查看“系统免疫学”的源代码

<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff; max-width: 1200px; margin: auto;">

    <div style="margin-bottom: 30px; border-bottom: 1.2px solid #e2e8f0; padding-bottom: 25px;">
        <p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;">
            <strong>系统免疫学</strong>（Systems Immunology）是一门融合了<strong>[[免疫学]]</strong>、<strong>[[组学]]</strong>技术、<strong>[[生物信息学]]</strong>和数学建模的新兴交叉学科。与传统免疫学关注单一分子或细胞通路的“还原论”方法不同，系统免疫学采用“整体论”视角，致力于在系统层面解析免疫系统的复杂网络结构和动态调控机制。它利用<strong>[[高通量测序]]</strong>、<strong>[[单细胞测序]]</strong>和<strong>[[质谱流式]]</strong>等技术获取海量数据，通过计算机算法构建免疫网络模型，从而预测机体对<strong>[[疫苗]]</strong>、病原体或肿瘤的免疫应答。这一学科是实现<strong>[[精准医疗]]</strong>和理性设计新型疫苗的核心驱动力。
        </p>
    </div>

    <div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 320px; margin: 0 auto 35px auto; border: 1.2px solid #bae6fd; border-radius: 12px; background-color: #ffffff; box-shadow: 0 8px 20px rgba(0,0,0,0.05); overflow: hidden;">
        
        <div style="padding: 15px; color: #1e40af; background: linear-gradient(135deg, #e0f2fe 0%, #bae6fd 100%); text-align: center; cursor: pointer;">
            <div style="font-size: 1.2em; font-weight: bold; letter-spacing: 1.2px;">系统免疫学</div>
            <div style="font-size: 0.7em; opacity: 0.85; margin-top: 4px; white-space: nowrap;">Systems Immunology (点击展开)</div>
        </div>
        
        <div class="mw-collapsible-content">
            <div style="padding: 25px; text-align: center; background-color: #f8fafc;">
                <div style="width: 100px; height: 100px; background-color: #e2e8f0; border-radius: 50%; margin: 0 auto; display: flex; align-items: center; justify-content: center; color: #94a3b8; font-size: 0.8em;">
                    
                </div>
                <div style="font-size: 0.8em; color: #64748b; margin-top: 12px; font-weight: 600;">数据驱动的免疫全景</div>
            </div>

            <table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.85em;">
                <tr>
                    <th colspan="2" style="padding: 8px 12px; background-color: #e0f2fe; color: #1e40af; text-align: left; font-size: 0.9em; border-top: 1px solid #bae6fd;">学科属性</th>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0; width: 40%;">英文名称</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">Systems Immunology</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">核心理念</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">整体论 (Holism)</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">研究对象</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #16a34a;">免疫网络, 信号通路</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">关键技术</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">[[单细胞测序]], CyTOF</td>
                </tr>
                
                <tr>
                    <th colspan="2" style="padding: 8px 12px; background-color: #e0f2fe; color: #1e40af; text-align: left; font-size: 0.9em; border-top: 1px solid #bae6fd;">应用与分支</th>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">分支学科</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">[[系统疫苗学]]</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">数据分析</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">[[机器学习]], 降维分析</td>
                </tr>
                 <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">临床目标</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">生物标志物发现</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569;">领军人物</th>
                    <td style="padding: 6px 12px; color: #e11d48;">Mark Davis, Bali Pulendran</td>
                </tr>
            </table>
        </div>
    </div>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">范式转移：从还原到整体</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        传统免疫学在过去几十年中通过“还原论”取得了巨大成功（如发现 TLRs、细胞因子），但这种“只见树木，不见森林”的方法难以解释免疫系统的涌现特性（Emergent Properties）。系统免疫学旨在填补这一空白：
        <br>
        ● <strong>传统视角：</strong> 研究单个基因（如 IFN-γ）敲除后的表型。
        <br>
        ● <strong>系统视角：</strong> 研究感染后 20,000 个基因表达谱的动态变化，以及数千种蛋白质和代谢物的相互作用网络。
    </p>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">技术支柱：多组学融合</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        系统免疫学的爆发依赖于高维数据获取技术的成熟。
    </p>

    

