免疫学范文1
英文名称：Immunological Journal
主管单位：第三军医大学
主办单位：第三军医大学;中国免疫学会
出版周期：月刊
出版地址：重庆市
语
种：中文
开
本：大16开
国际刊号：1000-8861
国内刊号：51-1332/R
邮发代号：78-32
发行范围：国内外统一发行
创刊时间：1985
期刊收录：
CA 化学文摘(美)(2009)
CBST 科学技术文献速报(日)(2009)
Pж(AJ) 文摘杂志(俄)(2009)
中国科学引文数据库(CSCD―2008)
核心期刊：
中文核心期刊(2008)
中文核心期刊(2004)
中文核心期刊(2000)
中文核心期刊(1996)
中文核心期刊(1992)
期刊荣誉：
Caj-cd规范获奖期刊
联系方式
期刊简介
《免疫学杂志》（月刊）创刊于1985年，由中国免疫学会和第三军医大学主办，本刊坚持以交流学术信息、开展学术争鸣、繁荣学术园地为其办刊办刊宗旨；为本学科及相关学科读者充实理论、更新知识、积累经验服务为其目的。主要栏目有免疫学进展、专家论坛、基础免疫学、临床免疫学、免疫学技术与方法、短篇报道等。
免疫学范文2
英文名称：Chinese Journal of Immunology
主管单位：中国科学技术协会
主办单位：中国免疫学会;吉林省医学期刊社
出版周期：月刊
出版地址：吉林省长春市
语
种：中文
开
本：大16开
国际刊号：1000-484X
国内刊号：22-1126/R
邮发代号：12-89
发行范围：国内外统一发行
创刊时间：1985
期刊收录：
CA 化学文摘(美)(2009)
CBST 科学技术文献速报(日)(2009)
中国科学引文数据库(CSCD―2008)
核心期刊：
中文核心期刊(2008)
中文核心期刊(2004)
中文核心期刊(2000)
中文核心期刊(1996)
中文核心期刊(1992)
期刊荣誉：
中科双效期刊
联系方式
免疫学范文3
【关键词】免疫学 双语教学 实践 学习模式
【中图分类号】G642 【文献标识码】B 【文章编号】2095-3089（2014）1-0131-02
免疫学不仅是一门重要的医学基础课程，同时也是生物学中的重要学科。随着对免疫学理论认识的不断深入和免疫学相关技术的迅速发展，免疫学已在生命科学研究和生物技术产业发展中发挥着越来越重要的作用。双语教学是指同时用母语和另一种外国语（通常指英语）作为课堂教学语言授课的教学活动[1]。由于免疫学涉及内容广泛，且发展迅速，新的理论和词汇不断涌现，一些词汇用英语更能展示其本义，使用双语教学不仅能加深学生对知识的理解，同时也是适应学科发展的要求。我们通过对生物学专业学生进行免疫学双语教学的实践，发掘了教学过程中存在的问题及提出了相应的解决方案。
1.英语和口语的学习贯穿于免疫学教学的整个过程
长期以来，我国的英语教育以应试教育为主，学生都具备较强的阅读和写作能力，但是在听力和英语交际方面并未达到应有的水平[2]。当我们在课堂上采用英语进行授课时，学生直呼听不懂。此外，免疫学专业词汇丰富，知识体系抽象，更增加了学生学习的难度[3]。因此，要实施免疫学双语教学，必须与高校英语教学相关老师一起合作，共同提高学生的英语基础，尤其加强学生听力和口语的教学。同时，教师在授课过程中，必须遵循循序渐进和英汉搭配的原则。我们在实践的过程中发现，通过先采用英文PPT和英语的讲解使学生们对免疫学概念和知识有初步的认识，然后在辅以中文的解说，不仅能提高学生的英语水平，更能提高学生的理解能力。通过该方法进行教学，使学生在学习的过程中，由以中文学习和理解知识为主、英文为辅转变成为以英文学习和理解为主、中文为辅的学习模式。这种学习模式的转变也为将免疫学等其它生物专业学科的教学转化成为全方位的英语教学提供了基础和参考。
2. 联合使用英文和中文备课
免疫学双语教学的主体是学生，学生是课堂教学真正的主角，而教师是引导者、合作者和参与者。教师在进行授课前必须认真备课，双语教学给教师提出了更高的要求，即同时准备英文和中文两方面的备课内容。在免疫学双语教学过程中，教师必须具备运用熟练及正确的英语进行授课的能力，同时能辅以中文的解释准确传授免疫学理论知识，使学生既能同时运用英文理解授课内容，又能通过中文解释深化对免疫学知识的理解。因此，对教师来说，课堂双语教学是一项艰巨的任务，充满挑战。免疫学是一门系统性很强的学科，前后学习的内容存在紧密的联系，富含丰富的专业词汇。在课前备课过程中，教师应针对免疫学课程自身的特点，按教学大纲要求和教材内容，制定课时和授课计划。对于教学内容的准备工作，教师应在认真阅读和领会英文教材的基础上，尽量使用简明正确的英文表达知识点，使学生容易消化吸收。对于复杂难懂的概念或理论，教师在英文讲解的过程中辅以中文解释，使学生较易理解相应的专业知识。在此基础上，再用英文进行总结归纳，加深学生对知识点的掌握。
3. 发挥网络、多媒体和案例在免疫学教学中的作用
免疫学的知识体系复杂而抽象，许多知识的理解需借助于先进的教学措施和方法。其中，将网络、多媒体和案例教学很好的应用于免疫学教学过程中起到了积极的作用，使原本难懂或用语言文字表述很难理解的内容更直观的呈现在学生面前，让学生能更好的吸收并理解免疫学知识[4]。目前，关于免疫学教学的网站相对较多，其中"免疫学信息网"及国内优秀大学的教学视频和教学课件多数能够在网络上搜索获得，同时，国外各大学的免疫学教学的相关材料也比较丰富，包括众多的教学图片和视频。免疫学双语教学离不开多媒体，集合教材、网络材料等各方面信息制作精良的多媒体课件起着非常重要的作用。通过实践，我们发现在多媒体课件中，联合应用英文和中文描述及各种图片和视频可以加深学生对知识点的掌握，并提高学生在课堂上用英文回答问题的积极性和能力。对于某些较难用以上方法讲解的知识，教师可以通过列举案例来阐述相关的知识点，学生通过对案例的解析，更加深入领会免疫学的基础理论知识。
4、循序渐进的授课方式
