前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇免疫學分析方法范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

免疫學分析方法范文第1篇

【關鍵字】放射免疫法、化學發(fā)光免疫法、血清AFP、效果分析

【中圖分類號】R426 【文獻標識碼】A 【文章編號】1004-7484（2014）07-4045-02

臨床檢測血清AFP中，應該對患者采用有效生長激素檢測方式，這樣才可以提高檢測的準確性，提升患者的身體健康質量，提高治病療效【1】。以下針對我院從2013年1月到2013年12月期間采集的100例住院患者血清標本進行分析，探討臨床中，采取化學發(fā)光免疫法與放射免疫法檢測血清AFP的效果。

1 資料與方法

1.1資料

對我院2013年1月到2013年12月的100例住院患者進行血清標本收集工作， 本次研究的血清標本采集中，均是由經驗豐富的檢驗人員在2小時內，對清晨空腹患者抽取靜脈血3 ml，并排除患者有先天性疾病、心肝重要器官疾??；試驗儀器包括德國羅氏公司的檢測試劑盒，以及電化學分析儀、放射免疫分析儀、深低溫；將患者隨機分配成對照組與試驗組，且在每組中都具有50例患者的血清標本，患者在性別、身體狀況以及年齡等資料方面，相互進行比較后，不存在差異，無統(tǒng)計學意義。

1.2 方法

對于對照組患者血清標本檢測中，將會使用XAKP- 2000A/02 型 γ 計數(shù)儀【2】，并應用中國原子能科學研究所提供的AFP 試劑盒，對患者的待檢測樣本進行梯度稀釋，使檢測物濃度在12.5～8000umol/L范圍間，進行放射免疫法檢測；對試驗組患兒50例血清標本檢測中，將會使用KL1- e411 型全自動電化學發(fā)光儀進行檢測【3】，并稀釋其檢測樣本的梯度，可以保持檢測物濃度為12.5～8000umol/L，進行電化學發(fā)光法測定。對兩組檢測方法比較中，分析比對其檢測血清AFP水平差異，考察其之間的相關性；并對兩組檢測方法中的低值、中值、高值進行記錄試驗，且測定每日測定每份樣本22次，連續(xù)測20天，并考察批內CV值。

1.3 統(tǒng)計處理

對本次兩組研究結果，可以應用統(tǒng)計學軟件SSPS 12.0【4】，針對最后兩組的檢測結果進行處理， 在數(shù)據(jù)處理之中，計量資料我們將會用t檢驗進行比較，技術資料用x2檢驗，設置統(tǒng)計學的水準是a=0.05。

2結果

兩組檢測結果，電化學發(fā)光法檢測血清AFP線性范圍更寬，電化學發(fā)光法檢測血清AFP精密、靈敏度度更高，其兩組檢測結果之間差異非常顯著（ P

3討論

據(jù)悉，血清AFP是檢測原發(fā)性肝細胞肝癌的標志物，是最靈敏性、特異性的腫瘤標志，在臨床腫瘤診斷中發(fā)揮重要作用。針對血清AFP檢測中，應該制定合理的檢測方案，才可以取得準確的檢測結果，提高肝癌患者的生活質量。因此在臨床診斷檢測血清AFP中化學發(fā)光免疫法，較常規(guī)放射免疫法檢驗有較好的效果，可以提高檢測結果的準確性、靈敏性、高度特異性。

化學發(fā)光免疫法檢測血清AFP，在臨床中具有較好的效果，應用化學發(fā)光系統(tǒng)作為抗原抗體反應指示系統(tǒng)，定量檢測抗原、抗體，并應用發(fā)光劑標記抗體，與其它檢測方法相比，具有很高的穩(wěn)定性，采用機器自動加樣，具有準確性，化學發(fā)光免疫法檢測的線性范圍較放射免疫法檢測更寬，更適宜于臨床檢測 血清AFP。在血清AFP測定中，應用電化學發(fā)光法進行檢查，可以采用高度的特異性抗體【5】，有效起到清除樣本干擾的作用，提高檢測結果的靈敏度，減少誤差，使用電化學發(fā)光法測定血清AFP，臨床檢驗效果更穩(wěn)定。

由上可知，在臨床中對血清AFP檢測中，應用放射免疫法與電化學發(fā)光法檢測進行檢驗，電化學發(fā)光法檢測較放射免疫法更具應用優(yōu)勢，具有更好重復性，精密度高，有很好的臨床效果，值得在實際在推廣應用。

參考文獻

[1] 張紅祥. 化學發(fā)光免疫法與放射免疫法檢測血清AFP臨床分析[J]. 中國現(xiàn)代藥物應用. 2010（07）

[2] 章茂友. 放射免疫法與化學發(fā)光免疫法檢測血清AFP效果分析[J]. 中國現(xiàn)代醫(yī)生. 2010（36）

[3] 張改英，王耀榮. 化學發(fā)光免疫法和放射免疫分析法測定血漿腦鈉肽濃度的比較[J]. 疾病監(jiān)測與控制. 2010（10）

免疫學分析方法范文第2篇

本文闡述在ARCHITECTi2000SR全自動化學發(fā)光免疫分析儀應用實踐中進行使用方法的改良，極大地方便了儀器操作者的使用，有效地避免了使用過程中的差錯的發(fā)生。解決故障的過程有助于思路的擴展，對使用其他的檢驗儀器有很好的啟發(fā)作用和較大的參考或應用價值。