    <div style="overflow-x: auto; margin: 20px auto;">
        <table style="width: 100%; border-collapse: collapse; border: 1.2px solid #cbd5e1; font-size: 0.9em; text-align: left;">
            <tr style="background-color: #f1f5f9; border-bottom: 2px solid #0f172a;">
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #0f172a; width: 25%;">技术领域</th>
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #1e40af; width: 75%;">核心手段与价值</th>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[转录组学]]<br>(Transcriptomics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">尤其是 <strong>[[单细胞测序]] (scRNA-seq)</strong>。能解析免疫细胞的异质性，发现稀有细胞亚群（如耗竭T细胞的前体）。</td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[蛋白质组学]]<br>(Proteomics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>[[质谱流式]] (CyTOF)</strong>。能同时检测单细胞表面和胞内 40-50 种蛋白标记，精确描绘细胞表型和信号通路激活状态（如 p-STATs）。</td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[免疫组库]]<br>(Immune Repertoire)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">TCR/BCR 深测序。追踪克隆扩增、多样性变化及 <strong>[[CDR3]]</strong> 序列特征，用于评估疫苗反应和监测 <strong>[[微小残留病灶]]</strong>。</td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">空间组学<br>(Spatial Omics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>[[空间转录组]]</strong>。在保留组织位置信息的同时测定基因表达，解析<strong>[[肿瘤微环境]]</strong>中的细胞互作。</td>
            </tr>
        </table>
    </div>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">数据分析：从数据到知识</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        海量数据的产生催生了特定的生物信息学算法：
    </p>
    <ul style="padding-left: 25px; color: #334155; margin-top: 15px;">
        <li style="margin-bottom: 12px;"><strong>降维分析：</strong> 使用 <strong>[[t-SNE]]</strong> 或 <strong>[[UMAP]]</strong> 算法将高维（数万基因）数据投射到二维平面，直观展示细胞分群。</li>
        <li style="margin-bottom: 12px;"><strong>轨迹分析 (Trajectory Inference)：</strong> 重建免疫细胞的分化发育路径（如 <strong>[[拟时序分析]]</strong>）。</li>
        <li style="margin-bottom: 12px;"><strong>AI 预测：</strong> 利用 <strong>[[机器学习]]</strong> 模型（如随机森林、深度学习）识别能够预测疫苗保护力或免疫治疗响应的“分子特征” (Signatures)。</li>
    </ul>

    

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">前沿应用：系统疫苗学</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        系统免疫学最成功的应用领域是 <strong>[[系统疫苗学]] (Systems Vaccinology)</strong>。
        <br>
        ● <strong>黄热病疫苗 (YF-17D)：</strong> Bali Pulendran 团队利用系统生物学方法，首次发现了 YF-17D 诱导的早期基因特征（如 <strong>[[EIF2AK4]]</strong>）能精准预测接种后数月的抗体滴度。
        <br>
        ● <strong>流感疫苗：</strong> 发现了与老年人疫苗低反应性相关的“炎症基线特征”。
        <br>
        ● <strong>佐剂设计：</strong> 指导 <strong>[[AS01]]</strong> 等新型佐剂的机制解析和优化。
    </p>

    <div style="font-size: 0.92em; line-height: 1.6; color: #1e293b; margin-top: 50px; border-top: 2px solid #0f172a; padding: 15px 25px; background-color: #f8fafc; border-radius: 0 0 10px 10px;">
        <span style="color: #0f172a; font-weight: bold; font-size: 1.05em; display: inline-block; margin-bottom: 15px;">学术参考文献 [Academic Review]</span>
        
        <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">
            [1] <strong>Pulendran B, Li S, Nakaya HI. (2010).</strong> <em>Systems vaccinology.</em> <strong>[[Immunity]]</strong>. <br>
            <span style="color: #475569;">[点评]：系统疫苗学的奠基之作，展示了如何利用组学数据预测疫苗产生的免疫应答强度。</span>
        </p>

        <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">
            [2] <strong>Spitzer MH, Nolan GP. (2016).</strong> <em>Mass Cytometry: Single Cells, Many Features.</em> <strong>[[Cell]]</strong>. <br>
            <span style="color: #475569;">[点评]：Garry Nolan 团队综述了质谱流式 (CyTOF) 技术在解析免疫系统复杂性中的革命性作用。</span>
        </p>

        <p style="margin: 12px 0;">
            [3] <strong>Davis MM, Brodin P. (2018).</strong> <em>Rebooting Human Immunology.</em> <strong>[[Annual Review of Immunology]]</strong>. <br>
            <span style="color: #475569;">[点评]：Mark Davis 呼吁从模式生物（小鼠）转向人体免疫研究，强调了系统免疫学方法在理解人类疾病中的不可替代性。</span>
        </p>
    </div>

    <div style="margin: 40px 0; border: 1px solid #e2e8f0; border-radius: 8px; overflow: hidden; font-family: 'Helvetica Neue', Arial, sans-serif; font-size: 0.9em;">
        <div style="background-color: #eff6ff; color: #1e40af; padding: 8px 15px; font-weight: bold; text-align: center; border-bottom: 1px solid #dbeafe;">
            系统免疫学网络 · 知识图谱
        </div>
        <table style="width: 100%; border-collapse: collapse; background-color: #ffffff;">
            <tr style="border-bottom: 1px solid #f1f5f9;">
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">上级学科</td>
                <td style="padding: 10px 15px; color: #334155;">[[免疫学]] • [[系统生物学]] • [[生物信息学]]</td>
            </tr>
            <tr style="border-bottom: 1px solid #f1f5f9;">
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">核心技术</td>
                <td style="padding: 10px 15px; color: #334155;">[[scRNA-seq]] • [[CyTOF]] • [[ATAC-seq]] • 空间转录组</td>
            </tr>
            <tr>
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">应用场景</td>
                <td style="padding: 10px 15px; color: #334155;">[[疫苗佐剂]]设计 • [[肿瘤微环境]]分析 • [[生物标志物]]</td>
            </tr>
        </table>
    </div>

</div>