在认真备课的基础上，教师应采取坚持循序渐进授课的原则[5]。首先：针对学生初次接触免疫学的知识，采取举例、对比的方式让学生们对新知识有初步的印象。其次，教师应把握每节课的重点和难点，多采用动画、图片、线路图和举例等多样化的方式解读这些内容。同时，教师应具备采用精辟语言总结免疫学理论知识的能力，将丰富的内容总结成几个关键的知识点，并使学生在掌握关键知识点的基础上，运用发散性思维丰富所学内容。再次，教师应能启发学生主动学习和思考问题的能力，并辅以研究性教学让学生亲自体验作为教师如何准备授课内容及采用双语教学进行讲课，从而促使学生自主学习的动力，而该方法的实施可以减轻教师的授课压力，提高教学效果。笔者认为在免疫学教学中最重要的一点是积极温习所学内容，而温习需要学生和教师同时来完成。教师应提醒学生在课后积极复习所学内容，并在下一次课时抽取一定时间和学生一起回顾以前所学的内容，使学生更有效的接受新知识和新内容。
总之，双语教学依赖于教师、学生和学校三者的共同协作，教师的英文水平和教学水平、学生的整体素质及学校的支持和辅助决定了双语教学的发展程度。我们在双语教学的过程中发现，学生都具备一定的英语水平，但是在听力和口语上仍然存在明显的欠缺，因此，学校应鼓励学生多听、多说，提高他们的英语整体水平。教师作为双语教学的引导者起着关键的作用，教师除了具备专业的理论知识和教学能力，应该在英语和中文两方面都有较深的造诣，引导学生挖掘自身潜能。学生作为教学主体，应加强自身训练和学习，因为最终的教学成果是通过学生的掌握程度反映出来。免疫学双语教学是大学教学发展趋势所向，同时，越来越多的课程需要双语教学的加入，这是提高我国大学教育水平及和世界大学教育接轨的必经之路。
参考文献：
[1] 阳雨君. 试论医学双语教学[J].高教论坛， 2006， 2（1）： 79～81
[2] 张同利. 加强高校双语教学的探讨[J].中国高教研究，2007， （5）： 90～92
[3] 韩德平， 田野苹. 提高医学免疫学双语教学效果的探讨[J]. 山西医科大学学报：基础医学教育版. 2008， 10（1）： 88～90
[4] 席俊， 免疫学双语教学中的专业英语整合模式的探讨[J]. 中国西部科技. 2011， 10（12）： 70～71
免疫学范文4
【摘要】理论免疫学用数学的方法来研究和解决免疫学问题，以及对免疫学相关的数学方法进行理论研究的一门科学。随着高通量方法和基因组数据的出现，理论免疫学从受体交联和免疫原理、Jerne的相互作用网络和自我选择等经典建模方法开始向信息学、空间扩展模型、免疫遗传学和免疫信息学、进化免疫学、分子生物信息学和表遗传学、高通量研究方法和免疫组学等方面转变。
【关键词】免疫学, 理论；数学模型；生物数学
Advances of theoretical immunology
JIN Yan
（Basic medical college, Liaoning Universtity of Traditional Chinese Medicine, LIAONING Shenyang, 110032,）
【Abstracts】Theoretical immunology is to develop mathematical methods that help to investigate the immunological problems, and to study the mathematical theory on immunology. With the advent of high-throughput methods and genomic data, immunological modeling of theoretical immunology shifted from receptor cross linking, Jerne interaction networks and self-non self selection, toward the informatics, spatially extended models, immunogenetics and immunoinformatics, evolutionary immunology, innate immunity and epigenetics, high-throughput research methods and Immunomics. Immunology, Theoretical; Mathematical Models; biomathematics
理论免疫学[1]（Theoretical Immunology）是指用数学的方法来研究和解决免疫学问题，以及对免疫学相关的数学方法进行理论研究的一门科学。理论免疫学是免疫学与数学交叉的边缘学科，也称数学免疫学（Mathematical Immunology），是生物数学的一个分支。由于免疫现象复杂，从免疫学中提出的数学问题往往也十分复杂，需要进行大量计算工作，因此从近年兴起的复杂系统研究的角度来讲[2]，理论免疫学也称复杂免疫学（Complex Immunology）。理论免疫学的任务就是揭示免疫系统运行的规律和机制，及其病理机制。数学模型（Mathematical Models）和数据分析是理论免疫学的主要方法，计算机是研究和解决理论免疫学问题的重要工具。
虽然从上个世纪中期，数学模型已经开始应用于免疫学，但传统的模型大部分是基于微分方程[3]、差分模型和元胞自动机（Cellular Automata）[4]。这些传统模型以少数成份（一种受体和一种抗原，或两个T细胞群之间等）参与的简单动力学为主要研究内容。直到2000年，人们才开始对免疫学的复杂性进行数学建模。随着高通量方法（High Throughput Methods）和基因组数据（Genomic Data）的出现，理论免疫学开始转向信息学（Informatics）方面[5]。与分子免疫学的生物信息学（Bioinformatics）分析一样，当前免疫学研究中与复杂性有关的主要研究目标大多集中在高通量测量计划和系统免疫学（System Immunology）或免疫组学（Immunomics）计划。在数学模型水平上，分析方法也从以微分方程为主的简单系统转向广泛应用Monte Carlo模拟（Monte Carlo simulations）。这种向更多分子和更多计算的转变态势与复杂系统涉及的所有研究领域出现的转变极为相似。同时，理论免疫学中另一个重要转变是，人们关注焦点从对外源性的适应性免疫系统的转向更多考虑固有免疫系统的平衡。
