的“天人合一”的物理学体系.采用大规模网络化数据数学建模的方法，构建肿瘤超生命体（super-organisms）、人体核心功能区块与外界各种治疗干预（物质、能量、信息）之间形成复杂网络体系,通过辨病辨证辩心理辩微生态等方法，分析疾病器官组织等各物质层次水平功能区块网络的变化特征，应用系统生物学数据挖掘工具，分别建立个体相应的各级子系统分子网络核心功能模块数学模型。利用体外实验及异种移植瘤模型，获得各种能量信息方法如热疗、电疗、磁疗、针灸理疗、心理治疗等对癌症超生物体-人体机体网络系统的各种作用数据，构建多层次、多靶点（区）包括物质（药物）、能量、信息干预治疗的网络数学模型，通过计算，实现对癌症超生物体网络系统“协同致死”，即治疗强度超出临界点，而对正常机体网络系统则要求“功能可逆”，即各种干预强度控制在临界点之内，从而实现智能功能无创医疗的终极目标。

关键词：医学模式；智能医学；功能可逆；复杂系统科学；网络医学；

智能功能网络肿瘤学理论与方法研究

一、现代癌症诊疗缺陷的理论根源

1、现代癌症诊疗--“且凶且险”

癌症（Cancer），亦称恶性肿瘤，由控制细胞生长增殖机制失常而引起的疾病，致命之处在于其破坏组织、器官的结构和功能，引起严重营养不良、坏死出血及感染，最终衰竭而亡！尽管技术上取得“巨大”的进步，各种分子靶向、生物免疫等不断涌现，但总体疗效并未取得“根本性”的改变，癌症仍然是人类主要死亡因素，战胜肿瘤之路仍很长，在百余种不同癌症中，至今尚未发现有特效的治疗方法。据国际癌症研究机构（IARC）于2014年初公布的全球癌症调查报告：2012年全球新增1400万癌症病例，死亡人数达820万例，并预测至2030年，与此同时，癌症致死人数将增长至届时的1300 万/年[1］。许多恶性肿瘤如肝癌、肺癌、结直肠癌、前列腺癌的生存率及治愈率并没得到明显的改观[２]。如肝胆胰及脑癌等治疗效果无一改善，肝癌1年存活率不到6%，胆管癌、胰腺癌5年存活率不到1-5%。

被誉为癌症治疗“三架马车”的“手术、放疗、化疗”仍占主导地位，由于缺乏有效的“预警”机制，目前各种治疗疗效确定性低，令人痛心的是，癌症病人多数治疗不受其利，反受其害，多数临终前遭受“多次手术或大剂量放化疗”等巨大痛苦，堪称人道悲剧！近年来，面对日新月异的各种肿瘤微无创及精准医疗技术，目前主流的“损伤性”疗效不确定的方法受到前所未有的挑战[3,4]，尤其大数据、云计算、人工智能技术发展， 进一步为未来癌症学科的发展增加了巨大的动力。癌症作为复杂的巨网络系统，如何促使其恢复常态，将是非常复杂非常长久的过程，决不是大范围的手术、“最大剂量、足够疗程放化疗”所能解决的，事关人类健康最为重要的大事。如何融合全人类几千来的智慧、建立智能预警、微无创癌症防治医学模式将是未来医学发展的必由之路。

2、现代癌症诊疗缺陷的理论根源

西医起源和发展于科学技朮的'分析时代'[5,6]，也就是为了深入研究事物，把事物分解为其下一级的各种组成部分，一个一个认识，如此反复，直到分子原子。这本没有错，但西医把疾病的发生归结于某个或几个“病因”，从而形成“因果决定论”的思维模式，西医的毛病就在于把复杂疾病归为一个或多个“病因”，总认为通过解决病因，就能治好疾病，忽视机体不同的特质的重要作用，人们很难理解这是错误的。事实上，疾病的形成是所谓的病因干扰，促使人体某一稳态的“失衡”，才出现临床症状，绝不是“病因”的孤立作用结果。从宏观上看，癌症是人体与自然、环境、社会长期进行物质与能量交换，体内各大系统相互作用形成的结果而形成的“复杂巨网络”癌症状态，从人体内在原因看，癌症是系统、器官、细胞、分子、量子等不同的层次物质水平相互作用的结果。