關鍵詞：全自動化學發(fā)光免疫分析儀；標本容易加錯現(xiàn)象；標本識別移位故障；改良方案

【中圖分類號】

R249 【文獻標識碼】B 【文章編號】1002-3763（2014）07-0272-01

Architect i2000SR全自動免疫分析儀是由美國雅培公司研發(fā)的第三代大型全自動免疫分析儀，采用化學發(fā)光的原理進行檢測，具有較高的靈敏度、特異性和穩(wěn)定性，具有檢測速度快，測量范圍寬廣等諸多優(yōu)點，且可與生化模塊C8000相連。且檢測試劑穩(wěn)定并易于進行室內與室間質量控制。然而全自動化儀器的高故障率亦對檢驗技術人員提出了更高標準的要求。本文即是作者在雅培i2000SR全自動化學發(fā)光免疫分析儀應用實踐中遇到的：容易出現(xiàn)加錯標本，和機器本身出現(xiàn)標本識別移位的故障現(xiàn)象，分析其原因、探討改造方案并付諸實踐成功解決故障的過程，以便應用到其他的現(xiàn)代化的檢驗設備使用中去。

1 標本容易加錯的改良方案

1.1 標本容易加錯的現(xiàn)象：

由于該機器的原來的設計是每個標本架只有5個孔，也就是每個標本架只能放置5個標本，這樣就使使用者放置標本時，必須要好好的記著所加標本的原來的編號，待放到架子上時要好好的計算出標本的位置是在第幾個架子、第幾號位置編號。譬如：手里拿著16號標本需要放置到標本架子上時，就必須計算出是第4個架子的第1號位置才是16號的位置。是非常的不方便吧？

1.2 標本容易加錯現(xiàn)象的解決方案：

因為我發(fā)現(xiàn)了這個非常不容易計算出所要加的標本位置，并且又很容易加錯標本，工作起來非常不方便的現(xiàn)象時，就一直在腦子里尋求一個解決這個問題的方案。

不久我就想出來了個解決的辦法：那就是在每個標本架的靠近1號位置端，設計出了一個不干膠貼，上端標明1、2、3、4……架子號順序號，下端標明該架子的5個標本號在該架子上的應有的順序范圍。詳見附圖1改造后的第一個托盤俯視圖

2 標本識別移位故障的改良方案

2.1 故障現(xiàn)象：

應用ARCHITECTi2000SR全自動化學發(fā)光免疫分析儀進行批量編程，每個標本架放置5個標本，每5個標本架為一組，每一組用一個托盤托起，即標本號依次為1-25、26-50、51-75、76-100四組。在全部標本儀器檢測完成后，對HBsAg陽性標本利用金標法復查時，偶然發(fā)現(xiàn)陰陽性結果極為不符合的現(xiàn)象。遂對每個標本對應的架號、位置、結果逐一排查，發(fā)現(xiàn)個別標本架上的標本并沒有消耗（即沒有被取樣），但卻賦上了數(shù)值。經逐一檢查儀器所加樣本與操作者編程的標本架號位置明顯不同，即發(fā)生了跳躍，如31號標本所賦值實為36號樣本測試值或其它樣本值。

2.2 故障分析：

經與使用ARCHITECTi2000SR全自動化學發(fā)光免疫分析儀的兄弟單位工作人員及雅培中國工程師溝通，了解其工作過程原理是：利用ARCHITECTi2000SR化學發(fā)光免疫分析儀批量編程1-25、26-50、51-75、76-100號標本架號位置后，儀器會首先會進行標本架條碼掃描，同時也給每個標本進行掃描。如果某個標本架的條碼沒有掃描到，則機器會自動順延一個標本架進行操作，這樣就會出現(xiàn)跳架移位現(xiàn)象，也就是我們上述的故障現(xiàn)象。譬如儀器在批量編程，31-35號標本架的條碼掃描過程中沒有掃到，儀器則默認該架子不存在，標本也不存在，跳過了該標本架，將36-40號標本架或及其它標本架上的標本默認為31-35號標本。以后的標本均以同樣的方法順延賦值，即后面的所有標本均順延了5個號碼，如不復查而直接報告?zhèn)鬏數(shù)慕Y果，必然出現(xiàn)張冠李戴的嚴重后果。上述現(xiàn)象并非偶然，隨著工作量的增加，出現(xiàn)的頻率越來越高，為日常檢驗工作帶來相當大的不便，工作人員往往會花費很大的時間和精力，去排查或復查標本與結果是否相符，一度認為此儀器的標本識別和處理軟件系統(tǒng)存在巨大缺陷。

3 標本識別移位故障的解決方案

通過細致的觀察分析、嚴密的科學探討和積極的創(chuàng)新實踐，我們對ARCHIT -ECT i2000SR全自動化學發(fā)光免疫分析儀的進樣系統(tǒng)，進行了簡單而合理的改良，使上述故障得以完全解決。具體方法如下：

準備100個改造過的與架同高的平口空試管（以合適放置加樣杯為宜），利用條碼機打印1-100編號號碼的條碼，分別貼在每個試管上條碼器能夠掃描到的位置。將這些貼有條碼的試管按順序放置在標本架上，并保持條碼向外，易于條碼系統(tǒng)識別判讀；實驗操作時只需將加樣杯放置在對應貼有條碼的試管上即可。請注意：只需更換加樣杯加病人血清標本。更多的標本亦可用類似方法粘貼上1-100或更多的試管條碼。