1理论免疫学经典模型
免疫学是生物学的一个领域，很早就认识到了数学建模和数学分析方法的作用。早在上个世纪60年代和70年代，数学模型已经应用于免疫学的不同领域，例如：抗原-受体的相互作用、T和B细胞群动力学、疫苗接种、生发中心动力学、病毒动力学和免疫系统对病毒的清除[6]等。现在的许多免疫学原理和观点都是数学模型的结果。
1.1 受体交联和免疫原理
受体交联[7-9]（Receptor Cross Linking）和免疫原理（Immunon Theory）是由Alan Perelson提出、Carla Wofsy作了进一步分析。这个原理根据的事实是，低价抗原不能激活B细胞，而高价抗原（即抗原拥有多个重复基序）即使在抗原密度非常低（3-4目）的情况下也能够激活B细胞。Sulzer和Perelson[10-13]据此发展了这个理论和数学模型并提出，抗原能够聚集B细胞受体，从而激活B细胞。这个结论是B细胞免疫的基础之一。
尽管数学模型对免疫学发展的贡献的例子还有很多，但是免疫网络（Immunological Networks）的概念和自我选择（Self-Non Self Selection）问题占有相当重要的地位。
1.2 Jerne的相互作用网络
假设受体库（Receptor Repertoire）是满的，即受体库中每一个分子都有其相对应的受体，并且这些受体可以特异性地与其它受体相互作用。Jerne据此提出免疫调节网络[14]（Regulatory Immune Networks）的存在。抗原激活的淋巴细胞可产生新受体，这些受体对于其它淋巴细胞来说是抗原，等等，以此类推。这个网络的概念对理论学家来说很有吸引力，特别是在提出神经网络（Neural Networks）中的认知行为（Cognitive Behavior）概念之后，提出了更多的免疫网络模型[15][16]。有人用元胞自动机和布尔网络（Boolean networks）建立大尺度行为（Large Scale Behavior）模型，有人用常微分方程（ODEs）来建立自身调节网络模型（Local Regulatory Networks）。随着时间的推移，人们对Jerne网络学说逐渐失去了兴趣，其主要原因是Jerne网络学说的理论模型和实际的实验证据没有很好的相关性。
1.3 自我选择
调节性网络实际上是理论免疫学中自我选择这个大课题的一部分。假设表达自身反应性受体的淋巴细胞被机体清除（阴性选择）。大多数阴性选择可能是由于中枢性耐受（Central Tolerance）所导致的（T细胞在胸腺，人和小鼠的B细胞在骨髓）。阴性选择机制失败可导致自身免疫性疾病。人们通过多种途径对自我选择展开研究。有人从分子的角度和基于特殊的选择机制来研究，而有人则建立了更为复杂的模型，例如Polly Matzinger的危险模型[17][18]（Danger Model）和Irun Cohen的侏儒模型[19-27]（Homunculus Model）。这些模型都是想反映真实的复杂系统，尽管仅通过检测免疫系统的成分，人们是无法接近问题的实质，但是他们的尝试拓宽了我们的视野。直到今天，关于获得和打破（自身免疫性疾病）耐受的途径，也没有一个公认的解释。
2理论免疫学的现代模型
理论免疫学的模型和问题现在正逐渐向分子理论免疫学方向发展。这种理论方向的演变与大量基因组全序列的检测、分子生物学工具的巨大进展、高通量测量技术的发展、空间分布（Spatial Distribution）作用的测量和建模能力的发展等实验技术的发展是分不开的。同时，计算机处理能力和建模技术的发展也是影响现论免疫学的重要因素。
2.1 Immsim、Simmune和其它复杂模型
免疫学中，最大胆的尝试可能就是建立一个免疫系统的系统模型。第一个建立这样模型的尝试是上世纪80年代由IBM公司Philip Seiden开发的IMMSIM模型[28-31]。其设计的主要目的是为了在计算机上进行免疫应答试验。IMMSIM采用了克隆选择原理的基本观点，认为免疫细胞和免疫分子独立地识别抗原，免疫细胞被竞争地选择，以产生更好的识别抗原的克隆种类。IMMSIM模型的基础是空间扩展的元胞自动机，它用位串（或比特流，Bitstrings）代表受体、抗原和MHC分子的可变性。到目前为止，抗原和受体多样性的位串表示方法已被许多其他研究者[32,33,34]所采用。IMMSIM包括了适应性免疫系统的所有主要成份：CD4和CD8 T细胞、B细胞及其相应的受体，MHC Ⅰ类和Ⅱ类分子和一些细胞因子。但是IMMSIM模型仍然是对免疫系统的粗略描述。因此，人们在此基础上又进行了其它的开发。
第一个较有影响的是由Martin. Meier-Schellersheim开发的Simmune[35-36]。这个系统尝试建立一个足够宽广和复杂的平台，从而能够对免疫学的任意实际过程进行模拟。它不仅是一个特殊模型，更是一个建模技术或语言。
还有应用了Monte Carlo模拟[37-38]或称免疫模拟（Immunosi m）、状态图[39]（State-Charts）等多种数学模型，试图涵盖免疫系统所有可能细节并建立动力学模型。在这个方向上，最有影响的是Sol Eforni的模型。此模型尝试提供胸腺空间扩展动力学的完全模拟，并以此来研究细胞选择[40]。这些综合模拟的优势在于他们涵盖了当前免疫学的所有细节。但是这些模型也有缺点，他们过于复杂，因此对于所观察到的动力学变化，我们无法充分理解其原因及模型对参数变化的敏感性。
2.2 空间扩展模型
从分子水平上讲，免疫学复杂系统分析的最大进展是细胞内分子定位[41]（Molecule Localization）测量技术。免疫突触（Synapses）的发现就是利用了该技术。人们建立了多个细胞膜动力学模型，用来解释突触的形成以及突触的分子动力学。细胞膜动力学模型也应用于B细胞。这些模型中，有的是假设一个固定的细胞膜在二维晶格上（2D Lattice），有的假设一个自由漂浮的细胞膜[42-44]。另一个研究方向的是受体动力学，以及受体与其它细胞膜成份，比如Src家族激酶和脂筏[45]（Lipid Rafts），之间的相互作用。目前此领域的所有模型都是以广泛的数值模拟（Numerical Simulation）为基础的。