癌症形成物质能量交换所涉及的因素既至是千千万万，呈多层次、多维度、众多因素构成的复杂网络“稳态”系统。对于一个不同层次的物质或功能区块组成复杂的网络“稳态”系统，任何“稳态”网络，具有完整结构和鲁棒性，每一种“病因或治疗干预”，对网络“稳态”的作用在不同的背景下，其发挥的作用各不相同，甚至相反的作用，而现代医学包括肿瘤学的研究总是把疾病归结于所谓的一个或多个“病因”的“作用”，问题就出在这里。对于人体这样复杂的网络“稳态”系统，具有很强的“鲁棒性”，任何所谓的“病因”不一定足以改变人体的稳态，只有“病因”强度或量足够大，人体网络系统稳态出现改变时才会出现所谓的疾病，任何疾病的发生，是所谓“病因”这种干扰因素与作用的人体网络“稳态”相互作用的结果[5,6]。

二、复杂网络系统理论与网络医学

复杂网络系统依靠与外界进行物质、能量、信息交换，保持和发展系统内部的有序性与结构稳定性，具有复杂性、层次性、开放性和涌现性和演化性等特性。近年来，复杂网络的理论和实证研究,对于揭示复杂系统的复杂性提供了一个重要的手段。在理论研究中，结合真实系统的性质形象直观的进行复杂网络建模，对于深入了解复杂网络的形成过程和不同节点间的相互关系，捕捉网络演化微观机制和动态特性具有重要的意义；在实践研究中,构造符合自身特性的理论模型以及针对不同的需求实证分析真实系统内在的动力学性质，对于揭示现实系统对应复杂网络的形成及演化机制,提高复杂网络对实际系统需求的应用能力是非常重要的。因此，从复杂网络建模和应用两个角度进行理论与实践研究。

人体内部各系统、器官组织、细胞、蛋白质分子、基因之间相互联系相互作用复杂系统，每一个系统为独立的功能区块，不可分割，很多生物现象，从细胞周期到人类复杂疾病的发生发展过程，其背后涉及到的分子调控机制非常复杂。基因和蛋白质等分子之间通过广泛的非线性相互作用关系形成了复杂网络[5,6]，大量反馈的存在使得系统动态变化过程中并没有简单的因果关系区分，很难对其动力学行为直观地进行预测。表型是由物质分子之间形成的复杂网络实现 [7,8]。随机过程等数学工具的发展，为描述网络的动力学过程提供了新的可能。2011年复杂网络领域著名科学家Barabasi等[7]提出网络医学(Network Medicine)的概念，从点到线到网，指出基于网络分析方法的疾病研究是未来医学之路(图1)，同年在《Cell》[8]上撰文“Interactome Networks and Human Disease”。2012年美国 NCBI 和 NIH 的高级研究员 Przytycka 等[9]进一步指出，基于网络的方法建立基因型和表型之间的关联。2014 年 Rolland 等[10]在《Cell》、2015 年 Barabasi[7]等在《Science》分别撰文，充分论证网络医学在疾病研究中的作用，这些都为基于网络的疾病研究建立了充分的科学依据。运用一种基于校正累计得分的密度聚类方法，该方法通过计算基因集合功能相似度得分作为密度聚类距离度量，进一步通过聚类挖掘蕴藏在异常调控基因集合中的关键基因模块。

一些数据库分析方法也应运而生，如 SoNIA、ＲING、ProteinNetVis 等，可将网络数据可视化呈现。通过对网络拓扑结构分析，一般分为物理、几何及逻辑形式，网络由不同的节点，在药物应用方面，主要应用蛋白质网络（PIN），功能模块由特定相关的网络节点组成的群。网络中的模块常常决定细胞/分子的功能。PIN 中肿瘤疾病相关的基因模块已经成为极具吸引力的网络药物作用靶标。生物网络中的模块往往是重叠存在的，即单个蛋白不止承担单项功能。网桥( bridges) 连接两个相邻的模块，受到两个模块中的节点的独立调节。由于对网桥的调节可同时影响多个模块而产生协同效应，因此，网桥也成为颇具前景的药物靶标。瓶颈( bottlenecks) 是网络中关键的连接蛋白，对网络的功能和( 或) 动态特征产生决定性的影响。它们常常对网络相互作用的动态变化产生反应，并且较少与其临近节点发生共表达。研究者发现核因子-κB( nuclear factor-κB，NF-κB) 就是前列腺癌中蛋白网一个“瓶颈”。如果去除网络中瓶颈的功能，毫无疑问会对肿瘤细胞带来毁灭性的打击。楔点( choke points) 意指一个单独的点，攻击它只需要较少的能量，但是会对整个网络产生较大的影响。显然，楔点比较适合成为药物干预的靶标。细胞中一些具有关键功能的酶往往可以成为网络中的楔点。生物网络的鲁棒性( robustness) 是指其对于内外干扰的保持“稳态”的承受能力。对于肿瘤来说，由于网络中存在负反馈调节环路，模块内的边连接存在替代途径，存在一些鲁棒性强的网络节点，它的网络鲁棒性更强、更具抗干扰能力，对药物引起的扰动( perturbation)也有更强的缓冲能力[7,8,9]。这也是现在的单一通路治疗药物难以治疗肿瘤这种强鲁棒性疾病的主要原因。

