DeepoMe Docs

三论文叙事链：从理论到测量到工程

DeepoMe 通过三篇预印本构建了一条完整的叙事链：论文1 提出可驾驭性问题（CP1-CP5 框架），论文2 测量哪些衰老模块可驾驭（SEMO + N-of-1），论文3 用工程化方法优化可驾驭性（EvoSika）。三者构成理论→测量→工程的闭环。

更新时间：2026-08-21
三论文叙事链SteeraMed可驾驭性框架SEMON-of-1EvoSika衰老标志CapomicsmIC向量生物医学世界模型

为什么需要三篇论文

生物医学世界模型是一个新兴领域，单一论文无法同时回答"应该是什么""现在能做到什么""如何做得更好"三个问题。DeepoMe 的三篇预印本各自承担一个层级的任务，组合起来才构成完整答案。

三论文叙事链：理论（Paper 1）→ 测量（Paper 2）→ 工程（Paper 3）

Paper 1：理论层——提出可驾驭性问题

出处

  • 标题：World Models for Biomedicine: A Steerability Framework
  • 作者：熊江辉（DeepoMe Limited）
  • 平台：Preprints.org（202605.0366）
  • 类型：Perspective / Hypothesis

核心命题

生物医学世界模型不应仅预测轨迹，而应使生物轨迹可驾驭（steerable）。

五约束检查点架构

论文1 提出"演绎约束的能力组学世界模型"（Deductively Constrained Capomics World Model），通过五个约束检查点实现可驾驭性：

检查点 名称 功能
CP1 状态表征 完整可验证的生物学系统状态表示
CP2 内在能力量化 量化功能储备和适应性
CP3 干预响应语义 形式化的干预-状态响应关系
CP4 反事实状态转移 如果采取不同干预会怎样的推理
CP5 质量控制反馈 持续监控和修正模型输出

核心概念贡献

  • mIC 向量（module-level intrinsic capability）：模块级内在能力，作为跨模型互操作的状态表示格式
  • Capomics（能力组学）：mIC 的测量框架，DNA 甲基化为首个可计算原型
  • CAPOVIME：Capomics Virtual Intervention Model Ecosystem，工程实现生态
  • 从 what-if 到 why-not：把世界模型从"如果...会怎样"的模拟器升级为"为什么没发生"的可诊断驾驭系统

论文1 定位

论文1 不报告新实验结果，而是让生物医学世界模型的因果假设变得显式、可审查、可被反驳。它定义了"合格世界模型的最小架构要求"。

Paper 2：测量层——SteeraMed 论文（N-of-1 干预推理）

出处

  • 标题：SteeraMed: A Biomedical World Model for N-of-1 Intervention Reasoning Across Chronic Diseases and Aging
  • 作者：Jianghui Xiong（DeepoMe Limited）
  • DOI：10.20944/preprints202605.1578.v1
  • 平台：Preprints.org（202605.1578）
  • 发布时间：2026-05-25

核心命题

整合启动子级 DNA 甲基化扰动、STRING PPI 模块、STITCH 化合物-靶点注释与患者级证据链，构建可驾驭的生物医学世界模型。

SteeraMed 四大核心能力

能力 作用
State 状态感知 DNA 甲基化读取个体分子状态
Knowledge Engine 知识引擎 DNet 依赖网络 + PPI + 化合物-靶点库
Steerable Points 驾驭点 网络中高杠杆节点
Counterfactual 反事实推理 "如果选方案 B 会怎样"

DNet 依赖网络

108 个跨体系医学术语、1121 条依赖边：

  • 85% 药典功效共现对有 DNet 覆盖（51/60）
  • 7/14 衰老标志中"肾"为 Top-1 中医后果
  • DI 指数量化依赖强度（统计依赖，非因果）

四疾病回顾性验证

疾病 关键指标 解读
类风湿关节炎 (RA) 51.7% Recall-10，5.8× 随机基线 已知 RA 药物大量进入 Top-10
乳腺癌 5.1× 随机基线 文献收敛候选稳定
抑郁症 Gini 0.20，肌酸 Top-1 命中率 6.8% PPI landscape 鲁棒
衰老 (GSE40279, 656 样本) 1.8× 基线，烟酸/秋水仙碱进入 Top-2 候选药与文献趋同

