临床检测血清AFP中，应该对患者采用有效生长激素检测方式，这样才可以提高检测的准确性，提升患者的身体健康质量，提高治病疗效【1】。以下针对我院从2013年1月到2013年12月期间采集的100例住院患者血清标本进行分析，探讨临床中，采取化学发光免疫法与放射免疫法检测血清AFP的效果。
1.1资料
对我院2013年1月到2013年12月的100例住院患者进行血清标本收集工作，本次研究的血清标本采集中，均是由经验丰富的检验人员在2小时内，对清晨空腹患者抽取静脉血3ml，并排除患者有先天性疾病、心肝重要器官疾病；试验仪器包括德国罗氏公司的检测试剂盒，以及电化学分析仪、放射免疫分析仪、深低温；将患者随机分配成对照组与试验组，且在每组中都具有50例患者的血清标本，患者在性别、身体状况以及年龄等资料方面，相互进行比较后，不存在差异，无统计学意义。
1.2方法
1.3统计处理
对本次两组研究结果，可以应用统计学软件SSPS12.0【4】，针对最后两组的检测结果进行处理，在数据处理之中，计量资料我们将会用t检验进行比较，技术资料用x2检验，设置统计学的水准是a=0.05。
2结果
两组检测结果，电化学发光法检测血清AFP线性范围更宽，电化学发光法检测血清AFP精密、灵敏度度更高，其两组检测结果之间差异非常显著（P
3讨论
据悉，血清AFP是检测原发性肝细胞肝癌的标志物，是最灵敏性、特异性的肿瘤标志，在临床肿瘤诊断中发挥重要作用。针对血清AFP检测中，应该制定合理的检测方案，才可以取得准确的检测结果，提高肝癌患者的生活质量。因此在临床诊断检测血清AFP中化学发光免疫法，较常规放射免疫法检验有较好的效果，可以提高检测结果的准确性、灵敏性、高度特异性。
化学发光免疫法检测血清AFP，在临床中具有较好的效果，应用化学发光系统作为抗原抗体反应指示系统，定量检测抗原、抗体，并应用发光剂标记抗体，与其它检测方法相比，具有很高的稳定性，采用机器自动加样，具有准确性，化学发光免疫法检测的线性范围较放射免疫法检测更宽，更适宜于临床检测血清AFP。在血清AFP测定中，应用电化学发光法进行检查，可以采用高度的特异性抗体【5】，有效起到清除样本干扰的作用，提高检测结果的灵敏度，减少误差，使用电化学发光法测定血清AFP，临床检验效果更稳定。
由上可知，在临床中对血清AFP检测中，应用放射免疫法与电化学发光法检测进行检验，电化学发光法检测较放射免疫法更具应用优势，具有更好重复性，精密度高，有很好的临床效果，值得在实际在推广应用。
参考文献
[1]张红祥.化学发光免疫法与放射免疫法检测血清AFP临床分析[J].中国现代药物应用.2010（07）
[2]章茂友.放射免疫法与化学发光免疫法检测血清AFP效果分析[J].中国现代医生.2010（36）
[3]张改英，王耀荣.化学发光免疫法和放射免疫分析法测定血浆脑钠肽浓度的比较[J].疾病监测与控制.2010（10）
本文阐述在ARCHITECTi2000SR全自动化学发光免疫分析仪应用实践中进行使用方法的改良，极大地方便了仪器操作者的使用，有效地避免了使用过程中的差错的发生。解决故障的过程有助于思路的扩展，对使用其他的检验仪器有很好的启发作用和较大的参考或应用价值。
关键词：全自动化学发光免疫分析仪；标本容易加错现象；标本识别移位故障；改良方案
【中图分类号】