三、 实现构建智能无创医学系统技术方法的标准化与简化路径

现代医学体系，如何降低数据处理的复杂程度，实现多病种、多模态、多尺度、多粒度、动态性数据有效汇交整合，建设形成覆盖多病种、多来源、多模态、多类型的精准数据群，更为重要的是如何降低数据维度，避免无所适从的“维度灾难”，在构建复杂系统各物质层次网络数学模型时应以机体相当数量的关于人体整体描述的数据为切入点，先进行各物质层次数学函数关系的确定，这样人为降低数据处理的难度，各个物质层次数据之间的函数关系得以很容易的确立，但至于局部器官或子系统的数据与各物质层次之间的函数关系可独立再进行数学处理，得出其局部器官数据与各级物质层次之间的内在关系。

1大数据采集系统（流水线）的整体化、简单化及标准化

智能医学的关键在于如何正确整合清洗大数据，并挖掘大数据之下的运行规律。现实中的数据不谓不多，相关的研究风起云涌，但智能医学的发展现状并没有想象中的快速建立起来，究其原因关键在于医学大数据尤其癌症数据的复杂性，分散于各个信息平台的各类卫生机构中大量的异构、多模态、多尺度、高粒度的时序数据，整合十分复杂困难，数据的质量也不理想。医疗过程中产生的数据量大，类型复杂，不仅包括各种病史信息，还包括理化检测、影像学及病理图案等，这给数据的存储、分析、处理带来极大的困难，产生这种现象的根源在于现代医学发展不是以整体的面貌出现的，而是着力于局部器官功能及病理改变，把一个完整的人体分解出若干的局部，造成各种检测数据五彩纷呈，而人工智能大数据探寻的各物质层次内部及之间的相互作用及运行规律，因此最好能采用统一的各种检测手段，整体全面检测各个层次物质信息，如全身弱磁共振检测可适时检测人体各器官功能指标，代谢组学各种物质成分的改变等，中医面诊、舌诊数据脉象数据亦为反应全身状态数据等，在这里所强调的主要在于数据的整体全面的反应人体，而不是局部碎片数据，比如CT数据，反应的仅仅是局部某个部位的密度改变，无法与其它患者进行相应的比较，故此，从整体出发，统一数据来源标准，并要求不同时间及状态下全面各层次物质的全面数据，建立各种包含目前现有的中西医学临床病历数据的系统生物学数据（基因测序、mRNA、 miRNA、SNP、甲基化、蛋白质组学等分子生物学数据）、全身弱磁共振数据、代谢组学数据等，为了数据挖掘、数学模型的快速实现奠定了基础。

2 辨病、辩证、辩营养代谢、辩心理、辩微生态、辩分子网络

人类认知能力的局限性永远无法穷尽其自身复杂巨系统所有网络特点，只能从不同的需求，或者说主要存在的问题或矛盾作为线索，通过归纳-分析-归纳循环往复，运用网络化建模的方法，抽丝剥茧，不断深入掌握疾病的发展规律。数学模型只是对癌症及机体核心网络系统的抽象刻画，具体如何逼近真实的人体或肿瘤的运行规律，取决于数据库的构建及有效的数据挖掘。人类几千年来，无论东西方医学，均是根据疾病的表现来进行分类认识的，只不过西医从局部病理变化，中医则从功能区块来区分，辨病辨证才是二者结合的良好手段。通过辨病，可以了解癌症组织来源及形成癌症的人体各种特征，尤其是近几十年来，在治疗上也形成各种不同的针对组织器官及全身的各种治疗方法。中医从整体出发，运用“八纲辩证”对形成癌症的人体组织器官功能水平功能网络状态或特征及体质特征进行辨别，并形成相应的治疗方法。人类作为自我意识的群体，心理的网络状态特质、营养代谢的特点、人体微生态分子网络的区分、免疫网络系统的功能状态、躯体的微循环组织网络系统的状况及自然社会环境各种信息交换等均参与并影响疾病的发生发展，认识疾病必须从上述各条“线索”或影响关键因素着手，分别探讨各自形组成的多层次的复杂网络系统，尤其生物网络状态的特点功能特点，主要取决于蛋白质相互作用。