空间扩展模拟的另一个领域是生发中心动力学的模拟。经典模型主要采用ODEs来描述一或两个总体的均匀动力学[46]（Homogenous Dynamics），而现代模拟主要应用Monte Carlo模拟[47-49]来研究多空间扩展或者均匀总体之间的相互作用，但是也有一些是采用ODEs。
2.3 免疫遗传学和免疫信息学
不同基因组的排列和不同等位基因的序列使免疫遗传（Immunogenetic）数据库得到了全面的发展[50-51]。免疫遗传数据库IMGT储存了多个物种的T和B细胞受体基因序列（B细胞H链和T细胞β/δ链的V、D和J基因，L链/α链/γ链的V和J基因）。该库也包括了最新的MHC分子的基因序列（包括经典和非经典的）。另外，IMGT数据库还包括了大量的淋巴细胞受体重排序列。
这样庞大的数据库是伴随着免疫信息学（Immunoinfor matics）工具的大量发展而建立的。其中包括用于junction分析[52]、免疫基因对准（Immunogene Alignment）以及系统发育的工具[53-55]。所有这些工具的基础都是将生物信息学理念应用于免疫学。免疫遗传数据库日渐显现的重要性表明，免疫学建模逐渐向基因化方向转变。
2.4 进化免疫学
与B细胞重排受体多重序列的测量一样，多细胞生物中免疫基因的不断积累，使免疫系统发育学（Immuno-Phylogenetics）得以快速发展。目前研究的主要焦点是适应性免疫系统的起源。适应性免疫是免疫系统的一部分，通过随机基因重组以适应新病原体。很明显，在软骨鱼类（Cartilaginous Fish）分化之前，适应性免疫最早出现于有腭脊椎动物（Jawed Vertebrates）。然而，这样一个复杂系统起源的来源还不清楚。T细胞受体结构域（Receptor Domain）和B细胞受体结构域之间的相似性、RAG1和RAG2分子（RAG1和RAG2可起到随机连接基因的作用，又称重组激活基因）在重排过程中的关键作用及其物理性相邻（Physical Proximity），使许多研究者认为，淋巴细胞受体重排的起源是转座子（Transposon）横向转移到原始免疫受体（Primeval Immune Receptor）中。这个领域中使用的主要工具是系统发育分析（Phylogeny Analysis）及其相关的所有数学模型[56]。
另一个系统发育概念和方法的应用是B细胞的体超变异[57]（Somatic Hyper Mutations，SHM）分析。在生发中心反应过程中，通过活化诱导胞嘧啶脱氨酶（Activation-Induced Cytidine Deaminase，AID），B细胞的受体基因发生超变异。随着克隆性增殖，B细胞受体基因平均每分裂一次就发生一次超变异，导致突变克隆的产生。这些克隆表现为微进化（Micro-Evolution），可以很容易地在实验室中研究。对B细胞系统发育树（Phylogenetic）以及它们与其它因素关系的分析，比如老化和自身免疫疾病，也已开始研究[58]。
2.5分子生物信息学和表遗传学
在分子生物信息学（Molecular Bioinformatics）和表遗传学（Epigenetics）的研究过程中[59]，随着分子信息研究水平不断提高，在免疫学中应用模型水平的精细程度也不断提高。免疫学的一个特殊方面是需要将信号转导（Signal Transduction）与基因重排结合起来建模。现已建立了不同条件下的B和T细胞内的基因重排过程和淋巴细胞信息转导的模型[60-61]。从分子角度来讲，另一个重要的分子建模是在抗原提呈给T细胞之前，对抗原处理过程的分析。
2.6高通量研究方法
免疫学是典型的、以免疫假说和免疫原理为基础的研究领域。免疫学是最晚转向以数据为基础的、目前已在其它生物学领域中应用的高通量方法。近5年，在这一领域已取得了很大的进展。这些进展是依靠来自生物学其它领域的经典基因表达的自适应和定位技术[62][63]，以及针对免疫学的新技术的发展取得的。免疫学领域主要依靠实验手段，但实验所取得的结果却是应当属于理论免疫学的范畴，并且与复杂科学密切相关。
在基因重排过程中应用荧光原位杂交技术[64]（FISH techniques）来定位基因是一个令人兴奋的、对免疫学来说更具有针对性的研究进展。这些测量手段使我们在研究基因重排过程中，能够确定受体不同部分之间的相互作用。
另一个对免疫系统来说具有针对性的工具是抗原芯片（Antigen Chips）的发展。这些芯片可同时测量B细胞对成百上千种抗原的应答，并提供整个免疫系统的系统表达[65]。在这类分析中使用的主要数学工具是聚类方法（Clustering Methods）。
2.7 免疫组学
目前，在理论免疫学中，最璀璨的研究领域可能就是新产生的免疫组学。这个年轻的学科已经拥有了自己的杂志《immunomic research》(省略)。免疫组学的主要目标是全方位地研究免疫系统[66][67]。这个领域采用实验与理论相结合的工具。免疫组学目前正在研究的项目有：全部T细胞抗原决定基检测；全B细胞抗体库的定义及其在不同情况下的变化方式；自身免疫性疾病相关的所有基因位点的检测。这个新生领域的成果还有限，但是在不到10年内，免疫学建模将会从基于预定假设（Predefined Hypotheses）的理论问题研究转向对免疫系统受体和靶目标充分认识的、具有针对性的建模。
当前，理论免疫尚处于探索和发展阶段，许多方法和理论还很不完善，它的应用虽然取得某些成功，但仍是低水平、粗略，甚至是勉强的。许多更复杂的免疫学问题至今未能找到相应的数学方法进行研究，还有一些免疫核心问题还存在争议。这就需要未来的医学工作者具备更多的数学知识，对免疫学和数学都有更深入的了解，这样才有可能让免疫学研究更多地借助数学的威力，进入更高的境界。
参考文献
[1] 漆安慎, 杜婵英. 免疫的非线性模型. 上海: 上海科技教育出版社, 1998:iv.