Architecti2000SR全自动免疫分析仪是由美国雅培公司研发的第三代大型全自动免疫分析仪，采用化学发光的原理进行检测，具有较高的灵敏度、特异性和稳定性，具有检测速度快，测量范围宽广等诸多优点，且可与生化模块C8000相连。且检测试剂稳定并易于进行室内与室间质量控制。然而全自动化仪器的高故障率亦对检验技术人员提出了更高标准的要求。本文即是作者在雅培i2000SR全自动化学发光免疫分析仪应用实践中遇到的：容易出现加错标本，和机器本身出现标本识别移位的故障现象，分析其原因、探讨改造方案并付诸实践成功解决故障的过程，以便应用到其他的现代化的检验设备使用中去。
1标本容易加错的改良方案
1.1标本容易加错的现象：
由于该机器的原来的设计是每个标本架只有5个孔，也就是每个标本架只能放置5个标本，这样就使使用者放置标本时，必须要好好的记着所加标本的原来的编号，待放到架子上时要好好的计算出标本的位置是在第几个架子、第几号位置编号。譬如：手里拿着16号标本需要放置到标本架子上时，就必须计算出是第4个架子的第1号位置才是16号的位置。是非常的不方便吧？
1.2标本容易加错现象的解决方案：
因为我发现了这个非常不容易计算出所要加的标本位置，并且又很容易加错标本，工作起来非常不方便的现象时，就一直在脑子里寻求一个解决这个问题的方案。
不久我就想出来了个解决的办法：那就是在每个标本架的靠近1号位置端，设计出了一个不干胶贴，上端标明1、2、3、4……架子号顺序号，下端标明该架子的5个标本号在该架子上的应有的顺序范围。详见附图1改造后的第一个托盘俯视图
2标本识别移位故障的改良方案
2.1故障现象：
应用ARCHITECTi2000SR全自动化学发光免疫分析仪进行批量编程，每个标本架放置5个标本，每5个标本架为一组，每一组用一个托盘托起，即标本号依次为1-25、26-50、51-75、76-100四组。在全部标本仪器检测完成后，对HBsAg阳性标本利用金标法复查时，偶然发现阴阳性结果极为不符合的现象。遂对每个标本对应的架号、位置、结果逐一排查，发现个别标本架上的标本并没有消耗（即没有被取样），但却赋上了数值。经逐一检查仪器所加样本与操作者编程的标本架号位置明显不同，即发生了跳跃，如31号标本所赋值实为36号样本测试值或其它样本值。
2.2故障分析：
3标本识别移位故障的解决方案
通过细致的观察分析、严密的科学探讨和积极的创新实践，我们对ARCHIT-ECTi2000SR全自动化学发光免疫分析仪的进样系统，进行了简单而合理的改良，使上述故障得以完全解决。具体方法如下：
准备100个改造过的与架同高的平口空试管（以合适放置加样杯为宜），利用条码机打印1-100编号号码的条码，分别贴在每个试管上条码器能够扫描到的位置。将这些贴有条码的试管按顺序放置在标本架上，并保持条码向外，易于条码系统识别判读；实验操作时只需将加样杯放置在对应贴有条码的试管上即可。请注意：只需更换加样杯加病人血清标本。更多的标本亦可用类似方法粘贴上1-100或更多的试管条码。
详见附图1图2所改造的H540试管架俯视图和侧视图
经过如此改良，仪器在进行标本架条码扫描时，同时也会给每个试管条码进行扫描，如果其中某个标本架条码漏扫，但仍会扫描到试管上的条码号，机器则自动的默认标本架的存在，就不会出现跳架移位的现象。
4思路扩展与推广应用
标本容易加错的解决方案：就是以较小的改造或改良，而改变了原来的设计的不足，避免了工作中容易出现的错误。像这种小的改造可以用到大多数的试管架子是5个试管位置的大型生化分析仪、放免分析仪等的仪器上。
标本识别移位故障的解决方案：类似的跳架移位故障，不仅出现在ARCHIT-ECTi2000SR全自动化学发光免疫分析仪上，在其它设备上，譬如ARCHITEC-Ti4000SR等仪器亦会出现，亦可采用此法进行改造或改良。兄弟单位同类仪器或不同品牌的仪器，出现类似的因为批编程而出现的跳架移位故障亦可借鉴此方法一试，以避免出现数据移位错误，为临床提供准确的检验信息。