詳見附圖1 圖2所改造的H540試管架俯視圖和側視圖

經過如此改良，儀器在進行標本架條碼掃描時，同時也會給每個試管條碼進行掃描，如果其中某個標本架條碼漏掃，但仍會掃描到試管上的條碼號，機器則自動的默認標本架的存在，就不會出現(xiàn)跳架移位的現(xiàn)象。

4 思路擴展與推廣應用

標本容易加錯的解決方案：就是以較小的改造或改良，而改變了原來的設計的不足，避免了工作中容易出現(xiàn)的錯誤。像這種小的改造可以用到大多數(shù)的試管架子是5個試管位置的大型生化分析儀、放免分析儀等的儀器上。

標本識別移位故障的解決方案：類似的跳架移位故障，不僅出現(xiàn)在ARCHIT -ECTi2000SR全自動化學發(fā)光免疫分析儀上，在其它設備上，譬如ARCHITEC -Ti4000SR等儀器亦會出現(xiàn)，亦可采用此法進行改造或改良。兄弟單位同類儀器或不同品牌的儀器，出現(xiàn)類似的因為批編程而出現(xiàn)的跳架移位故障亦可借鑒此方法一試，以避免出現(xiàn)數(shù)據(jù)移位錯誤，為臨床提供準確的檢驗信息。

免疫學分析方法范文第3篇

關鍵詞：免疫學；綜述教學；教學方法

中圖分類號：G642.41 文獻標志碼：A 文章編號：1674-9324（2013）38-0063-02

醫(yī)學免疫學進入2l世紀以來迅猛發(fā)展，已成為生命科學領域的前沿學科之一，其理論和技術已廣泛滲透到生物學、基礎醫(yī)學、臨床醫(yī)學和預防醫(yī)學的各個學科，掌握醫(yī)學免疫學的理論知識對醫(yī)學生今后從事臨床和科學研究工作都非常必要。本文就《醫(yī)學免疫學》教學中開展綜述教學進行介紹。

一、綜述教學的概念

綜述教學就是在《醫(yī)學免疫學》教學中要求學生針對有關免疫學的某個研究主題，對與之相關的各種文獻資料進行收集整理，對所負載的知識信息進行歸納鑒別，清理與分析，并對所研究的問題在一定時期內已取得的研究狀況、成果、存在的問題以及發(fā)展的趨勢進行系統(tǒng)而全面的敘述、評論與闡述，進而確定一個研究主題，收集整理專題文獻，閱讀與挖掘文獻內容，清理與記述專題研究狀況，建構與闡明專題研究發(fā)展趨勢。使學生通過撰寫綜述增強其學習興趣和自主性、文獻查閱能力和基本科研思維能力，從而提高學習效果。

二、綜述教學過程

1.教學分組。以我校2009級臨床醫(yī)學本科學生1個合班（6個小班共198人）為對照班，采用傳統(tǒng)方式教學；在2010級臨床醫(yī)學本科學生的醫(yī)學免疫教學中隨機挑選1個合班（6個小班共192人）實施了綜述教學，為實驗班，另隨機挑選1個合班進行傳統(tǒng)式教學（6個小班共195人）做對照班。

2.綜述教學基本流程。教師第一次課向實驗班學生講明綜述教學目的、布置查閱綜述基本格式作業(yè)—學生查閱綜述后相互補充形成基本格式，教師確認—學生自選有關免疫學的興趣點查閱文獻，擬出研究主題（可以多個）—與指導教師討論確定研究主題—學生針對確定主題查閱、整理文獻、撰寫綜述—指導教師修改綜述—學生按指導教師意見完善綜述—課上交流總結、提高。

3.效果評價。采用成績分析和問卷調查兩種方法評價。①學生成績考核將進行綜述教學的2010級實驗班與傳統(tǒng)教學方法的2009級和2010級對照班進行成績比較，試題難度、覆蓋面、基礎知識等無明顯差異，具有可比性，結果見表1。

（a）P>0.05，vs①；（b）P

由試卷成績可見實驗班的平均成績比對照班高（P

結果顯示，大多數(shù)學生認為綜述教學能明顯激發(fā)學習興趣，增強學習的積極性和主動性，提高多種能力，從而提高學習成績。

綜述教學法與傳統(tǒng)教學法比較，首先，綜述教學法增強了學生的學習興趣。因此學生由原來的厭學變?yōu)闃穼W。其次，綜述教學法提高了學生自主學習能力和學習積極性。因此對本學科學習積極性明顯提高，學習時間和精力投入增加。再次，綜述教學改變了傳統(tǒng)的教學理念，在知識方面實現(xiàn)了從單一的課本知識教學向綜合素質教育的轉變，培養(yǎng)了學生分析問題、解決問題的能力。綜上所述，《醫(yī)學免疫學》教學中開展綜述教學，能顯著激發(fā)學生學習興趣，增強學習的自主性和積極性，提高學生的綜合能力和教學效果。

參考文獻：

[1]盧渝.淺議如何提高免疫學教學質量[J].中國健康月刊，2011，30（6）：312-313.

[2]林巧愛，薛向陽，張麗芳，等.提高醫(yī)學免疫學教學效果探討[J].基礎醫(yī)學教育，2011，13（5）：407-409.

[3]溫偉紅，楊琨，王春燕.學免疫學本科生理論課教學探討[J].山西醫(yī)科大學學報，2007，9（5）：487-488.

[4]苗英慧，郭艷麗.如何在醫(yī)學免疫學教學中培養(yǎng)學生的學習興趣[J].考試周刊，2011，27：204.