[2] Raina S. Robeva, James R. Kirkwood, Robin L. Davies, et. al. An Invitation to Biomathematics. 北京: 科学出版社, 53-129.
[3] 马知恩. 种群生态学的数学建模与研究. 安徽: 安徽教育出版社, 1996: 5-40.
[4] 陈兰荪, 孟新柱, 焦建军. 生物动力学. 北京: 科学出版社, 2009: 77-177.
[5] 李涛. 计算机免疫学. 北京: 电子工业出版社, 2004: 147-203.
[6] 陆征一, 周义仓. 北京: 科学出版社, 2004: 58-73.
[7] A. S. Perelson and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71.
[8] A. S. Peielson. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands heaiing two chemically distinct functional groups. Math. Biosci. 1980, 49:87.
[9] A. S. Perelsoii. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: descriptioii by ligand states. Math. Biosci. 1981, 53:1.
[10] Perelson, A. S., and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71110.
[11] Perelson, A. S. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands bearing two chemically distinct functional groups. Math. Biosci. 1980, 49:87110.
[12] Perelson, A. S. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: description by ligand states. Math. Biosci. 1981, 53:139.
[13] Perelson, A. S. Some mathematical models of receptor clustering by multivalent ligands. In Cell Surface Dynamics: Concepts and Models. A. S. Perelson, C. DeLisi, and F. W. Wiegel, editors. Marcel Dekker, New York. 1984, 223276.
[14] N. K. Jerne. Towards a network theory of the immune system. Ann. Immunol. (Inst. Pasteur), 1974(125C), 373-389.
[15] Coutinho A. "The network theory: 21 years later". Scand. J. Immunol. 1995, 42 (1): 38.
[16] Campelo F, Guimares FG, Igarashi H, Ramírez JA, Noguchi S. "A Modified Immune Network Algorithm for Multimodal Electromagnetic Problems". IEEE Trans. Magnetics2006,42 (4): 11111114.
[17] Polly Matzinger and Galadriel Mirkwood. In a fully H-2 incompatible chimera, T cells of donor origin can respond to minor histocompatibility antigens in association with either donor or host H-2 type. Journal of Experimental Medicine, 1978(148): 84-92. [18] Matzinger P. The danger model: a renewed sense of self. Science 2002; 296: 3015.
[19] Cohen IR, Young DB. "Autoimmunity, microbial immunity and the immunological homunculus." Immunol Today 1991; 12(4):105-10.
[20] Cohen IR. "The immunological homunculus and autoimmune disease," in Molecular Autoimmunity, ed. Talal N., Academic Press, USA 1991, pp.438-453.
[21] Cohen IR. "The cognitive paradigm and the immunological homunculus." Immunol Today 1992; 13(12):490-4.
[22] Cohen IR. "The meaning of the immunological homunculus." Isr J Med Sci 1993; 29(2-3):173-4.
[23] Cohen IR. "Kadishman’s Tree, Escher’s Angels, and the Immunological Homunculus," in Autoimmunity: Physiology and Disease, eds. Coutinho A, Kazatchkine MD. Wiley-Liss, Inc.1994 pp.7-18.
[24] Cohen IR. "Peptide therapy for Type I diabetes: the immunological homunculus and the rationale for vaccination." Diabetologia 2002 Oct;45(10):1468-74.
[25] Gonzalez G, Montero E, Leon K, Cohen IR, Lage A. "Autoimmunization to epidermal growth factor, a component of the immunological homunculus." Autoimmun Rev. 2002 Feb;1(1-2):89-95.
[26] Cohen IR. "Immune system computation and the immunological homunculus." MoDELS 2006, in O. Niestrasz et al. (Eds). Springer-Verlag, Berlin, pp. 499-512, 2006.
[27] Cohen IR. (2007) "Biomarkers, self-antigens and the immunological homunculus." J. Autoimmun., 2007 Dec;29(4):246-9.
[28] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: A Discrete Models of Cellular/Humoral Responses. ACRI 2000: 117-125.
[29] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: IMMSIM, a flexible model for in machina experiments on immune system responses. Future Generation Comp. Syst. 2002, 18(7): 961-972
[30] Stefania Bandini, Franco Celada, Sara Manzoni, Roberto Puzone, Giuseppe Vizzari: Modelling the Immune System with Situated Agents. WIRN/NAIS 2005: 231-243.
[31] Stefania Bandini, Franco Celada, Sara Manzoni, Giuseppe Vizzari: Modelling the immune system: the case of situated cellular agents. Natural Computing 2007, 6(1): 19-32.
[32] De Boer, R.J. and A.S. Perelson (1994) T cell repertoires and competitive exclusion. J. theor. Biol. 169, 375-390.
[33] Perelson, A. S.1989. Immune network theory. Immunological Reviews 110, 5-36.
[34] Sulzer, B., De Boer, R.J. and A.S. Perelson (1996) Crosslinking reconsidered. I Binding and crosslinking fields and the cellular response. Biophys. J. 70, 1154-1168.
[35] Meier-Schellersheim M, et al. Key role of local regulation in chemosensing revealed by a new molecular interaction-based modeling method. PLoS Comput Biol. 2006;2(7):e82.
[36] M. Meier-Schellersheim, G. Mack. SIMMUNE, a tool for simulating and analyzing immune system behavior. 1999 cs.MA/9903017.
[37] Meyer-Hermann M. A mathematical model for the germinal center morphology and affinity maturation. J Theor Biol 2002;216:273300.
[38] Kleinstein SH, Singh JP. Why are there so few key mutant clones? The influence of stochastic selection and blocking on affinity maturation in the germinal center. Int Immunol 2003;15:871884.
[39] Efroni S, Harel D, Cohen IR. Toward rigorous comprehension of biological complexity: modeling, execution, and visualization of thymic T-cell maturation. Genome Res 2003;13:24852497.