关键词：免疫学；综述教学；教学方法
医学免疫学进入2l世纪以来迅猛发展，已成为生命科学领域的前沿学科之一，其理论和技术已广泛渗透到生物学、基础医学、临床医学和预防医学的各个学科，掌握医学免疫学的理论知识对医学生今后从事临床和科学研究工作都非常必要。本文就《医学免疫学》教学中开展综述教学进行介绍。
一、综述教学的概念
二、综述教学过程
1.教学分组。以我校2009级临床医学本科学生1个合班（6个小班共198人）为对照班，采用传统方式教学；在2010级临床医学本科学生的医学免疫教学中随机挑选1个合班（6个小班共192人）实施了综述教学，为实验班，另随机挑选1个合班进行传统式教学（6个小班共195人）做对照班。
2.综述教学基本流程。教师第一次课向实验班学生讲明综述教学目的、布置查阅综述基本格式作业—学生查阅综述后相互补充形成基本格式，教师确认—学生自选有关免疫学的兴趣点查阅文献，拟出研究主题（可以多个）—与指导教师讨论确定研究主题—学生针对确定主题查阅、整理文献、撰写综述—指导教师修改综述—学生按指导教师意见完善综述—课上交流总结、提高。
3.效果评价。采用成绩分析和问卷调查两种方法评价。①学生成绩考核将进行综述教学的2010级实验班与传统教学方法的2009级和2010级对照班进行成绩比较，试题难度、覆盖面、基础知识等无明显差异，具有可比性，结果见表1。
（a）P>0.05，vs①；（b）P
由试卷成绩可见实验班的平均成绩比对照班高（P
结果显示，大多数学生认为综述教学能明显激发学习兴趣，增强学习的积极性和主动性，提高多种能力，从而提高学习成绩。
参考文献：
[1]卢渝.浅议如何提高免疫学教学质量[J].中国健康月刊，2011，30（6）：312-313.
[2]林巧爱，薛向阳，张丽芳，等.提高医学免疫学教学效果探讨[J].基础医学教育，2011，13（5）：407-409.
[3]温伟红，杨琨，王春燕.学免疫学本科生理论课教学探讨[J].山西医科大学学报，2007，9（5）：487-488.
[4]苗英慧，郭艳丽.如何在医学免疫学教学中培养学生的学习兴趣[J].考试周刊，2011，27：204.
[5]吴艳敏，王慧.在免疫学教学中开展互动教学的几点体会[J].齐齐哈尔医学院学报，2010，31（3）：434.
关键词:猪圆环病毒病;诊断;防治
0前言
猪圆环病毒(PCV)感染是当今世界养猪业新出现的一种传染病。1991年加拿大首次确立了这一猪病。该病的主要特征是猪的体质下降,消瘦、呼吸困难、贫血以及皮肤病变。江苏地区对162份可凝病料进行检测,阳性率高达54.67%,黑龙江省对368份血清进行检测,结果经产猪平均阳性率为76.6%,后备率的阳性率为33.2%,上海奉贤区兽医所,从全国211个猪场送检材料中检出血清阳性率为28.6%,近年来,我国关于PCV的报道越来越多,PCV已在我国广泛流行。
1病原体
2流行特点
2.1病猪和带毒猪为本病的主要传染源
PCV分布很广,猪群中血清阳性率常高达20-80%,因此本病传染源广泛。病毒可随粪便、鼻腔分泌物排出体外。
2.2易感性
本病主要感染断奶后仔猪,哺乳猪很少发病。可侵害5-16周龄仔猪,但最常见6-8周龄。发病率为4-10%,成年猪一般为隐性感染,不表现任何症状。
猪断奶后多系统衰竭综合征主要发生于断奶后2-3周龄的仔猪,一般于断奶2-3天或1周开始发病,发病率为20-60%,病死率为5-35%。
猪皮炎和肾病综合征通常发生于12-14周龄的猪,发病率为12-14%,病死率为5-14%。