通过既有的医学知识，可对各种不同特点癌症患者进行分型，在人类可认识的范围内，首先可进行辨病、辩证、辩营养代谢分型、辩心理分型，分别根据患者病理损害机制、中医通过患者的不同表现，逐级进行分型，并建立各种亚型的诊断标准或模型，无疑大大降低数据的维度，避免“维度灾”。另一方面，分别对不同层级的亚型进行甄别，为认识癌症个性化诊疗迈出重要的一步。从复杂网络建模技术角度来 说，通过不同角度辨别疾病，实际上在把各种功能模块网络相近的个体汇聚起来，使“无限多”的维度大大降低。

3生物分子网络的构建

3.1建立体外异种移植瘤（PDX）动物实验模型

受制于现代西医医学模式的局限性及伦理学的限制，无法对人体各种癌症本体进行实验，而获得各种连续的全面系统的数据，现实中的各种孤立的、形式多种多样、碎片式的临床数据给大数据整合带来巨大的困难，异种移植瘤模型直接模拟机体实体肿瘤，可利用这种模型，获得各种能量信息方法如热疗、电疗、磁疗、声波等对癌症超生物体-机体系统的各种作用数据，构建各种肿瘤仿真的治疗数学模型。

3.2 建立细胞生命核心网络数学模型

人体生命系统的核心调控网络是在长期的演化过程中逐步形成的，功能模块是指其功能与其他模块相互区别的独立实体[5,11,12]，相当于复杂系统子系统，由大多数功能模块是由具有特定功能的实体结构通过多种作用相互作用形成的，每个模块可以由一组关键的分子来近似刻画，这些分子通过信号转导和基因调控相互影响，形成一些闭合的子网络或子系统。针对高通量多组学数据，基于数据集成的观点，集成多层次数据：基因表达(Gene Expression)数据、拷贝数变异(Copy Number Variation)、甲基化(DNA Methylation)数据、体细胞变异(Somatic variation)、基因相互作用(Gene Interaction)数据及临床数据等，构建反映癌症特性的多层次生物分子网络模型，进而研究其拓扑关系特性。细胞内蛋白质是生物功能的最终执行者，蛋白质作为节点，构建出反映功能模块执行状态的核心网络结构。这些模块独立执行某些特殊功能，模块与模块之间相互联系，形成网络。由于生物系统中存在大量的反馈调控，系统中信息的传递并不是像中心法则那样的单向过程。相反，在网络的动力学过程中很难找到简单的因果区分[11-13]，通过信号转导及互相作用，形成一个层次分明的闭合自治网络。将这样的闭合自治网络转化为一套非线性随机动力系统进行定量分析，通常会找到一些非常稳定的局部稳态。这些稳态带有明显或不明显的生物学功能：一部分稳态可能具有正常功能，如细胞正常的生长和凋亡等；定量数学模型可以对生物系统进行精确的描述和分析，尤其对于复杂系统而言，数学定量模型的构建和分析可以帮助我们思考和推理，从而得到许多仅靠直觉和简单逻辑推理无法获得的结论和预测[14-15]。这种闭合网络能够很好地解释生物学中的反馈调控的重要意义，同时也体现了生物系统中所特有的适应性和稳定性等性质。以肝细胞肝癌为例（图2），肝细胞的核心功能模块包含了细胞周期模块、凋亡模块、代谢模块、肝特异性功能模块、免疫模块、细胞粘附模块、血管生成模块。各个模块分布由多维度的分子网络构成，通过分别对癌细胞及正常肝癌细胞基因测序、蛋白质、代谢组学等数据的检测，通过软件分别构建正常细胞及癌细胞的基因-蛋白质-疾病网络图。

图2肝细胞的核心功能模块。肝细胞的核心功能模块包含了细胞周期模块、凋亡模块、代谢模块、肝特异性功能模块、免疫模块、细胞粘附模块、血管生成模块。这些模块能相对独立地执行功能，模块之间会相互影响。