[5]吳艷敏，王慧.在免疫學教學中開展互動教學的幾點體會[J].齊齊哈爾醫(yī)學院學報，2010，31（3）：434.

免疫學分析方法范文第4篇

關鍵詞:豬圓環(huán)病毒病;診斷;防治

中圖分類號: S852.65+1 文獻標識碼:A 文章編號:1674-0432(2010)-08-0219-2

0 前言

豬圓環(huán)病毒(PCV)感染是當今世界養(yǎng)豬業(yè)新出現(xiàn)的一種傳染病。1991年加拿大首次確立了這一豬病。該病的主要特征是豬的體質下降,消瘦、呼吸困難、貧血以及皮膚病變。江蘇地區(qū)對162份可凝病料進行檢測,陽性率高達54.67%,黑龍江省對368份血清進行檢測,結果經產豬平均陽性率為76.6%,后備率的陽性率為33.2%,上海奉賢區(qū)獸醫(yī)所,從全國211個豬場送檢材料中檢出血清陽性率為28.6%,近年來,我國關于PCV的報道越來越多,PCV已在我國廣泛流行。

1 病原體

豬圓環(huán)病毒屬圓環(huán)病毒科圓環(huán)病毒屬成員。分2個基因型,即PCV1和PCV2,目前還未發(fā)現(xiàn)PCV1有致病性,PCV:是引起斷奶仔豬多系統(tǒng)衰竭綜合癥(PMWS)主要病原之一。近年,英國又首先提出豬的皮炎和腎病綜合癥(PDNS)也是由圓環(huán)病毒引起的傳染病,最近研究發(fā)現(xiàn)仔豬的先天性震顫(CT)和懷孕母豬繁殖障礙,豬呼吸道病綜合征(PRDC)也與PCV2感染有關。PCV對外界環(huán)境的抵抗力較強,對氯仿不敏感,在PH為3的酸性環(huán)境中很長時間不被滅活,70℃時可存活15min。

2 流行特點

2.1 病豬和帶毒豬為本病的主要傳染源

PCV分布很廣,豬群中血清陽性率常高達20-80%,因此本病傳染源廣泛。病毒可隨糞便、鼻腔分泌物排出體外。

2.2 易感性

本病主要感染斷奶后仔豬,哺乳豬很少發(fā)病?？汕趾?-16周齡仔豬,但最常見6-8周齡。發(fā)病率為4-10%,成年豬一般為隱性感染,不表現(xiàn)任何癥狀。

豬斷奶后多系統(tǒng)衰竭綜合征主要發(fā)生于斷奶后2-3周齡的仔豬,一般于斷奶2-3天或1周開始發(fā)病,發(fā)病率為20-60%,病死率為5-35%。

豬皮炎和腎病綜合征通常發(fā)生于12-14周齡的豬,發(fā)病率為12-14%,病死率為5-14%。

豬間質性肺炎(主要表現(xiàn)為豬呼吸道病綜合癥PRDC)主要危害6-14周齡的豬,發(fā)病率為2-3%,病死率為4-10%。

2.3 繼發(fā)感染

由于圓環(huán)病毒能破壞豬體的免疫系統(tǒng),造成免疫抑制,引起繼發(fā)性免疫缺陷,因而,本病常與豬繁殖與呼吸綜合征病毒、細小病毒、偽狂犬病毒、鏈球菌等混合或繼發(fā)感染。據(jù)楊漢春教授近年對不同地區(qū)規(guī)?；i場死亡豬只57份病料的檢測,結果豬繁殖和呼吸綜合征與豬圓環(huán)病毒二重感染占54.4%(31/57),豬圓環(huán)病毒與豬偽狂犬病二重感染占14%(8/57)。

2.4 飼養(yǎng)條件

飼養(yǎng)條件差,通風不良,飼養(yǎng)密度高,不同日齡豬混養(yǎng)等應激因素,均可加重病情的發(fā)展。

3 臨床癥狀

根據(jù)目前研究情況,與PCV2感染有關的豬病主要有以下幾種,其臨床表現(xiàn)如下:

3.1 豬斷奶后多系統(tǒng)衰竭綜合征(PMWS)

病豬由初期消化功能降低而出現(xiàn)食欲不振到被毛無光澤,皮膚蒼白或黃染,同時出現(xiàn)呼吸系統(tǒng)癥狀,持續(xù)性或間歇性腹瀉,進行性消瘦,貧血,股前等體表淋巴結腫大。多因豬繁殖與呼吸綜合征病毒、豬細小病毒等病毒和細菌、霉形體、附紅細胞體混合感染,所以發(fā)病率和死亡率相差很大。

3.2 豬皮炎和腎病綜合征(PDNS)

病豬皮膚突然廣泛出現(xiàn)各種形狀大小不一的稍微突起的紅紫色丘狀斑點,由于病程的進展,紫色斑點病灶被黑色覆蓋后逐漸消失留下疤痕,四肢和眼臉周圍水腫,體表淋巴結腫大。

3.3 傳染性先天性震顫

臨床癥狀變化很大,其震顫程度從輕到重,每窩受感染仔豬的數(shù)量變化很大,出生后第一周嚴重的震顫可因不能吃奶而死亡,存活者多數(shù)在3周時間恢復。外界刺激(如突然噪音或寒冷等)可引發(fā)或加重震顫。

