说的很好,补充一点别的 1
哥白尼更多的是因为是个柏拉图主义者,坚信"宇宙应该更简洁一些",不满足于托勒密模型的那些这轮那轮的太复杂,所以抛弃了地球中心,改用太阳中心,这样能更简单地解释行星逆行,但是哥白尼没有给出地球运动的明确物理解释,这个在当时的人看来确实说服力不强.

不过,也不能简单地说"哥白尼干的事儿仅仅是给出了一个托勒密模型的简化版本".哥白尼毕竟让人们开始思考到底是"地心"还是"日心"的问题,说他日心说引发一场科学革命也不为过.

开普勒比较有趣,他实际上是"与哥白尼一个路数"。他去第谷那里之前搞的那个五种正多面体宇宙模型说明他是个“完美宇宙论”者，不过第谷死后将观测数据给了开普勒，开普勒终于可以尽情展现他的数据处理天赋，开普勒三定律在天文史上绝对是个不小的进步，不说别的他抛弃圆而用椭圆描述行星运行轨道绝对是个创举，在他的模型里地心说日心说里那些这轮那轮都不见了，这正是他坚信“宇宙应该更简单”的思想的体现。

伽利略是按照另一个思路来的。他觉得日心说相对简单，那就应该有道理。所以他解决的问题出发点在于向人们解释“地动”的物理原理。他的那些物理先驱工作为牛顿的力学铺平了道路。

好文。新鲜的视角和素材。花您。 1

的确是这样
柏拉图主义和亚里士多德主义可以说作为西方哲学的两大倾向直到今天依然存在，简单的说就是应该从人到上帝还是应该从上帝到人，路数不同而已。而这背后共同存在的则是对“本源”的追求，不停的追问世界的“本源”是什么，这也是西方文明和中华文明最根本的不同之处。

但，我们面对的世界只有一个。追问本源的存在不代表不追问本源就不应该存在。如何面对本源的“不在”，既是包括柏拉图主义和亚里士多德主义在内的西方哲学问题，也是西方文明在追问本源下所诞生的科学所需要面对的问题。

就此打住。

要是大家都跟您一样想
那么很有可能，要是大家都跟我一样想，起码200年内不用担心会成为现实。

我个人反对
web3.0，那个东西听起来太玄了。2.0也不喜欢，谁来保管处理我们的保密信息呢？

21世纪实际上是将生物科学家变成生物工厂的奴隶的世纪。只不过以前的蓝领工人，现在需要有一个PHD才能有资格被剥削。

今天刚看了草纹介绍的电影，满脑子都是要控制人类的狂人之类的东西。不说了，再说就胡说了。

呵呵，哪里最安全？
哪里都不安全，没有是最好的，那又何必做研究呢？

如果一门学科不能得到广泛的应用，它能发展吗？就像现在的计算机一样，也可以说把一些计算机科学家变成工厂的奴隶，但是不也有很多科学家在做research吗？

至于web3.0只是那么一说，personal genome的实现对诊断有很大帮助，但确是会带来一些生命科学不能解决的问题。例如这个信息要不要被医疗保险公司知道？不让它知道，是对它不公平，让它知道，有可能对患者不公平。就像多利一样，科学上巨大成就，实际操作问题多多。

记得有一句话
所有的获得都是通过付出得到的。

web3.0能够带给我们什么？我们需要的付出又是什么？

同样的问题，也适用在个人的基因组序列等严格的个人秘密上。目前这个序列，还不会对于个人的医疗保险造成影响。国内我不知道，至少在这里不会。因为这里注册医疗保险，是不需要获得个人的健康状况的。跟汽车保险一样。等你出过事，然后再调高你的交钱等级。我认为这个做法还是比较合理的。

目前的问题，是对于这些序列的解读问题。如果你包含某个突变基因A，理论上，罹患糖尿病的患者中，有3%的人，带有这个突变。但是这并不表明你就是属于这3%，或者说你有3%的可能性会有糖尿病。只有在大规模的个人序列获得之后，通过统计学方法得到的，3%的带有这个突变的人有糖尿病，才能够说你有3%的可能。因为人类种族的多样性，这个样品数需要很大才有意义。另外，还有众多基因间的相互作用问题。所以目前，我们还不需要担心这个问题。

web2.0刚出来的时候，
好像也有类似的问题，不过照样活过来了。当然3.0会怎么样是另一回事。

正是由于Illumina的出现，打破了Affymetrix的垄断，所以成本降到原来的1/10，也就是说普通老百姓得到自己的genome并且了解基于遗传的健康信息成为可能，这也是为什么23andme被大家看好的原因。但是，诚如你所说，这里面还有大量的工作要做，但是蕴含的商机已经显露出来。就是Affy，也开始向consulting转向。

事实上，可以设计合适的探针来做这个。一个Chip上放上万个探针是很平常的事儿，可以很快地得到统计学意义上的SDE gene，但是生物学意义上的SDE gene，则需要很多努力。

现在的最新芯片
已经是1000X1000了，据说技术上上，很快可以达到2000X2000的水平了。理论上，分辨率可以达到每芯片上千万的水平。所以最新的预期是2015年，个人基因组测序的花费是100美元，包括从收集血液开始，到拿到全序列。

这个技术上已经完全没了问题，问题还是在于如何去解读。要想赶在收集足够的个人基因组之前能够完成这种研究，只有一个法子，就是利用现在过剩的生物学博士生和博士后的资源，开展工厂式操作，每个人发给一个基因，然后有操作规程，去做就是了。这就是我所说的PHD蓝领化。这不是危言耸听，即使政府不这样干，也会有大公司自己投资这样干的。

跟基因组不同，这个解读，一旦完成，甚至是部分完成，可是会完完全全的产生直接经济效益的。

所以，目前这个状况，与web2.0是完全不同的。因为涉及到直接的经济利益和个人机密信息的掌控。

我可能有概念理解错了
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？


最后于2008-05-11 08:04:55改,共1次;

回答你最后那个问题


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。

做一个常规的Ilumina片子
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。

数学。生物和数学的距离还是有点远。这也是许多许多年前，
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。

生物信息只是生物计算的一部分，
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？

生物学和数学很难找到对应模型。
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。

是不太好做啊, 所以, 才有空间. 因为, 似乎并不是不可行
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。

三力兄, 如果考虑到难易,当然是不容易,但如果考虑的是能否
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。

这没有什么无良的
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。