猪间质性肺炎(主要表现为猪呼吸道病综合症PRDC)主要危害6-14周龄的猪,发病率为2-3%,病死率为4-10%。
2.3继发感染
由于圆环病毒能破坏猪体的免疫系统,造成免疫抑制,引起继发性免疫缺陷,因而,本病常与猪繁殖与呼吸综合征病毒、细小病毒、伪狂犬病毒、链球菌等混合或继发感染。据杨汉春教授近年对不同地区规模化猪场死亡猪只57份病料的检测,结果猪繁殖和呼吸综合征与猪圆环病毒二重感染占54.4%(31/57),猪圆环病毒与猪伪狂犬病二重感染占14%(8/57)。
2.4饲养条件
饲养条件差,通风不良,饲养密度高,不同日龄猪混养等应激因素,均可加重病情的发展。
3临床症状
根据目前研究情况,与PCV2感染有关的猪病主要有以下几种,其临床表现如下:
3.1猪断奶后多系统衰竭综合征(PMWS)
病猪由初期消化功能降低而出现食欲不振到被毛无光泽,皮肤苍白或黄染,同时出现呼吸系统症状,持续性或间歇性腹泻,进行性消瘦,贫血,股前等体表淋巴结肿大。多因猪繁殖与呼吸综合征病毒、猪细小病毒等病毒和细菌、霉形体、附红细胞体混合感染,所以发病率和死亡率相差很大。
3.2猪皮炎和肾病综合征(PDNS)
病猪皮肤突然广泛出现各种形状大小不一的稍微突起的红紫色丘状斑点,由于病程的进展,紫色斑点病灶被黑色覆盖后逐渐消失留下疤痕,四肢和眼脸周围水肿,体表淋巴结肿大。
3.3传染性先天性震颤
4病理变化
病理学检查是死后诊断的重要方法,当发现全身淋巴结肿大,肺萎缩不全且有致密病灶时,应怀疑本病。比较有诊断意义的病理变化出现在脾脏,脾肿大,边缘有丘状突起以及出血性梗死灶,也有高度肿大弥漫性出血的,约有20-30%的脾大面积出血坏死灶被机体吸收,仅残破1/2或1/3,有的病程较久的病例整个脾出血坏死灶被机化而萎缩,作为本病重要诊断依据之一,至今为止,只有PCV2感染时方可出现这种特征性病变。
5诊断
根据临床症状及病理变化可以做出初步诊断,确诊依赖病毒的分离、鉴定以及免疫学技术进行诊断。
5.1病毒的分离与鉴定
PCV2在培养细胞中不产生任何病变,因此,通常借助其它技术来确定PCV2的存在,如多聚酶链反应(PCR),间接免疫荧光技术(IFA)原位核酸杂交技术(ISH)等。
5.2抗原的检测
对于组织细胞中的PCV抗原通常采用ISH、PCR、IFA以及免疫组织化学(IHC)等检测方法进行检测。
5.3抗体的检测
抗猪圆环病毒特异性抗体的检测常用酶联免疫吸附试验(ELISA)和间接免疫荧光试验(IFA)。
6防制
目前,对于圆环病毒的感染尚无有效的治疗方法,无疫苗可利用。只有加强饲养管理,减少环境应激因素,实施严格的生物安全措施等综合防制措施来预防感染。
6.1坚持全进全出制度
减少不同日龄猪的混养,降低猪群间PCV2接触感染机会。
6.2定期消毒
消毒工作贯穿于养猪生产的各个环节,最大限度地降低猪场内污染的病原微生物,减少猪群继发感染的机率。
6.3尽可能地减少应激因素
避免饲喂变质饲料,做好通风换气和保温工作,保持适宜的湿度和适当的饲养密度。
6.4采用完善的药物预防方案
根据猪场疾病的流行情况,采用较为完善的药物预防方案,控制发病及继发感染,作好猪场猪瘟、伪狂犬病、呼吸障碍综合征、细小病毒病的免疫接种工作。
6.5切断传播途径
猪场一旦感染本病,控制和净化消灭本病是很困难的,发现可疑病猪及时隔离、淘汰、切断传播途径,杜绝疫情的传播。
[1]陈德,何孔旺,侯继波,等.猪圆环病毒2型的流行病学调查[A].中国畜牧兽医学会家畜传染病学分会成立20周年庆典暨第十次学术研讨会论文集(上)[C],2003.