4 病理變化

病理學檢查是死后診斷的重要方法,當發(fā)現(xiàn)全身淋巴結腫大,肺萎縮不全且有致密病灶時,應懷疑本病。比較有診斷意義的病理變化出現(xiàn)在脾臟,脾腫大,邊緣有丘狀突起以及出血性梗死灶,也有高度腫大彌漫性出血的,約有20-30%的脾大面積出血壞死灶被機體吸收,僅殘破1/2或1/3,有的病程較久的病例整個脾出血壞死灶被機化而萎縮,作為本病重要診斷依據(jù)之一,至今為止,只有PCV2感染時方可出現(xiàn)這種特征性病變。

5 診斷

根據(jù)臨床癥狀及病理變化可以做出初步診斷,確診依賴病毒的分離、鑒定以及免疫學技術進行診斷。

5.1 病毒的分離與鑒定

PCV2在培養(yǎng)細胞中不產生任何病變,因此,通常借助其它技術來確定PCV2的存在,如多聚酶鏈反應(PCR),間接免疫熒光技術(IFA)原位核酸雜交技術(ISH)等。

5.2 抗原的檢測

對于組織細胞中的PCV抗原通常采用ISH、PCR、IFA以及免疫組織化學(IHC)等檢測方法進行檢測。

5.3 抗體的檢測

抗豬圓環(huán)病毒特異性抗體的檢測常用酶聯(lián)免疫吸附試驗(ELISA)和間接免疫熒光試驗(IFA)。

6 防制

目前,對于圓環(huán)病毒的感染尚無有效的治療方法,無疫苗可利用。只有加強飼養(yǎng)管理,減少環(huán)境應激因素,實施嚴格的生物安全措施等綜合防制措施來預防感染。

6.1 堅持全進全出制度

減少不同日齡豬的混養(yǎng),降低豬群間PCV2接觸感染機會。

6.2 定期消毒

消毒工作貫穿于養(yǎng)豬生產的各個環(huán)節(jié),最大限度地降低豬場內污染的病原微生物,減少豬群繼發(fā)感染的機率。

6.3 盡可能地減少應激因素

避免飼喂變質飼料,做好通風換氣和保溫工作,保持適宜的濕度和適當?shù)娘曫B(yǎng)密度。

6.4 采用完善的藥物預防方案

根據(jù)豬場疾病的流行情況,采用較為完善的藥物預防方案,控制發(fā)病及繼發(fā)感染,作好豬場豬瘟、偽狂犬病、呼吸障礙綜合征、細小病毒病的免疫接種工作。

6.5 切斷傳播途徑

豬場一旦感染本病,控制和凈化消滅本病是很困難的,發(fā)現(xiàn)可疑病豬及時隔離、淘汰、切斷傳播途徑,杜絕疫情的傳播。

參考文獻

[1] 陳德,何孔旺,侯繼波,等.豬圓環(huán)病毒2型的流行病學調查[A].中國畜牧獸醫(yī)學會家畜傳染病學分會成立20周年慶典暨第十次學術研討會論文集(上)[C],2003.

[2] 王忠田,楊漢春.豬圓環(huán)病毒2型ORF2基因在大腸桿菌中的表達[A].中國畜牧獸醫(yī)學會2004學術年會暨第五屆全國畜牧獸醫(yī)青年科技工作者學術研討會論文集(下冊),2004.

[3] 劉長明,張超范,劉煥章,等.豬圓環(huán)病毒2型細胞培養(yǎng)適應毒株的培育和鑒定[A].中國畜牧獸醫(yī)學會畜牧獸醫(yī)生物技術學分會暨中國免疫學會獸醫(yī)免疫分會第六次研討會論文集[C].2005.

[4] 秦曉冰,金寧一.豬圓環(huán)病毒2型內蒙株基因的克隆及序列測定[A].中國畜牧獸醫(yī)學會家畜傳染病學分會成立20周年慶典暨第十次學術研討會論文集(上)[C].2003.

[5] 劉長明,陸月華,張超范,等.豬圓環(huán)病毒2型重組Cap蛋白在昆蟲桿狀病毒中的表達[A].中國畜牧獸醫(yī)學會畜牧獸醫(yī)生物技術學分會暨中國免疫學會獸醫(yī)免疫分會第六次研討會論文集[C],2005.

[6] 王忠田,郭鑫,楊漢春.六株豬圓環(huán)病毒2型分離毒株全基因組序列測定與分析[A].中國畜牧獸醫(yī)學會家畜傳染病學分會成立20周年慶典暨第十次學術研討會論文集(上)[C],2003.

免疫學分析方法范文第5篇

【摘要】理論免疫學用數(shù)學的方法來研究和解決免疫學問題，以及對免疫學相關的數(shù)學方法進行理論研究的一門科學。隨著高通量方法和基因組數(shù)據(jù)的出現(xiàn)，理論免疫學從受體交聯(lián)和免疫原理、Jerne的相互作用網(wǎng)絡和自我選擇等經典建模方法開始向信息學、空間擴展模型、免疫遺傳學和免疫信息學、進化免疫學、分子生物信息學和表遺傳學、高通量研究方法和免疫組學等方面轉變。