[40] Efroni, E., Harel, D. & Cohen, I. R. 2003 Towards rigorous comprehension of biological complexity: modelling, execution and visualization of Thymic T cell maturation. Genome Res. 13, 24852497.
[41] Alexandros Pertsinidis, Yunxiang Zhang, Steven Chu. Subnanometre single-molecule localization, registration and distance measurements. Nature, 2010 466(7), 647651
[42] Nudelman G, Louzoun Y. The role of lipid rafts in cell surface BCR antigen binding dynamics. EMBC 2004. Conference Proceedings, 26th Annual International Conference of the Engineering in Medicine and Biology Society.
[43] Nudelman G, Louzoun Y. Cell surface dynamics: the balance between diffusion, aggregation and endocytosis. Syst Biol (Stevenage) 2006;153:3442.
[44] Chakraborty A. How and why does the immunological synapse form? Physical chemistry meets cell biology. Sci STKE 2002;2002:PE10.
[45] Li QJ, et al. CD4 enhances T cell sensitivity to antigen by coordinating Lck accumulation at the immunological synapse. Nat Immunol 2004;5:791799.
[46] Kesmir C, De Boer RJ. A mathematical model on germinal center kinetics and termination. J Immunol 1999;163:24632469.
[47] Kleinstein SH, Singh JP. Toward quantitative simulation of germinal center dynamics: biological and modeling insights from experimental validation. J Theor Biol 2001;211:253275.
[48] Meyer-Hermann M, Beyer T. Conclusions from two model concepts on germinal center dynamics and morphology. Dev Immunol 2002;9:203214.
[49] Meyer-Hermann ME, Maini PK. Cutting edge: back to ‘‘one-way’’ germinal centers. J Immunol 2005;174:24892493.
[50] Lefranc MP. Nomenclature of the human immunoglobulin kappa (IGK) genes. Exp Clin Immunogenet 2001;18:161174.
[51] Bromley SK, et al. The immunological synapse. Annu Rev Immunol 2001;19: 375396.
[52] Monod MY, Giudicelli V, Chaume D, Lefranc MP. IMGT/JunctionAnalysis: the first tool for the analysis of the immunoglobulin and T cell receptor complex V-J and V-D-J JUNCTIONs. Bioinformatics 2004; 20(Suppl.):I379I385.
[53] Ruiz M, Pallares N, Contet V, Barbi V, Lefranc MP. The human immunoglobulin heavy diversity (IGHD) and joining (IGHJ) segments. Exp Clin Immunogenet 1999;16:173184.
[54] Ruiz M, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 2000;28:219221.
[55] Lefranc MP, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 1999;27:209212.
[56] Mehr AJ, Ardakani MJ, Hedayati M, Shahraz S, Mehr EJ, Zali MR. Age-specific seroprevalence of hepatitis A infection among children visited in pediatric hospitals of Tehran, Iran. Eur J Epidemiol 2004;19:275278.
[57] Kleinstein SH, Louzoun Y, Shlomchik MJ. Estimating hypermutation rates from clonal tree data. J Immunol 2003;171:46394649.
[58] Eason DD, Cannon JP, Haire RN, Rast JP, Ostrovd DA, Litman GW. Mechanisms of antigen receptor evolution. Semin Immunol 2004;16:215226.
[59] Gay NJ, Gangloff M, Weber AN. Toll-like receptors as molecular switches. Nat Rev Immunol 2006;6:693698.
[60] Mehr R. Modeling the meta-dynamics of lymphocyte repertoires. Arch Immunol Ther Exp (Warsz) 2001;49:111120.
[61] Mehr R, Edelman H, Sehgal D, Mage R. Analysis of mutational lineage trees from sites of primary and secondary Ig gene diversification in rabbits and chickens. J Immunol 2004;172:47904796.
[62] Argyropoulos C, et al. Mining microarray data to identify transcription factors expressed in naive resting but not activated T lymphocytes. Genes Immun 2004;5: 1625.
[63] Choi YL, et al. DNA microarray analysis of natural killer cell-type lymphoproliferative disease of granular lymphocytes with purified CD3-CD56? fractions. Leukemia 2004;18:556565.
[64] Singh N, Bergman Y, Cedar H, Chess A. Biallelic germline transcription at the kappa immunoglobulin locus. J Exp Med 2003; 197:743750.
[65] Quintana FJ, Hagedorn PH, Elizur G, Merbl Y, Domany E, Cohen IR. Functional immunomics: microarray analysis of IgG autoantibody repertoires predicts the future response of mice to induced diabetes. Proc Natl Acad Sci USA 2004;101(Suppl.): 1461514621.
[66] Lauwerys BR, Wakeland EK. Genetics of lupus nephritis. Lupus 2005;14:212.
