130种。构成细菌细胞的基因组的dna分子，代表了从101000000种可能序列中的一种或为数不多的几种选择。显然，自然界只可能检验了其中的一小部分。数学上，一条包含了人类v个残基的序列，允许有种可能拷贝在k个位置被取代。图32示意一个基因，它是对129个氨基酸编码的序列。

    某些微观态可能会强烈地影响宏观行为。这样的涨落可能放大并引起先前的稳定态被打破。非线性通过远离热平衡的过程加入进来。

    生命的经典的必要条件是：1自复制以保持物种，而不致被稳步解体，2变异和选择以放大和完善物种的可能性，偏爱某种价值标准，3代谢以补偿稳定的熵产生。

    曼弗雷德艾根提出了一种方案，可以通过数学优化过程来实现这些标准。在此模型中，自复制的成核和进一步进化的系统，在诸如蛋白质和核酸这样的随机大分子序列的分布中，以一定的期待值出现。自复制的起始拷贝的选择是偶然的，但是后继的进化优化到独特效率水平是受物理原理引导的。在此模型中，无论何地，只要物理的和化学的条件得到满足，就可能发现生命，尽管某些分子结构表现出与我们所知的系统没有多少相似性。

    最后的结果是一种独特的结构，例如，某种优化了的分子序列。达尔文的适者生存原理进行了数学处理，即对可能的分子序列的微观态进行优化。这里假定，在简单的情形下，生物分子通过自催化而倍增。例如，两种生物分子a和b，从底物gs通过自催化而倍增，但是一种分子除了倍增以外，它还得到另一种的支持，且反之亦然图33a。在更复杂的有多种生物大分子的情形下，后一种采取了循环催化的方式进行倍增艾根的“超循环”图33b。这种伴随着突变的机制能够实现进化过程。

    艾根提出了一个进化优化的简化模型：生物细胞的机制在某一个有4种构成基因的化学物质actcg的序列中编码。每一基因都代表了一个功能单元，它是优化地适应了其环境的特定目的。自然界的基因的长度一般很少超过1000个序列位置。因此，对于4种符号，长度为1000，就有41000种可能的基因“突变”。在科学记法中，这大约是10600种可能性。为了获得对这种巨大数目的印象，我们应该记住，整个宇宙中的物质量相当于1074个基因，宇宙的年龄小于1018秒。

    因此，如果所有的宇宙物质从其一开始“大爆炸”就用来进行替换，从而每秒钟产生出一种新的长度为1000的基因，那么至今也仅应检验了1093种突变。艾根得出结论：代表优化功能单元的基因不可能是在随机过程中产生出来的，而必定是通过自优化过程发展起来的。

    数学上，适应过程可以设想为一系列的位置置换，其目标是获得最后的“优化的”序列。这是一种典型的计算机科学中的问题求解方式的解释。为了成功地求解一个问题，我们必须找到一种合适的自优化策略的空间表象。因为对于大量的数目，一个三维空间显然是不合适的。策略的长度，即从基因到其优化变异体的距离，是太长了。人们会误入歧途。进一步，高度相似的序列不可能在三维空间的邻域中得到适当的表示。因此，人们提出以如下方式来改变维数。

    一条具有n个位置的序列定义为n维空间的一个点。对于两个符号0和1，有2n种可能的序列，它们是此空间的点。每一点具有n个近邻，它们代表了仅有一个位置不同的突变“1个误差突变”。在两个仅仅为0或仅仅为1的端点之间，有n个可能的关联。在图34a－d中，对此二元情形有一些n维序列空间的例子。这些空间的巨大优点在于其非常短的距离和密集的可能关联的网络。举一个例子，在1000维空间中最长的距离仅仅是1000个单元，在1014个点的2