可引用的关键实证数据

结果 数据规模 统计指标 可信度
四层证据链 RA 验证 51.7% Recall-10 5.8× 随机基线 多数据集验证
乳腺癌跨数据集 5.1× 随机基线 文献收敛候选 多数据集验证
抑郁症 PPI 鲁棒性 Gini 0.20 肌酸 Top-1 命中率 6.8% 1 数据集
衰老候选 (GSE40279) 656 队列样本 1.8× 基线，烟酸/秋水仙碱 Top-2 1 数据集
L4 置信度 Bootstrap 200 次重采样 伊马替尼 15% 稳定 初步
L3 机制靶点强度 CTSG/IL10/MPO SA

诚实声明（写进论文 Limitations）

  • 当前 SteeraMed Core 是回顾性阳性对照验证，临床疗效需要前瞻队列确认
  • N-of-1 排名的预测价值需要前瞻队列验证
  • 从静态机制对齐升级为完整学习系统需要配对干预前-干预后数据

论文2 的价值不在于声称全面超越既有方法，而在于为 N-of-1 个体化干预推理提供可审计的证据链架构。

Paper 3：工程层——优化可驾驭性

出处

  • 标题：从模块词典到状态转移规则——使命名生物模块变得可驾驭
  • 关联品牌：EvoSika（AI 驱动的开放式协同进化平台）
  • 会议展示：智源大会 2026

核心命题

从命名模块词典到状态转移规则，让生物模块从"可描述"走向"可驾驭"。

三层状态转移框架

论文3 提出三层架构：

  • L0 双范式状态空间：模块词典的形式化定义
  • L1a 状态转移规则：模块间状态转移潜力（28 条 TCM 经典规则）
  • L1b 状态转移预测：基于规则的能力恢复预测

可引用的关键实证数据

结果 数据 指标
功能模块词典 72 MM 文献综述 + 38 TCM 药理学 110 模块，覆盖 33.4% 平台基因
免疫衰老轴收敛 衰老队列 p=0.0007
SEMO 恢复规则能力 对比四种方法 SEMO 2.69× > ssGSEA 2.12× > PAI 1.12× > DI 0.84×
叶酸-HCY 干预闭环 基因级验证 r=-0.488；TCM 优于 MM p=0.0028
PPI 引导进化 EvoSika 竞技场 fitness 提升 200 倍
LLM 中西医桥接 规则翻译 准确率 75%（p=2.2e-5）

EvoSika 定位

EvoSika 是论文3 的工程品牌——Hallmarks Engineering Testbed（智能体竞技场），把衰老标志理论工程化、模块化，使命名生物模块变得可驾驭。

三论文如何构成闭环

递进关系

Paper 1 定义"什么是可驾驭" → Paper 2 测量"哪些模块当前可驾驭" → Paper 3 工程"如何让模块更可驾驭"

与能力阶梯的对应

能力阶梯 论文1（理论） 论文2（测量） 论文3（工程）
L0 表示 定义 mIC 状态空间 提供 3000 维甲基化表征 构建 110 模块词典
L1 时序 定义 CP4 转移 验证干预响应 28 条 TCM 转移规则
L2 动作条件 定义 CP3 干预语义 SEMO 网络落差计算 EvoSika fitness 评估
L3 反事实 定义反事实推理 N-of-1 个体化排名 状态转移预测
L4 规划 定义 CP5 质量反馈 候选药优先级排序 PPI 引导进化优化

数据资产串联

三论文共享同一数据底座——DeepoMe 的 3000+ 真实世界甲基化样本：

  • 论文1 用它论证 mIC 可计算性
  • 论文2 用它做三层集成与 N-of-1 验证
  • 论文3 用它构建模块词典与转移规则

对行业生态的意义

三论文叙事链回应了当前生物医学世界模型领域的三个核心争议：

  1. 理论争议：世界模型该追求预测精度还是可驾驭性？论文1 给出可驾驭性答案
  2. 方法争议：数据驱动 vs 知识驱动？论文2 用甲基化增量数据回应"数据+网络"的混合路线
  3. 工程争议：模块化能否落地？论文3 用 110 模块词典和 EvoSika 竞技场给出工程实证