[2]王忠田,杨汉春.猪圆环病毒2型ORF2基因在大肠杆菌中的表达[A].中国畜牧兽医学会2004学术年会暨第五届全国畜牧兽医青年科技工作者学术研讨会论文集(下册),2004.
[3]刘长明,张超范,刘焕章,等.猪圆环病毒2型细胞培养适应毒株的培育和鉴定[A].中国畜牧兽医学会畜牧兽医生物技术学分会暨中国免疫学会兽医免疫分会第六次研讨会论文集[C].2005.
[4]秦晓冰,金宁一.猪圆环病毒2型内蒙株基因的克隆及序列测定[A].中国畜牧兽医学会家畜传染病学分会成立20周年庆典暨第十次学术研讨会论文集(上)[C].2003.
[5]刘长明,陆月华,张超范,等.猪圆环病毒2型重组Cap蛋白在昆虫杆状病毒中的表达[A].中国畜牧兽医学会畜牧兽医生物技术学分会暨中国免疫学会兽医免疫分会第六次研讨会论文集[C],2005.
[6]王忠田,郭鑫,杨汉春.六株猪圆环病毒2型分离毒株全基因组序列测定与分析[A].中国畜牧兽医学会家畜传染病学分会成立20周年庆典暨第十次学术研讨会论文集(上)[C],2003.
【关键词】免疫学,理论；数学模型；生物数学
Advancesoftheoreticalimmunology
JINYan
（Basicmedicalcollege,LiaoningUniverstityofTraditionalChineseMedicine,LIAONINGShenyang,110032,）
【Abstracts】Theoreticalimmunologyistodevelopmathematicalmethodsthathelptoinvestigatetheimmunologicalproblems,andtostudythemathematicaltheoryonimmunology.Withtheadventofhigh-throughputmethodsandgenomicdata,immunologicalmodelingoftheoreticalimmunologyshiftedfromreceptorcrosslinking,Jerneinteractionnetworksandself-nonselfselection,towardtheinformatics,spatiallyextendedmodels,immunogeneticsandimmunoinformatics,evolutionaryimmunology,innateimmunityandepigenetics,high-throughputresearchmethodsandImmunomics.Immunology,Theoretical;MathematicalModels;biomathematics
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]（ReceptorCrossLinking）和免疫原理（ImmunonTheory）是由AlanPerelson提出、CarlaWofsy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（ImmunologicalNetworks）的概念和自我选择（Self-NonSelfSelection）问题占有相当重要的地位。
1.2Jerne的相互作用网络
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（CentralTolerance）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PollyMatzinger的危险模型[17][18]（DangerModel）和IrunCohen的侏儒模型[19-27]（HomunculusModel）。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（SpatialDistribution）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。
2.1Immsim、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PhilipSeiden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CD8T细胞、B细胞及其相应的受体，MHCⅠ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MonteCarlo模拟[37-38]或称免疫模拟（Immunosim）、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SolEforni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]（MoleculeLocalization）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（2DLattice），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]（LipidRafts），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（NumericalSimulation）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]（HomogenousDynamics），而现代模拟主要应用MonteCarlo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（Immunoinformatics）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（ImmunogeneAlignment）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
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]（SomaticHyperMutations，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-InducedCytidineDeaminase，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（MolecularBioinformatics）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（SignalTransduction）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
在基因重排过程中应用荧光原位杂交技术[64]（FISHtechniques）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（AntigenChips）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（ClusteringMethods）。
2.7免疫组学
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。
[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]RainaS.Robeva,JamesR.Kirkwood,RobinL.Davies,et.al.AnInvitationtoBiomathematics.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.PerelsonandC.DeLisi.Receptorclusteringonacellsurface.I.Theoryofreceptorcross-linkingbyligandsbearingtwochemicallyidenticalfunctionalgroups.Math.Biosci.1980,48:71.