【關鍵詞】免疫學, 理論；數(shù)學模型；生物數(shù)學

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

理論免疫學[1]（Theoretical Immunology）是指用數(shù)學的方法來研究和解決免疫學問題，以及對免疫學相關的數(shù)學方法進行理論研究的一門科學。理論免疫學是免疫學與數(shù)學交叉的邊緣學科，也稱數(shù)學免疫學（Mathematical Immunology），是生物數(shù)學的一個分支。由于免疫現(xiàn)象復雜，從免疫學中提出的數(shù)學問題往往也十分復雜，需要進行大量計算工作，因此從近年興起的復雜系統(tǒng)研究的角度來講[2]，理論免疫學也稱復雜免疫學（Complex Immunology）。理論免疫學的任務就是揭示免疫系統(tǒng)運行的規(guī)律和機制，及其病理機制。數(shù)學模型（Mathematical Models）和數(shù)據(jù)分析是理論免疫學的主要方法，計算機是研究和解決理論免疫學問題的重要工具。

雖然從上個世紀中期，數(shù)學模型已經開始應用于免疫學，但傳統(tǒng)的模型大部分是基于微分方程[3]、差分模型和元胞自動機（Cellular Automata）[4]。這些傳統(tǒng)模型以少數(shù)成份（一種受體和一種抗原，或兩個T細胞群之間等）參與的簡單動力學為主要研究內容。直到2000年，人們才開始對免疫學的復雜性進行數(shù)學建模。隨著高通量方法（High Throughput Methods）和基因組數(shù)據(jù)（Genomic Data）的出現(xiàn)，理論免疫學開始轉向信息學（Informatics）方面[5]。與分子免疫學的生物信息學（Bioinformatics）分析一樣，當前免疫學研究中與復雜性有關的主要研究目標大多集中在高通量測量計劃和系統(tǒng)免疫學（System Immunology）或免疫組學（Immunomics）計劃。在數(shù)學模型水平上，分析方法也從以微分方程為主的簡單系統(tǒng)轉向廣泛應用Monte Carlo模擬（Monte Carlo simulations）。這種向更多分子和更多計算的轉變態(tài)勢與復雜系統(tǒng)涉及的所有研究領域出現(xiàn)的轉變極為相似。同時，理論免疫學中另一個重要轉變是，人們關注焦點從對外源性的適應性免疫系統(tǒng)的轉向更多考慮固有免疫系統(tǒng)的平衡。

1理論免疫學經典模型

免疫學是生物學的一個領域，很早就認識到了數(shù)學建模和數(shù)學分析方法的作用。早在上個世紀60年代和70年代，數(shù)學模型已經應用于免疫學的不同領域，例如：抗原-受體的相互作用、T和B細胞群動力學、疫苗接種、生發(fā)中心動力學、病毒動力學和免疫系統(tǒng)對病毒的清除[6]等?，F(xiàn)在的許多免疫學原理和觀點都是數(shù)學模型的結果。

1.1 受體交聯(lián)和免疫原理

受體交聯(lián)[7-9]（Receptor Cross Linking）和免疫原理（Immunon Theory）是由Alan Perelson提出、Carla Wofsy作了進一步分析。這個原理根據(jù)的事實是，低價抗原不能激活B細胞，而高價抗原（即抗原擁有多個重復基序）即使在抗原密度非常低（3-4目）的情況下也能夠激活B細胞。Sulzer和Perelson[10-13]據(jù)此發(fā)展了這個理論和數(shù)學模型并提出，抗原能夠聚集B細胞受體，從而激活B細胞。這個結論是B細胞免疫的基礎之一。

盡管數(shù)學模型對免疫學發(fā)展的貢獻的例子還有很多，但是免疫網(wǎng)絡（Immunological Networks）的概念和自我選擇（Self-Non Self Selection）問題占有相當重要的地位。

1.2 Jerne的相互作用網(wǎng)絡

假設受體庫（Receptor Repertoire）是滿的，即受體庫中每一個分子都有其相對應的受體，并且這些受體可以特異性地與其它受體相互作用。Jerne據(jù)此提出免疫調節(jié)網(wǎng)絡[14]（Regulatory Immune Networks）的存在?？乖せ畹牧馨图毎僧a生新受體，這些受體對于其它淋巴細胞來說是抗原，等等，以此類推。這個網(wǎng)絡的概念對理論學家來說很有吸引力，特別是在提出神經網(wǎng)絡（Neural Networks）中的認知行為（Cognitive Behavior）概念之后，提出了更多的免疫網(wǎng)絡模型[15][16]。有人用元胞自動機和布爾網(wǎng)絡（Boolean networks）建立大尺度行為（Large Scale Behavior）模型，有人用常微分方程（ODEs）來建立自身調節(jié)網(wǎng)絡模型（Local Regulatory Networks）。隨著時間的推移，人們對Jerne網(wǎng)絡學說逐漸失去了興趣，其主要原因是Jerne網(wǎng)絡學說的理論模型和實際的實驗證據(jù)沒有很好的相關性。

1.3 自我選擇

調節(jié)性網(wǎng)絡實際上是理論免疫學中自我選擇這個大課題的一部分。假設表達自身反應性受體的淋巴細胞被機體清除（陰性選擇）。大多數(shù)陰性選擇可能是由于中樞性耐受（Central Tolerance）所導致的（T細胞在胸腺，人和小鼠的B細胞在骨髓）。陰性選擇機制失敗可導致自身免疫性疾病。人們通過多種途徑對自我選擇展開研究。有人從分子的角度和基于特殊的選擇機制來研究，而有人則建立了更為復雜的模型，例如Polly Matzinger的危險模型[17][18]（Danger Model）和Irun Cohen的侏儒模型[19-27]（Homunculus Model）。這些模型都是想反映真實的復雜系統(tǒng)，盡管僅通過檢測免疫系統(tǒng)的成分，人們是無法接近問題的實質，但是他們的嘗試拓寬了我們的視野。直到今天，關于獲得和打破（自身免疫性疾?。┠褪艿耐緩?，也沒有一個公認的解釋。