4基因-蛋白质-代谢组学-疾病网络与治疗相互作用网络

基于网络药理学的药物重定位的理论基础在于多数药物或靶点在网络中呈现出冗余性的特征，即一个药物对应多个靶点，且一个靶点又对应多个药物。药物-靶标-疾病网络为药物重定位研究提供了一个基础的框架，同时也是药物重定位研究的重要技术之一。获取各种理化方法作用的数学模型及计算。另一方面，上述所谓的药物治疗仅仅是网络系统与外界物质交换，忽视能量（如热疗、电疗等）、信息（如针灸、音乐疗法、意念心理疗法嗅觉疗法等）对人体生理的调节作用 ，其作用产生的治疗性质是一致的，因此应大力的探索各种能量信息疗法作用的功能网络区块或蛋白质靶点。

四、复杂生物网络结构数学建模

肿瘤严重威胁着人类的健康和生命,对于它的病理过程及治疗策略的研究一直是全世界关注的一大难题。肿瘤细胞与外界进行物质、能量、信息的交换，涉及到原子、分子、基因、蛋白质、细胞、器官系统等物质层次，依靠现实中海量资料数据及试验数据，如何分别建立各层次及不同层次间网络及数学模型，才能确保诊疗决策的“确定性”的实现。

1 肿瘤细胞化学动力数学模型

 基于数据驱动的模式发现，集成数据构建网络模型，结合有效的挖掘方法是找到真正蕴藏在数据中的模式的基础。 癌症细胞化学动力模型刻画癌症细胞代谢网络行为：

这一模型描述癌症细胞内复杂代谢网络动力行为，也称之为功能表现。给定时刻，癌症细胞内各种参与代谢的物质的量，取决于各种酶的活性和来源于外界的信号。E代表细胞内各种代谢物质的总和，细胞内各代谢物及各代谢产物之间的调控关系，细胞内代谢网络E随时间t的动态行为如下：为癌症细胞代谢网络图中各组分随时间的变化率（图论中的形式表示）；x表示网络G中的k个节点，{xn |n=1,2，…k};I为外界输入信号（营养物质、治疗干预等信号）；t，时间变量；θ为网络，中节点的联接参数，张量形式。

2 癌症超生物体（super-organism）网络模型

癌症作为超生物体作为一个细胞群的共生实体，动力模型为非平衡态力学-化学动力学（nonequilibrium mechanchemical dynamics）。生长发展涉及到无血管期、血管生成、血管期等。单独对其中一个阶段的数学建模无法提供整个生长过程中的动态变化响应。应考虑肿瘤生长、血管生长及血液灌注,将三者进行耦合模拟,建立各因素间反馈响应机制的动态闭环系统,以期为肿瘤病理现象及抗血管生成治疗的研究提供一定的参考信息及理论依据。首先将肿瘤细胞生长、血管生长、血液灌注这三者耦合建模,模拟出肿瘤生长发展的整个动态变化过程,以及相应的微环境和血液动力学环境的变化信息。在血管重建模型中,同时考虑基质力学环境和血液动力学环境,在两者共同作用下进行新生血管网塌缩及成熟化重建的数值模拟。其行为模式服从广义的Onsager定律：系统性质分为三个部分：耗散结构：随时间t演进，体系熵增；输运结构：癌症超生物体与机体的代谢系统及各类信号系统之间存在密切的分子相互作用（如营养素的吸收、癌症细胞诱导的肿瘤血管的生存、炎症反应、营养不良等）；癌症增长。以下刻画癌症生长网络行为：

公式中：u描述癌症细胞的密度及癌症细胞超生物体所有相关物质的密度，u随时间t的变化由三部分构成，第一部分用T（耗散算子）来刻画系统内代谢产物浓度的耗散结构，第二部分用F（反对称算子）描述代谢物质运输机构，第三部分，H(u)为肿瘤细胞及相应化学物质的反应增长率。T，F和H从原理上依赖E。

