近年来，免疫学正经历一场深刻的方法论变革——从经典的还原论与描述性科学，向可预测、可仿真、可干预的系统性科学迈进。这一过程的核心，是多个统一框架的涌现，它们从不同维度试图将免疫系统中离散的分子、细胞、组织和临床数据整合成一个可计算的、可检验的整体。以下是当前最具代表性的三大框架及其汇聚趋势。

一、预测免疫学循环（Predictive Immunology Loop）

2025年11月，Khan等学者在arXiv上提出了一个雄心勃勃的愿景：免疫学的第三次革命。前两次革命分别是还原论生物学（分离和鉴定免疫组分）和系统免疫学（高通量测量与数据整合），而第三次革命将由大规模因果实验与预测性AI模型的融合驱动。

核心引擎：预测免疫学循环

该框架的核心是一个闭环迭代系统：

1. AI设计最大信息量的实验 — 识别知识缺口，设计最能区分竞争性假设的扰动实验

2. 生成大规模因果数据 — 使用先进的功能分析平台产生高质量、人类来源的数据

3. 构建可泛化的预测性AI模型 — 将因果数据融入动态计算机模型，跨越分子到组织的多尺度

4. 双重反馈机制 — 模型表现分析驱动迭代优化；识别关键数据缺口引导下一轮实验

这个闭环的最终目标是构建一个虚拟免疫系统（Virtual Immune System），使免疫学从描述性学科转型为一门能够预测、乃至工程化人类健康的学科。

二、免疫数字孪生（Immune Digital Twin）

与预测循环互补的是可模拟、可校验的机制性数字孪生路线。2026年5月，Moore等人在《Frontiers in Immunology》发表了迄今规模最大的单一整合免疫模型。

核心成果

该模型成功复现了九种感染的细胞因子特征，捕捉了MTB–HIV、SARS-CoV-2–EBV等四种共感染场景中的协同与拮抗效应，甚至能在肺移植模型中解析CMV、EBV和SARS-CoV-2共同挑战下的排斥与耐受信号。

意义

它将免疫学从单一种类、单一疾病的建模范式提升到跨疾病的多细胞系统通用模型，为临床整合型免疫数字孪生奠定了基础。模型以SBML格式在Cell Collective平台开放共享。

三、情境依赖的免疫调控框架（Context-Dependent Framework）

2026年7月，Chen等人在《Frontiers in Immunology》提出了以情境依赖性作为组织原则的混合框架，直面免疫学中最棘手的难题：同一分子或细胞在不同情境下表现出截然不同的功能。

三个核心命题

1. 免疫效应应建模为生物情境的条件输出，而非分子或细胞的固定属性

2. AI最适用于表征测量到的和缺失的情境信息，而非简单增加模型复杂度

3. 混合AI-机制模型应通过其对标量、可迁移性和可检验假设的改善来评估，而非与更简单模型的绝对性能比较

适用领域

该框架特别适用于以下场景：异质性免疫治疗反应、刺激特异性遗传调控、微量生物样本分析、纵向动物实验中的模态缺失、以及多组学数据中的配对难题。它不要求每个样本都有全模态数据，而是强调最小情境标注、不确定性感知的整合、显式假设和与简单模型的基准对比。

四、中国的实践：AIDeN新范式

在国内，以适应性免疫防御网络（AIDeN） 为代表的新范式正在将免疫学从经典的线性决定论思维推向整体化、网络化的系统论范式。

AIDeN的核心思想

• 网络完整性、连接平衡性、防御稳定性共同决定机体免疫状态

• 网络漏洞、节点缺失、连接异常直接对应疾病易感与病理进程

• 通过构建正常免疫组参考网络，实现个体免疫网络的比对、量化与可视化

自2007年至今，已完成超50万个免疫组文库测序，数据量相当于2万余个基因组。目前正以胰腺癌（"癌中之王"）为突破口，利用该范式解析其复杂的免疫抑制微环境。

正如美国匹兹堡大学Michael T. Lotze教授所言："真正的治愈，不是消灭每一个靶点，而是让整个系统重新稳定下来。" 而北京大学韩健研究员则强调："没有全链条的技术能力，系统医学就只能停留在概念层面。"

五、汇聚趋势：一个统一框架的雏形

将这三大路线放在一起审视，可以看到它们正朝着同一个方向收敛：

当前最前沿的共识是：单一模型类别无法覆盖所有尺度，也无法补偿未测量的情境信息。未来的统一框架必然是机制驱动与数据驱动相结合的混合架构——机制性部分保证显式的生物学约束和可干预性，数据驱动部分负责高维情境表征与多模态整合。

在这个框架下，AI不是替代实验，而是与实验形成设计—数据—模型—预测—再设计的闭环；免疫学也不再只是"发现与描述"，而将成为可预测、可工程化的定量科学。

参考文献

Khan et al., A Roadmap for Predictive Human Immunology, arXiv, 2025.

Moore et al., A comprehensive mechanistic multicellular model of the human immune system spanning 11 diseases, Front. Immunol., 2026.

Khan et al., Predictive Immunology Loop摘要, arXiv.

Chen et al., Context-dependent immune regulation: a mechanistic and AI-enabled integrative framework, Front. Immunol., 2026.

澎湃新闻, 重构免疫网络新范式，免疫网络学说前沿沙龙·AIDeN专题在沪举行, 2026.

支持单位：