[8]A.S.Peielson.Receptorclusteringonacellsurface.II.Theoryofreceptorcross-linkingbyligandsheaiingtwochemicallydistinctfunctionalgroups.Math.Biosci.1980,49:87.
[9]A.S.Perelsoii.Receptorclusteringonacellsurface.III.Theoryofreceptorcross-linkingbymultivalentligands:descriptioiibyligandstates.Math.Biosci.1981,53:1.
[10]Perelson,A.S.,andC.DeLisi.Receptorclusteringonacellsurface.I.Theoryofreceptorcross-linkingbyligandsbearingtwochemicallyidenticalfunctionalgroups.Math.Biosci.1980,48:71110.
[11]Perelson,A.S.Receptorclusteringonacellsurface.II.Theoryofreceptorcross-linkingbyligandsbearingtwochemicallydistinctfunctionalgroups.Math.Biosci.1980,49:87110.
[12]Perelson,A.S.Receptorclusteringonacellsurface.III.Theoryofreceptorcross-linkingbymultivalentligands:descriptionbyligandstates.Math.Biosci.1981,53:139.
[13]Perelson,A.S.Somemathematicalmodelsofreceptorclusteringbymultivalentligands.InCellSurfaceDynamics:ConceptsandModels.A.S.Perelson,C.DeLisi,andF.W.Wiegel,editors.MarcelDekker,NewYork.1984,223276.
[14]N.K.Jerne.Towardsanetworktheoryoftheimmunesystem.Ann.Immunol.(Inst.Pasteur),1974(125C),373-389.
[15]CoutinhoA."Thenetworktheory:21yearslater".Scand.J.Immunol.1995,42(1):38.
[16]CampeloF,GuimaresFG,IgarashiH,RamírezJA,NoguchiS."AModifiedImmuneNetworkAlgorithmforMultimodalElectromagneticProblems".IEEETrans.Magnetics2006,42(4):11111114.
[17]PollyMatzingerandGaladrielMirkwood.InafullyH-2incompatiblechimera,TcellsofdonororigincanrespondtominorhistocompatibilityantigensinassociationwitheitherdonororhostH-2type.JournalofExperimentalMedicine,1978(148):84-92.[18]MatzingerP.Thedangermodel:arenewedsenseofself.Science2002;296:3015.
[19]CohenIR,YoungDB."Autoimmunity,microbialimmunityandtheimmunologicalhomunculus."ImmunolToday1991;12(4):105-10.
[20]CohenIR."Theimmunologicalhomunculusandautoimmunedisease,"inMolecularAutoimmunity,ed.TalalN.,AcademicPress,USA1991,pp.438-453.
[21]CohenIR."Thecognitiveparadigmandtheimmunologicalhomunculus."ImmunolToday1992;13(12):490-4.
[22]CohenIR."Themeaningoftheimmunologicalhomunculus."IsrJMedSci1993;29(2-3):173-4.
[23]CohenIR."Kadishman’sTree,Escher’sAngels,andtheImmunologicalHomunculus,"inAutoimmunity:PhysiologyandDisease,eds.CoutinhoA,KazatchkineMD.Wiley-Liss,Inc.1994pp.7-18.
[24]CohenIR."PeptidetherapyforTypeIdiabetes:theimmunologicalhomunculusandtherationaleforvaccination."Diabetologia2002Oct;45(10):1468-74.
[25]GonzalezG,MonteroE,LeonK,CohenIR,LageA."Autoimmunizationtoepidermalgrowthfactor,acomponentoftheimmunologicalhomunculus."AutoimmunRev.2002Feb;1(1-2):89-95.