3 机体与癌症超生物体间互作构成更大尺度的复杂网络

癌症超生物体与机体各个子系统网络之间的耦合关系，可用于描述临床症状体征、各种治疗干预-癌症-机体互作的开放的非平衡态网络系统，定义为G’，可用下述数学模型描述。

数学模型中，g由可测指标构成的复杂网络各节点上可测量的统称。该复杂网络可视为图论中的图，G’≡G’（x，y），x表示可测量指向标，v为有向边，表示可测量指标之间的相互作用关系，u表示癌症组织，U e肿瘤组织向机体产生的作用，U1癌症组织受到机体对其干预作用，包括各种治疗，此时G’构成一个有向图。t为时间，f为描述G’这个网络图随时间演化的的作用机制。

4 癌症复杂网络系统医学路线图

对于复杂网络建模,以图论为基础,结合真实系统的随机性和确定性，分别利用不同的建模算法对小世界网络和无标度网络进行建模，通过对网络拓扑属性的计算解析网络模型的特性。利用过去多年各种系统生物学数据库的研究数据、动物实验和临床资料所采集的海量数据，进行数据清理分析，做好可供机制性建模（mechanistic modeling）的准备，赋予数据系统性和关联性，把原来各学科的数据整合为描述肿瘤发生发展的多尺度的机制性刻画。以此为为基础，建立相应的化学-力学、动力学复杂网络模型，其次解析计算网络的拓扑属性，然后利用实验数据进行模型实证分析，最后结合不同的需求进行复杂网络应用研究。对于小世界网络,利用确定性建模的方式,根据三角形内外迭代算法不断增长,建立了一个小世界网络模型,解析计算主要拓扑属性发现,模型具有较短的平均路径长度和较大的聚类系数，而网络度分布服从指数分布说明网络模型同时具有随机网络的性质[16-18]。

5 “协同致死，生理（功能）可逆”数学模型

人类医学几千来形成各种各样的中西医治疗方法，尤其近代西医学的发展取得了十足的进步，已形成针对人体不同层次的各种治疗，并产生大量的数据，有针对人体全身的各种治疗方法，如热疗、中医的各种方剂；有针对器官水平的各种治疗，如外科手术切除、消融等；更多的是针对生物分子网络的各个靶点或靶区的针对性治疗。

目前主要有两种以网络为基础的靶点发现策略，分别是中央命中策略( central hit strategy)和网络影响策略( network influence strategy)［7-9］。前者的指导思想主要是通过攻击一些关键点而对网络产生毁灭性打击，这些关键点亦常常成为治疗的靶点，包括hub、中心节点、楔点、层级网络中的顶端节点等。后者的指导思想则是克服系统的鲁棒性，将网络从疾病状态恢复到正常的健康状态。具有中等的连接数目，居于边缘、脆弱位置的节点，如网桥，常常是这种策略的理想靶点。此外，网络影响策略还常常靶向网络片段，如疾病相关的模块等。从网络结构上来说，它们的特点更类似于hub。它们形成一个富集区域，在不同的功能模块间形成网桥，行为学上类似于瓶颈，在关键节点或网络片段之间形成专一的信号连接，这些使得它们在网络扰动中具有更强的鲁棒性［9-11］。随着人们对网络节点的特性、相互作用、调节方式等的整合和深入分析，有望在将来获得更多的新靶点信息。

建立肿瘤治疗复杂网络，通过计算网络的各种统计信息对复杂肿瘤临床数据进行挖掘，即采用基于信息熵的互信息方法进行相关性评估，并引入非参数检验方法（即随机置换检验，random permutation text，RPT）自动确定关联度的显著性。近年来，生物信息学技术和网络药理学方法相糅合，联合实验验证成为中药复方机制研究中的重要方式之一。基于该模式的中药复方研究打破了传统的中药复方机制研究的瓶颈，使得原先难以定性的机制得以预测和验证。该研究方法适用于各类病症的中药复方/单体治疗机制研究。运用网络药理理论方法，筛选中药复方的有效成分和预测作用靶点，挖掘成分-靶点、靶点-疾病、靶点-信号通路之间的关系，并制网络关系图；通过多种方式去预测中药单体成分作用的靶点，并分析机制，利用生物信息学数据库将基因表达谱数据和药物机制关联在一起，利用生物信息学的方式解析中药复方/单体的作用机制，把疾病-药物-机制三者关联在一起。

机体与癌症超生物体间互作以及各种各层次的治疗干预之间构成更大尺度的复杂网络模型。如何使用复杂网络数学模型，计算协同多层次、多元化、序贯的多靶点（靶区、系统）治疗对癌症系统的作用效果及正常机体系统的影响，从而更加确定地达到“协同致死，功能可逆”的目的。