2理論免疫學的現(xiàn)代模型

理論免疫學的模型和問題現(xiàn)在正逐漸向分子理論免疫學方向發(fā)展。這種理論方向的演變與大量基因組全序列的檢測、分子生物學工具的巨大進展、高通量測量技術的發(fā)展、空間分布（Spatial Distribution）作用的測量和建模能力的發(fā)展等實驗技術的發(fā)展是分不開的。同時，計算機處理能力和建模技術的發(fā)展也是影響現(xiàn)論免疫學的重要因素。

2.1 Immsim、Simmune和其它復雜模型

免疫學中，最大膽的嘗試可能就是建立一個免疫系統(tǒng)的系統(tǒng)模型。第一個建立這樣模型的嘗試是上世紀80年代由IBM公司Philip Seiden開發(fā)的IMMSIM模型[28-31]。其設計的主要目的是為了在計算機上進行免疫應答試驗。IMMSIM采用了克隆選擇原理的基本觀點，認為免疫細胞和免疫分子獨立地識別抗原，免疫細胞被競爭地選擇，以產生更好的識別抗原的克隆種類。IMMSIM模型的基礎是空間擴展的元胞自動機，它用位串（或比特流，Bitstrings）代表受體、抗原和MHC分子的可變性。到目前為止，抗原和受體多樣性的位串表示方法已被許多其他研究者[32,33,34]所采用。IMMSIM包括了適應性免疫系統(tǒng)的所有主要成份：CD4和CD8 T細胞、B細胞及其相應的受體，MHC Ⅰ類和Ⅱ類分子和一些細胞因子。但是IMMSIM模型仍然是對免疫系統(tǒng)的粗略描述。因此，人們在此基礎上又進行了其它的開發(fā)。

第一個較有影響的是由Martin. Meier-Schellersheim開發(fā)的Simmune[35-36]。這個系統(tǒng)嘗試建立一個足夠寬廣和復雜的平臺，從而能夠對免疫學的任意實際過程進行模擬。它不僅是一個特殊模型，更是一個建模技術或語言。

還有應用了Monte Carlo模擬[37-38]或稱免疫模擬（Immunosi m）、狀態(tài)圖[39]（State-Charts）等多種數(shù)學模型，試圖涵蓋免疫系統(tǒng)所有可能細節(jié)并建立動力學模型。在這個方向上，最有影響的是Sol Eforni的模型。此模型嘗試提供胸腺空間擴展動力學的完全模擬，并以此來研究細胞選擇[40]。這些綜合模擬的優(yōu)勢在于他們涵蓋了當前免疫學的所有細節(jié)。但是這些模型也有缺點，他們過于復雜，因此對于所觀察到的動力學變化，我們無法充分理解其原因及模型對參數(shù)變化的敏感性。

2.2 空間擴展模型

從分子水平上講，免疫學復雜系統(tǒng)分析的最大進展是細胞內分子定位[41]（Molecule Localization）測量技術。免疫突觸（Synapses）的發(fā)現(xiàn)就是利用了該技術。人們建立了多個細胞膜動力學模型，用來解釋突觸的形成以及突觸的分子動力學。細胞膜動力學模型也應用于B細胞。這些模型中，有的是假設一個固定的細胞膜在二維晶格上（2D Lattice），有的假設一個自由漂浮的細胞膜[42-44]。另一個研究方向的是受體動力學，以及受體與其它細胞膜成份，比如Src家族激酶和脂筏[45]（Lipid Rafts），之間的相互作用。目前此領域的所有模型都是以廣泛的數(shù)值模擬（Numerical Simulation）為基礎的。

空間擴展模擬的另一個領域是生發(fā)中心動力學的模擬。經典模型主要采用ODEs來描述一或兩個總體的均勻動力學[46]（Homogenous Dynamics），而現(xiàn)代模擬主要應用Monte Carlo模擬[47-49]來研究多空間擴展或者均勻總體之間的相互作用，但是也有一些是采用ODEs。

2.3 免疫遺傳學和免疫信息學

不同基因組的排列和不同等位基因的序列使免疫遺傳（Immunogenetic）數(shù)據(jù)庫得到了全面的發(fā)展[50-51]。免疫遺傳數(shù)據(jù)庫IMGT儲存了多個物種的T和B細胞受體基因序列（B細胞H鏈和T細胞β/δ鏈的V、D和J基因，L鏈/α鏈/γ鏈的V和J基因）。該庫也包括了最新的MHC分子的基因序列（包括經典和非經典的）。另外，IMGT數(shù)據(jù)庫還包括了大量的淋巴細胞受體重排序列。

這樣龐大的數(shù)據(jù)庫是伴隨著免疫信息學（Immunoinfor matics）工具的大量發(fā)展而建立的。其中包括用于junction分析[52]、免疫基因對準（Immunogene Alignment）以及系統(tǒng)發(fā)育的工具[53-55]。所有這些工具的基礎都是將生物信息學理念應用于免疫學。免疫遺傳數(shù)據(jù)庫日漸顯現(xiàn)的重要性表明，免疫學建模逐漸向基因化方向轉變。