免疫学范文5
关键字:免疫学 肝脏 乙肝病毒 肝脏移植
免疫学称得上是生命科学发展的前沿学科,其发展日新月异,现已成为一门独立的学科,并广泛渗透到其他基础医学和临床医学的领域之中。而肝脏疾病的诊断和治疗是目前临床面临的重要问题之一 ,不断提高肝脏疾病免疫学诊疗的质量 ,可为临床提供必要的诊疗指标 。下面笔者就从普遍存在的乙肝病毒和肝脏移植着手,谈一谈对有关免疫学的认识。
一、乙肝免疫治疗之相关事项
乙肝病毒在全球有将近4亿的感染者,每年发生与乙肝相关的肝硬化和肝癌而导致的死亡人数在一百万以上,其数目骇人听闻。现阶段,对乙肝病毒理想的治疗方法应该是激活足够的免疫细胞,尽可能减少肝细胞的损伤,并能中止这种持续的感染。免疫治疗前患者体内抗原与前体DC系统的亲和积处于平衡改造状态,平衡常数L1q1L2q2=K,假设从体外补给A的替代物对患者进行治疗,其浓度为X,免疫治疗效果C的增加浓度为N。由于B的群体中个体的亲和力呈正态分布,所以认为B数量的减小倍数等于平均亲和力的减小倍数,假设C的生理流量不受影响,q1不变,那么,N=L2{1-[L1/(L1+X)]1/2},当L1越小, 由于L1q1L2q2=K,所以L2越大,并且当X越大时,N越大。所以免疫治疗要大剂量给药,同时大剂量给药活化势越大,活化速度也就越大。免疫治疗需先降低血液中HBV-DNA水平,所以有必要使用核苷类似物使L1减小,同时为了加速L2的增大,可能有使用免疫或血液系统兴奋剂的必要。又成熟DC数量=N×发生体积,所以有静脉给药或者多点皮下给药的必要。在慢性乙肝病人体内,由于存在静息活化平衡常数,那么在抗原浓度和亲和力相同的情况下,前体DC的浓度和亲和力之积为定值。前体DC浓度越大,亲和力越小,此时给药的途径的区别大大缩小。
乙肝病毒的各种抗原都对促进细胞免疫和体液免疫有作用。拉米夫定能使乙肝病毒各种抗原的表达都有不同程度的降低,从而能降低抗体依赖的细胞介导的细胞毒作用(ADCC);乙肝病毒能通过提高肿瘤坏死因子相关的调亡诱导受体和死亡受体4的表达而增强肿瘤坏死因子相关的调亡诱导配体毒性,人肝细胞中HBV复制水平升高能增强肿瘤坏死因子相关的调亡诱导配体诱导的调亡;HBV感染时肝细胞可强表达CD95L和CD95,相互作用可引起肝细胞调亡。所以拉米夫定的使用能减少肝细胞的调亡。拉米夫定治疗还能降低淋巴细胞的调亡敏感性,并且拉米夫定不会妨碍免疫系统对乙肝病毒的成功清除。在治疗的过程中可以有选择地予以护肝防纤维化治疗。
持续存在的乙肝病毒抗原对其敏感的前体DC持续的反向选择,使得这些前体DC不能在同一段时间内积累,继而使得二者相互作用后产生的成熟的活化的DC不能在同一段时间内积累,以致不能同时产生足够的CTL细胞进行有效的控制被感染的肝细胞的作用。所以有必要提前降低病人细胞外液中慢性乙肝抗原的含量,以减小它们的反向选择作用。自然界中生物对有限的资源同样存在着相互的竞争。各种免疫细胞以及它们的亚群之间均存在着相互的竞争和抑制作用,如T细胞、NK和NKT细胞之间以及它们亚群之间的相互竞争。人体各种前体DC细胞亚群之间也同样可能存在不同种群之间的相互竞争。乙肝病毒抗原系统对对其敏感的前体DC持续的反向选择,使得这些敏感的前体DC减少,进而使得它对其它前体DC细胞的抑制作用减弱,其它的前体DC细胞数量就会增加,进而增强了它们对对乙肝病毒抗原系统敏感的前体DC细胞的抑制作用,使其恢复感染前的速度减小和能恢复的数量减少。同样,被感染的肝细胞也会持续的反向选择对其敏感的CTL细胞而使其数量减少,其它CTL细胞的数量将会增加,它们的抑制作用也会抑制乙肝病毒特异性CTL的恢复。为了增加对乙肝病毒敏感的前体DC的恢复速度,增大其能恢复的数量;同样也为了特异性抗乙肝病毒的前途CTL细胞的恢复,有必要解除这种持续的抑制作用。另外,外周血中被感染的DC细胞低水平表达MHC和共刺激分子,使得它们在与乙肝病毒特异性的T细胞群作用时,诱导活化的T细胞的比例将下降,而耐受和调节性T细胞产生的比例将升高。要解决这些错综复杂的局面,必须对免疫系统重新进行一次格式化。二、肝脏移植免疫学之相关事项
免疫学范文6
苏芸金芽孢杆菌的肠毒素及其编码基因的研究 张文成，任改新
肺炎克雷伯杆菌感染诱导豚鼠内耳产生热休克反应的分析(简报) 邹静，周永清，毕爱芳
RAPD分析在Hp菌株鉴定中的应用 王蔚虹，阎赞华，胡伏莲
检测孕妇感染解脲脲原体的意义 万加华，马守中，戚其玮
幽门螺杆菌感染对胃粘膜TNF-α和一氧化氮合酶的影响(简报) 赵逵，马淑玉，龙小英
人巨细胞病毒单克隆抗体识别的抗原表位的筛选 杨淑静，卜凤荣，王全立
人瘤病毒16型致瘤基因E6在昆虫细胞中表达及其蛋白抗原特性的初步研究 栾怡，于修平，赵蔚明
泌尿生殖道沙眼衣原体基因分析(简报) 汪玎妍，罗宪玲，郭辉玉
牛轮状病毒受体分析 李金慧，訾自强
1b型丙肝病毒在外周血单个核细胞感染状态及其对干扰素应答的影响(简报) 龚国忠，郑宣鹤，赖力英
原代沙鼠肾细胞流行性出血热双价疫苗临床观察与免疫学效果研究 董关木，安祺，朱智勇
恶性疟复合多价抗原基因在小鼠中免疫应答的初步研究 黄建生，张丽芸，郭明秋