[26]CohenIR."Immunesystemcomputationandtheimmunologicalhomunculus."MoDELS2006,inO.Niestraszetal.(Eds).Springer-Verlag,Berlin,pp.499-512,2006.
[27]CohenIR.(2007)"Biomarkers,self-antigensandtheimmunologicalhomunculus."J.Autoimmun.,2007Dec;29(4):246-9.
[28]RobertoPuzone,B.Kohler,P.Seiden,FrancoCelada:ADiscreteModelsofCellular/HumoralResponses.ACRI2000:117-125.
[29]RobertoPuzone,B.Kohler,P.Seiden,FrancoCelada:IMMSIM,aflexiblemodelforinmachinaexperimentsonimmunesystemresponses.FutureGenerationComp.Syst.2002,18(7):961-972
[30]StefaniaBandini,FrancoCelada,SaraManzoni,RobertoPuzone,GiuseppeVizzari:ModellingtheImmuneSystemwithSituatedAgents.WIRN/NAIS2005:231-243.
[31]StefaniaBandini,FrancoCelada,SaraManzoni,GiuseppeVizzari:Modellingtheimmunesystem:thecaseofsituatedcellularagents.NaturalComputing2007,6(1):19-32.
[32]DeBoer,R.J.andA.S.Perelson(1994)Tcellrepertoiresandcompetitiveexclusion.J.theor.Biol.169,375-390.
[33]Perelson,A.S.1989.Immunenetworktheory.ImmunologicalReviews110,5-36.
[34]Sulzer,B.,DeBoer,R.J.andA.S.Perelson(1996)Crosslinkingreconsidered.IBindingandcrosslinkingfieldsandthecellularresponse.Biophys.J.70,1154-1168.
[35]Meier-SchellersheimM,etal.Keyroleoflocalregulationinchemosensingrevealedbyanewmolecularinteraction-basedmodelingmethod.PLoSComputBiol.2006;2(7):e82.
[36]M.Meier-Schellersheim,G.Mack.SIMMUNE,atoolforsimulatingandanalyzingimmunesystembehavior.1999cs.MA/9903017.
[37]Meyer-HermannM.Amathematicalmodelforthegerminalcentermorphologyandaffinitymaturation.JTheorBiol2002;216:273300.
[38]KleinsteinSH,SinghJP.WhyaretheresofewkeymutantclonesTheinfluenceofstochasticselectionandblockingonaffinitymaturationinthegerminalcenter.IntImmunol2003;15:871884.
[39]EfroniS,HarelD,CohenIR.Towardrigorouscomprehensionofbiologicalcomplexity:modeling,execution,andvisualizationofthymicT-cellmaturation.GenomeRes2003;13:24852497.
[40]Efroni,E.,Harel,D.&Cohen,I.R.2003Towardsrigorouscomprehensionofbiologicalcomplexity:modelling,executionandvisualizationofThymicTcellmaturation.GenomeRes.13,24852497.
[41]AlexandrosPertsinidis,YunxiangZhang,StevenChu.Subnanometresingle-moleculelocalization,registrationanddistancemeasurements.Nature,2010466(7),647651
[42]NudelmanG,LouzounY.TheroleoflipidraftsincellsurfaceBCRantigenbindingdynamics.EMBC2004.ConferenceProceedings,26thAnnualInternationalConferenceoftheEngineeringinMedicineandBiologySociety.
[43]NudelmanG,LouzounY.Cellsurfacedynamics:thebalancebetweendiffusion,aggregationandendocytosis.SystBiol(Stevenage)2006;153:3442.
[44]ChakrabortyA.HowandwhydoestheimmunologicalsynapseformPhysicalchemistrymeetscellbiology.SciSTKE2002;2002:PE10.
[45]LiQJ,etal.CD4enhancesTcellsensitivitytoantigenbycoordinatingLckaccumulationattheimmunologicalsynapse.NatImmunol2004;5:791799.