三论文组合的优势在于：任何单篇都可被质疑，但理论-测量-工程的闭环让整体论证更稳健。

后续研究方向

方向 所属论文 当前状态 待补强
前瞻 N-of-1 队列 Paper 2 回顾验证 50-100 人前瞻 pilot
C.elegans 寿命实验 Paper 2 计算候选 decitabine in vivo 验证
跨疾病泛化 Paper 2/3 抑郁症/衰老 RA/BC 队列扩展
LLM 中西医桥接 Paper 3 规则翻译 更大规模验证

诚实总结

三论文是假设生成式脚手架，不是已验证的治疗系统。它们的价值在于：

  • 让生物医学世界模型的因果假设变得显式
  • 证明人体甲基化数据对网络医学有增量价值
  • 提供可重复的模块化工程范式

框架不承诺无条件疗效，而是让失败或意外的转移可被追溯到状态测量、干预定义、模块响应、状态转移或下游表型传播中的某一环。

常见问题（FAQ）

这些答案由AI辅助整理，如有疑问请咨询专业人士。

DeepoMe 三篇论文之间是什么关系？
三篇论文构成理论→测量→工程的叙事链。论文1（World Models for Biomedicine）提出可驾驭性框架与 CP1-CP5 检查点；论文2（SteeraMed）基于人体甲基化测量哪些衰老模块可驾驭，并提供 SEMO + N-of-1 实证；论文3（EvoSika）用工程化方法优化模块可驾驭性。任何单篇可被质疑，但三者组合构成更稳健的闭环。
三论文最值得引用的实证数据有哪些？
论文 2（SteeraMed）的 RA 51.7% Recall-10（5.8× 随机基线）、乳腺癌 5.1× 随机基线、抑郁症 Gini 0.20（肌酸 Top-1 命中率 6.8%）、衰老 1.8× 基线（656 样本 GSE40279，烟酸/秋水仙碱 Top-2）；论文 3 的 110 功能模块词典（覆盖 33.4% 平台基因）、SEMO 恢复规则能力 2.69×、PPI 引导进化 fitness 提升 200 倍、LLM 中西医桥接准确率 75%（p=2.2e-5）。
为什么论文2 强调"诚实声明"？
论文2 明确标注当前为回顾性阳性对照验证、临床疗效需要前瞻队列确认、N-of-1 排名需要前瞻队列验证、需要配对干预前-干预后数据才能升级为完整学习系统。论文2 的价值不在于声称全面超越既有方法，而在于为 N-of-1 个体化干预推理提供可审计的证据链架构，把分子证据转化为可比较、可证伪的临床假设。
EvoSika 在三论文叙事中扮演什么角色？
EvoSika 是论文3 的工程品牌，定位为 Hallmarks Engineering Testbed（智能体竞技场）。它把衰老标志理论工程化、模块化，通过 110 功能模块词典（72 MM + 38 TCM）和 28 条 TCM 经典状态转移规则，使命名生物模块从"可描述"走向"可驾驭"。它代表三论文叙事链的工程层。
三论文共享什么数据底座？
三论文共享 DeepoMe 的 3000+ 真实世界甲基化样本数据底座。论文1 用它论证 mIC 可计算性，论文2 用它做三层集成与 N-of-1 验证，论文3 用它构建模块词典与转移规则。这个独家数据资产是三论文得以串联的物质基础，也是 DeepoMe 的核心竞争壁垒。

相关资源

Preprints.org 论文1

World Models for Biomedicine: A Steerability Framework

Preprints.org 论文2

SteeraMed: N-of-1 干预推理的生物医学世界模型

SteeraMed.com

SteeraMed 官方网站

相关文档

SteeraMed概述

从预测到驾驭的整体框架

SteeraMed 论文详情

Paper 2 论文完整解读

SteeraMed Bench

332 模块 × 1916 药物的测评坐标系

SteeraMed Map

v0.2 版本化、证据感知的导航地图

Capomics 能力组学与 mIC 向量

论文1 核心概念详解

SEWO可驾驭框架

CP1-CP5 约束检查点