免疫学检测方法主要包括酶联免疫吸附 检测和放射免疫技术该方面的研究取得 了长足的发展。由于该方法操作简单, 前处理简化,检测快速、准确、敏感, 检验成本低,检测容量大,可同时进行 大批量样品检测。因此.具有潜在的广 泛应用价值

第一节免疫诊断与检测 第二节免疫防治 第三节佐剂与免疫增强剂

第六章免疫学技术基础 一血清学反应 以抗原抗体结合为基础的反应。 1.沉淀反应 可溶性抗原与抗体以适当比例混合后在适量电解质存在下,可产生肉眼可见的沉淀。以抗原(或Ab)的稀释度作为沉淀反应的效价。 沉淀反应可分为: (1)环状沉淀反应 (2)絮状沉淀反应 (3)琼脂扩散试验

1.免疫的基本概念 2.具有增强免疫力功能的物质

1.免疫球蛋白的基本概念、分布、结构与组成 2.牛乳中的免疫球蛋白 3.免疫球蛋白的生物学功能 4.乳铁蛋白的基本性质、生物活性及其影响因素 5.乳铁蛋白的分离方法

免疫( Immune):生物机体对自身和非自身的及对有害物的识别 免疫学( Immunology):是研究动物机体在接触到它能识别的抗原物质时产生应答,并 维持自身内环境平衡和稳定的科学

经典粒子群算法由于多样性差而陷入局部最优，从而造成早熟停滞现象.为克服上述缺点，本文结合人工免疫算法，提出一种基于自适应搜索的免疫粒子群算法.首先，该算法改善了浓度机制；然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源；最后对劣质子种群进行疫苗接种，利用粒子最大浓度值调节接种疫苗的搜索范围，不仅避免了种群退化现象，而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

提出了基于免疫遗传算法的形态学自适应结构元素生成算法，并将其用于光学相干断层成像(optical coherence tomography，OCT) 图像中视网膜组织边缘检测. 首先将图像进行去噪和粗分割的预处理，并将图像划分为若干子图像; 其次对每一子图利用免疫遗传算法求取自适应结构元，初始随机生成固定长度的二进制数串作为抗体，并将其转化为结构元素格式，以图像二维熵定义抗体适应度，根据子图像本身结构特征信息，寻找最优抗体结构元素; 最后利用寻优得到的各结构元素对子图进行形态学边缘检测，合并各子图的分割结果，实现整体图像目标边界提取. 实验结果表明了该方法在图像目标边界提取的有效性

是指通过注射或黏膜途径接种，诱导机体产生针对特定病原体的特异性抗体或细胞免疫，从而使机体获得保护或消灭该致病菌的生物制品。 接种疫苗的效果 疫苗产业特点 宫颈癌（HPV）疫苗研究现状 超级细菌疫苗 金葡菌的致病性 金葡菌免疫防治研究策略 金葡菌疫苗免疫保护机制研究