[46]KesmirC,DeBoerRJ.Amathematicalmodelongerminalcenterkineticsandtermination.JImmunol1999;163:24632469.
[47]KleinsteinSH,SinghJP.Towardquantitativesimulationofgerminalcenterdynamics:biologicalandmodelinginsightsfromexperimentalvalidation.JTheorBiol2001;211:253275.
[48]Meyer-HermannM,BeyerT.Conclusionsfromtwomodelconceptsongerminalcenterdynamicsandmorphology.DevImmunol2002;9:203214.
[49]Meyer-HermannME,MainiPK.Cuttingedge:backto‘‘one-way’’germinalcenters.JImmunol2005;174:24892493.
[50]LefrancMP.Nomenclatureofthehumanimmunoglobulinkappa(IGK)genes.ExpClinImmunogenet2001;18:161174.
[51]BromleySK,etal.Theimmunologicalsynapse.AnnuRevImmunol2001;19:375396.
[52]MonodMY,GiudicelliV,ChaumeD,LefrancMP.IMGT/JunctionAnalysis:thefirsttoolfortheanalysisoftheimmunoglobulinandTcellreceptorcomplexV-JandV-D-JJUNCTIONs.Bioinformatics2004;20(Suppl.):I379I385.
[53]RuizM,PallaresN,ContetV,BarbiV,LefrancMP.Thehumanimmunoglobulinheavydiversity(IGHD)andjoining(IGHJ)segments.ExpClinImmunogenet1999;16:173184.
[54]RuizM,etal.IMGT,theinternationalImMunoGeneTicsdatabase.NucleicAcidsRes2000;28:219221.
[55]LefrancMP,etal.IMGT,theinternationalImMunoGeneTicsdatabase.NucleicAcidsRes1999;27:209212.
[56]MehrAJ,ArdakaniMJ,HedayatiM,ShahrazS,MehrEJ,ZaliMR.Age-specificseroprevalenceofhepatitisAinfectionamongchildrenvisitedinpediatrichospitalsofTehran,Iran.EurJEpidemiol2004;19:275278.
[57]KleinsteinSH,LouzounY,ShlomchikMJ.Estimatinghypermutationratesfromclonaltreedata.JImmunol2003;171:46394649.
[58]EasonDD,CannonJP,HaireRN,RastJP,OstrovdDA,LitmanGW.Mechanismsofantigenreceptorevolution.SeminImmunol2004;16:215226.
[59]GayNJ,GangloffM,WeberAN.Toll-likereceptorsasmolecularswitches.NatRevImmunol2006;6:693698.
[60]MehrR.Modelingthemeta-dynamicsoflymphocyterepertoires.ArchImmunolTherExp(Warsz)2001;49:111120.
[61]MehrR,EdelmanH,SehgalD,MageR.AnalysisofmutationallineagetreesfromsitesofprimaryandsecondaryIggenediversificationinrabbitsandchickens.JImmunol2004;172:47904796.
[62]ArgyropoulosC,etal.MiningmicroarraydatatoidentifytranscriptionfactorsexpressedinnaiverestingbutnotactivatedTlymphocytes.GenesImmun2004;5:1625.
[63]ChoiYL,etal.DNAmicroarrayanalysisofnaturalkillercell-typelymphoproliferativediseaseofgranularlymphocyteswithpurifiedCD3-CD56fractions.Leukemia2004;18:556565.
[64]SinghN,BergmanY,CedarH,ChessA.Biallelicgermlinetranscriptionatthekappaimmunoglobulinlocus.JExpMed2003;197:743750.
[65]QuintanaFJ,HagedornPH,ElizurG,MerblY,DomanyE,CohenIR.Functionalimmunomics:microarrayanalysisofIgGautoantibodyrepertoirespredictsthefutureresponseofmicetoinduceddiabetes.ProcNatlAcadSciUSA2004;101(Suppl.):1461514621.
[66]LauwerysBR,WakelandEK.Geneticsoflupusnephritis.Lupus2005;14:212.