2.4 進化免疫學

與B細胞重排受體多重序列的測量一樣，多細胞生物中免疫基因的不斷積累，使免疫系統(tǒng)發(fā)育學（Immuno-Phylogenetics）得以快速發(fā)展。目前研究的主要焦點是適應性免疫系統(tǒng)的起源。適應性免疫是免疫系統(tǒng)的一部分，通過隨機基因重組以適應新病原體。很明顯，在軟骨魚類（Cartilaginous Fish）分化之前，適應性免疫最早出現(xiàn)于有腭脊椎動物（Jawed Vertebrates）。然而，這樣一個復雜系統(tǒng)起源的來源還不清楚。T細胞受體結構域（Receptor Domain）和B細胞受體結構域之間的相似性、RAG1和RAG2分子（RAG1和RAG2可起到隨機連接基因的作用，又稱重組激活基因）在重排過程中的關鍵作用及其物理性相鄰（Physical Proximity），使許多研究者認為，淋巴細胞受體重排的起源是轉座子（Transposon）橫向轉移到原始免疫受體（Primeval Immune Receptor）中。這個領域中使用的主要工具是系統(tǒng)發(fā)育分析（Phylogeny Analysis）及其相關的所有數(shù)學模型[56]。

另一個系統(tǒng)發(fā)育概念和方法的應用是B細胞的體超變異[57]（Somatic Hyper Mutations，SHM）分析。在生發(fā)中心反應過程中，通過活化誘導胞嘧啶脫氨酶（Activation-Induced Cytidine Deaminase，AID），B細胞的受體基因發(fā)生超變異。隨著克隆性增殖，B細胞受體基因平均每分裂一次就發(fā)生一次超變異，導致突變克隆的產生。這些克隆表現(xiàn)為微進化（Micro-Evolution），可以很容易地在實驗室中研究。對B細胞系統(tǒng)發(fā)育樹（Phylogenetic）以及它們與其它因素關系的分析，比如老化和自身免疫疾病，也已開始研究[58]。

2.5分子生物信息學和表遺傳學

在分子生物信息學（Molecular Bioinformatics）和表遺傳學（Epigenetics）的研究過程中[59]，隨著分子信息研究水平不斷提高，在免疫學中應用模型水平的精細程度也不斷提高。免疫學的一個特殊方面是需要將信號轉導（Signal Transduction）與基因重排結合起來建模?，F(xiàn)已建立了不同條件下的B和T細胞內的基因重排過程和淋巴細胞信息轉導的模型[60-61]。從分子角度來講，另一個重要的分子建模是在抗原提呈給T細胞之前，對抗原處理過程的分析。

2.6高通量研究方法

免疫學是典型的、以免疫假說和免疫原理為基礎的研究領域。免疫學是最晚轉向以數(shù)據(jù)為基礎的、目前已在其它生物學領域中應用的高通量方法。近5年，在這一領域已取得了很大的進展。這些進展是依靠來自生物學其它領域的經典基因表達的自適應和定位技術[62][63]，以及針對免疫學的新技術的發(fā)展取得的。免疫學領域主要依靠實驗手段，但實驗所取得的結果卻是應當屬于理論免疫學的范疇，并且與復雜科學密切相關。

在基因重排過程中應用熒光原位雜交技術[64]（FISH techniques）來定位基因是一個令人興奮的、對免疫學來說更具有針對性的研究進展。這些測量手段使我們在研究基因重排過程中，能夠確定受體不同部分之間的相互作用。

另一個對免疫系統(tǒng)來說具有針對性的工具是抗原芯片（Antigen Chips）的發(fā)展。這些芯片可同時測量B細胞對成百上千種抗原的應答，并提供整個免疫系統(tǒng)的系統(tǒng)表達[65]。在這類分析中使用的主要數(shù)學工具是聚類方法（Clustering Methods）。

2.7 免疫組學

目前，在理論免疫學中，最璀璨的研究領域可能就是新產生的免疫組學。這個年輕的學科已經擁有了自己的雜志《immunomic research》(省略)。免疫組學的主要目標是全方位地研究免疫系統(tǒng)[66][67]。這個領域采用實驗與理論相結合的工具。免疫組學目前正在研究的項目有：全部T細胞抗原決定基檢測；全B細胞抗體庫的定義及其在不同情況下的變化方式；自身免疫性疾病相關的所有基因位點的檢測。這個新生領域的成果還有限，但是在不到10年內，免疫學建模將會從基于預定假設（Predefined Hypotheses）的理論問題研究轉向對免疫系統(tǒng)受體和靶目標充分認識的、具有針對性的建模。

當前，理論免疫尚處于探索和發(fā)展階段，許多方法和理論還很不完善，它的應用雖然取得某些成功，但仍是低水平、粗略，甚至是勉強的。許多更復雜的免疫學問題至今未能找到相應的數(shù)學方法進行研究，還有一些免疫核心問題還存在爭議。這就需要未來的醫(yī)學工作者具備更多的數(shù)學知識，對免疫學和數(shù)學都有更深入的了解，這樣才有可能讓免疫學研究更多地借助數(shù)學的威力，進入更高的境界。

參考文獻

[1] 漆安慎, 杜嬋英. 免疫的非線性模型. 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: 科學出版社, 53-129.

[3] 馬知恩. 種群生態(tài)學的數(shù)學建模與研究. 安徽: 安徽教育出版社, 1996: 5-40.

[4] 陳蘭蓀, 孟新柱, 焦建軍. 生物動力學. 北京: 科學出版社, 2009: 77-177.

[5] 李濤. 計算機免疫學. 北京: 電子工業(yè)出版社, 2004: 147-203.

[6] 陸征一, 周義倉. 北京: 科學出版社, 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.