第一幕 · 问题
衰老涉及12大标志、两万个基因、无数交互。传统单一维度的模型已无法应对这种网络化的复杂性。
65岁以上多病共存率达42.4%。传统一病一模型范式失灵。20,000+基因 × 12 Hallmarks × 无限交互，急需统一框架。
长寿干预本质是N=1试验——每个人衰老轨迹不同。如何从个体观察推理到因果机制？
干预一个靶点，系统如何响应？反事实推理：选方案A而非B，系统走向何方？
42.4%
65+多病共存率
20,000+
基因 × 12 Hallmarks
656
衰老队列样本 (GSE40279)
两种路线
试图理解每个齿轮、每条通路、每一个交互。信息量太大，难以即时决策。
不需要理解每个齿轮，但需要知道转动哪个方向盘。在复杂网络中寻找高杠杆的驾驭节点。
不需要理解每个齿轮，但需要知道转动哪个方向盘。
第二幕 · 框架
面向N=1长寿医学的世界模型，需要四大核心能力：状态感知、干预-机制链接、响应预测、个体化推荐。
DNA甲基化读取个体分子状态，量化个体偏离健康对照的程度。
DNet依赖网络（跨体系状态转移规则）+ PPI网络（药物靶标桥梁）+ 化合物靶点库（行动空间）。
网络中的高杠杆节点：干预它们能以最小代价推动最大状态转移。
Δ_i = x_i − x̄_c
其中 x_i 为个体基因值，x̄_c 为健康对照组均值。每个人的偏离模式不同，这就是N=1个体化的起点。
第三幕 · 依赖网络
108个医学术语、1121条依赖边，打通西方衰老标志与中医术语两大体系。
85%
药典功效共现对有DNet覆盖 (51/60)
108
跨医学体系术语节点
7/14
衰老标志中肾为Top-1中医后果
DI衡量统计依赖关系，不是因果关系。在N=1长寿医学中，可操作比理论完美更重要。
第四幕 · PPI验证
在RA、乳腺癌、抑郁症、衰老四个真实疾病数据集上测试药物筛选。PPI网络是连接疾病机制与药物靶标的天然桥梁。
51.7%
5.8× 随机基线
Gini 0.20
抑郁症PPI landscape鲁棒，肌酸Top-1命中率6.8%
PPI模块级聚合在噪声下优于单基因和通路方法。
证据链
从个体状态到置信度的完整推理管线——N=1个体化证据链可复现已知药理。
甲基化扰动PPI模块（如T细胞: SH2D1A, CD8B）
化合物-靶标网络邻近性（Top-10含6个已知RA药物）
靶点强度 |SA|（CTSG/IL10/MPO, |SA|=9.0-10.2）
Bootstrap稳定性（200次重采样，伊马替尼15%稳定）
临床沟通
衰老干预案例——将四层证据链转化为患者友好的三面板视图。
Inflammaging（35个PPI模块）+ 表观遗传改变 + 自噬受损
Niacin #1（30.4%投票率）+ Colchicine #2（29.0%），均为文献趋同候选
Recall-10=15.9%（1.8×基线），等级EXPLORATORY
第五幕 · 路线图
四阶段路线图——从分子状态读取到前瞻性个体化推荐。
当前阶段：DNA甲基化读取个体状态，建立干预-机制证据链。
近期：验证推荐化合物的靶点结合实验数据。
中期：N≥500干预-响应追踪，验证临床效应量。
远期：前瞻性个体化营养处方，可驭性预测准确率验证。
结论
SteeraMed将衰老-疾病-干预编码为可计算网络模型。DI指数量化依赖强度，可驭性指标预测干预响应。
预测能力受限于纵向干预数据稀缺。需要更多干预前-干预后配对数据校准。数据底盘的厚度决定推理精度。
基因网络映射使中医经验从模糊描述升级为可量化的网络扰动模型。现代医学、中医、营养学首次纳入统一数据底盘。
SteeraMed: A Biomedical World Model for N-of-1 Intervention Reasoning across Chronic Diseases and Aging
DOI: 10.20944/preprints202605.1578.v1
