DeepoMe · SteeraMed 研究门户
它是一个世界模型，也是一套工具集合——医生给方向，模型自己走稳；我们把衰老、疾病与干预编码为可计算的网络，让每一次个体化决策都有证据链可循。
本网站内容仅供科研参考，不构成医疗建议。
研究版图
总纲 · Framework
测量与表征 · Measurement & Representation
VPR 干预响应智能
配对人体响应数据能告诉我们什么、不能告诉我们什么。
Capomics 能力组学
母科学——模块级内在能力（mIC），跨模块共享的测量语言。
结构与因果 · Structure & Cause
RootMap
衰老标志×器官老化的条件依赖图谱。
Attribution 溯因与贡献度
面向依赖结构的溯因与贡献度分析。
论文撰写中
评测与安全 · Evaluation & Safety
Bench 评测基准
冻结协议基准——332 模块 × 1,916 小分子，检验哪些生物地图真正携带信号。
安全读出层
面向评测体系的安全读出层。
论文撰写中
应用模块 · Application Modules
倡议与生态 · Initiative & Ecosystem
制药工业
同一套人体尺度表征，两个受众：长寿医学在上方版图中用它导航；制药工业在它之上做药物重定位筛选。VPR 在两侧各出现一次。
体系协同——Capomics（能力组学）：贯穿 SteeraMed 各模块的母科学，模块级内在能力（mIC）是全体系共享的测量语言；DeepKang（DeepoMe 机构通道）：随访复检、功效机理记录等机构服务经此与 SteeraMed 地图协同，学术体系保持开放与中立。
版图之内的四条轨
四条轨共用同一份证据底座：Bench 以冻结协议量化能力，RootMap 绘制衰老标志与器官老化之间的条件依赖，Map 把经过验证的能力变成导航工作流，N-of-1 落到个体化干预推理。
基础设施层
给 AI 生成的生物学地图一个统一的坐标系。
动机 Why
AI 能生成「衰老模块」，但没有统一基准就无法回答「哪个更好」。药物重定位需要一个可复现、可比较的人体尺度试验场。
服务 What
332 模块 × 1,916 小分子 × 5 个慢性病任务（扩展至 23 个疾病类别）的评测基础设施：冻结协议保证可复现，在线 Demo 复现论文的 AI Agent 提议-评分-反思-精炼循环，数据与代码全部开源。
愿景 Where
自学习智能体：模块图谱不再依赖人手维护，而是随文献自动生长。核心发现——不存在普遍最优的生物地图，不同疾病需要不同的模块组合。
科学层
哪些「维护能力状态」在塑造器官的老化轨迹？
动机 Why
PPI 网络告诉我们「哪些分子相连」，却回答不了「哪些维护过程在上游影响哪些器官功能」。衰老标志目录是清单，不是关系。长寿医学实践需要知道：测什么、盯哪个候选、随访看什么。
服务 What
从血液 DNA 甲基化出发：为每个基因模块在每份样本计算模块级内在能力分（mIC）；按标志模块高低分组，比较器官模块-年龄关联之差（Δz）——每条主张都要通过四道检查（多重检验校正、随机方向零模型、年龄代理检查、随机基因集对照）。
愿景 Where
迈向第三队列与跨模态读出（蛋白钟、影像）、校准研究，以及经 steeramed.com 开放的 RootMap 交互工具（Research Preview）。
工程化层
证据不该散落在数千篇文献里，它应该长成一张可导航的地图。
动机 Why
医生与研究者需要的是「从个体状态到干预选项」的导航，而不是更多的文献堆。证据需要被组织、被版本化、被追溯。
服务 What
把 Bench 验证过的能力工程化为版本化、证据感知的导航地图：个人状态投影服务个体用户；工业级研究工作流（疾病再分类 → 患者分层 → 药物重定位 → 靶点发现）服务药企与研发团队。
愿景 Where
成为长寿医学的可计算数据底盘——临床沟通与工业研发共用同一张地图、同一套证据链。
应用层
长寿干预本质是 N=1 试验，群体平均回答不了「对我有效吗」。
动机 Why
65 岁以上多病共存率达 42.4%，一病一模型范式失灵。每个人的衰老轨迹都不同，需要能对「这一个体」做反事实推理的模型。
服务 What
DNA 甲基化读取个体状态，DNet 依赖网络（108 术语、1,121 条边）打通中西医学体系，PPI 网络连接药物靶标——收敛为四层证据链（个体状态 → 驾驭对齐 → 机制 → 置信度），并转译为临床沟通三面板。
愿景 Where
从回顾性验证（四疾病药物筛选，RA Recall@10 = 51.7%，5.8× 随机基线）走向前瞻性精准干预闭环：靶点接合验证 → 临床标志物响应 → 个体化处方。