p185抗体可致小鼠流产的研究 李晓华，秦慧莲，Mery L Disis
国产与进口重组酵母乙肝疫苗阻断母婴传播乙肝的研究(简报) 赵桂珍，马力，梁争论
MRL/lpr Thy1.1小鼠中一个新的T细胞亚群的发现 宋永平，张永法，金雪兰
异型反应性CD4+-T淋巴细胞在MHC-Ⅰ类分子差异的异体移植排斥反应中的作用 葛建军，内田孝之，张启伟
白细胞移动抑制因子(LMIF)释放的测定及条件性抑制LMIF的作用 梅林，李乐群，范少光
人瘤病毒16型(湖北株)E7基因免疫初探(简报) 王宇哲，伍欣星，盛德乔
肺癌患者红细胞CR1基因密度型分布与红细胞免疫变化的研究 王若霞，郭峰，张俊洁
ICAM-1和VCAM-1对活化淋巴细胞粘附血管内皮细胞的影响(简报) 侯桂华，韩建奎，张庆殷
抗HBsAg和抗红细胞双特异Diabody的构建及表达 陈宇萍，王琰，化冰
CEA单链抗体基因在大肠杆菌中的克隆及表达 王冠华，孔建
血液透析前后血小板提取液中NPY与NT含量的变化(简报) 罗南萍，孟建中，杨道理
用抗原表位定向选择方法人源化抗TNF-α抗体Fab段 王卓智，王琰，李竞
肝细胞癌患者血清IL-6、IL-2系统的变化和意义(简报) 赵彩彦，王彦锁，周俊英
人肿瘤细胞TH2类细胞因子的逆转与NK抗性变化的研究 刘杰，田志刚，张建华
跨膜型与分泌型TNF-α细胞毒效应的比较 石文芳，李卓娅，龚非力
感染人体的博尔纳病病毒ORF I基因前部片段的检测 谢鹏，岩田泰秀，高桥和郎
核酸序列扩增系统与套式RT-PCR检测博尔纳病病毒的方法学比较(简报) 谢鹏，岩田泰秀，高桥和郎
聚合酶链式反应快速检测E型肉毒神经毒素基因 王兴民，孟筱琦，邹开勇
EBV-LMP1基因对上皮细胞增殖的影响(简报) 陈宜芳，郭辉玉，汪慧民
脉冲场凝胶电泳分析耐甲氧西林金黄色葡萄球菌 任冰，程玉林，陈民钧
同一乙型肝炎患者体内HBV S基因的多态性(简报) 房德兴，甘人宝，李载平
恶性疟原虫裂殖子表面蛋白1羧基端编码基因真核表达重组克隆的构建 缪军，薛采芳，喻启桂
不同种属钩端螺旋体疏水外膜蛋白的特征研究 张燕华，许玉堂，曹勇
广州地区解脲脲原体分离株脲酶基因片段的扩增、克隆及序列分析(简报) 赖小敏，方国源，李彩霞
一种探找超抗原T细胞识别表位的新方法 胡伟钢，朱锡华，吴玉章
Ⅱ型胶原免疫调节功能的初步观察(简报) 何丽娜，吴亦伦，叶寿山
细胞性一氧化氮供体的建立及其对肿瘤细胞凋亡的诱导效应 朱敏生，沈月许祥裕
急性上呼吸道感染患儿红细胞免疫功能检测(简报) 刘玉峰，刘玉宁，石明仁
单抗5C5-G1识别的分化抗原表达于活化B细胞胞膜 马凤蓉，朱立平，张立新
慢性丙型肝炎患者病毒血症与抗体型别及肝功能损害的关系(简报) 杨忠礼，邹林樾，马明睿
人重组C3片段通过IL-2自分泌效应对CTLL-2细胞产生促增殖作用 宋泉声，张颖妹，梁红梅
人亲环素A基因的克隆及在大肠杆菌中的表达 李芳秋，赵权，武建国
亚急性重型病毒性肝炎患者和正常人PBMCs对IL-4应答性的比较 石裕明，张立煌，孙永良
慢性丙肝患者外周CTL对HCV抗原位点的特异性识别及受HLA的限制 姚鹏，冯百芳，陶其敏
DCS细胞肿瘤相关膜蛋白大鼠单克隆抗体的制备及鉴定(简报) 段德义，赵雪梅，高进
HER2/neu抗体对SK3乳腺癌细胞株酪氨酸磷酸化及细胞增殖的影响 邵红霞，秦慧莲，李晓华
抗胶质瘤免疫放疗制剂35S标记单抗SZ39细胞毒效应 兰青，黄强，庄道玲
用地高辛标记的PCR/SSO方法进行HLA-B27等位基因检测 蒋黎华，杨珏琴，范丽安
EB病毒潜在膜蛋白对鼻咽癌细胞系CNE1生长及HLA表达的影响 张钦明，孙宁，陈小毅
IL-2基因直接转移促进CD4+缺损小鼠免疫功能的恢复 刘炜，殷金珠
肠杆菌科细菌中超广谱β-内酰胺酶(ESBL)的研究 王辉，吴伟元，陈民钧
钙调蛋白基因缺陷TRP1酿酒酵母菌株的构建和鉴定 陈孙孝，廖万清，温海，姚志荣，邓安梅，仲人前
幽门螺杆菌长期感染蒙古沙鼠模型的建立 郭刚，超，邹全明，刘开云，解庆华，张卫军
浙江省产超广谱β-内酰胺酶菌株SHV型β-内酰胺酶分布 周伟琳，俞云松，陈亚岗，马亦林
念珠菌变应性鼻炎的sIgE检测 吕宏光，高晗
采用通用引物PCR配合SSCP及RFLP技术快速检测常见病原菌 罗雯，万雅各，彭宣宪，王三英
荧光定量聚合酶链反应检测乙型肝炎病毒DNA 刘敬忠，谭淑珍，周艳，雷箴，闫梅，邵伟，吴燕，何蕴韶，肖白
用随意扩增多态性DNA PCR方法检查实验小鼠的嗜肺性巴氏杆菌 常丙功，张远富，李红，石朝辉，张丽芳，刘星
黄病毒属病毒的感染性克隆研究进展 曾明
败血症动物模型中胸腺细胞凋亡及TNF-α作用的研究 胡荣，左大鹏，梁瑞彬，周学红，王耀宏
内源性一氧化氮对致敏大鼠淋巴细胞凋亡的影响 薛建敏，徐永健，张珍祥，沈关心
雷公藤多甙可诱导细胞周期非特异性凋亡 王振刚，王芳，刘爱华
L-4在支气管哮喘发病中的作用研究 王茂，许以平，朱丽君，姚苏杭，邵莉，王利民，王健华
MLC上清液中细胞因子的检测与肾移植急性排斥反应的研究 贾保祥，刘利，徐秀红，张玉海
胃癌P-糖蛋白表达与癌周肥大细胞密度的关系 张友元，张志华，邢寿富，肖和平
