在生物技术和信息技术革命产生了大量的数据和正在加速生物系统的扩展我们的知识。这些进步在改变生物医学研究,开发和应用程序完成的。临床数据补充生物数据,详细描述各种健康和患病的状态,进展和对治疗的反应。数据的可用性代表各种生物状态,流程,和时间依赖性使生物系统的各级组织的研究,从分子到生物,甚至人口水平。多个来源的数据支持快速增长的生物医学知识;然而我们分析和解释这些数据的能力远远落后于数据生成和存储容量。数学和计算模型越来越多地用来帮助解释生物医学数据由高通量基因组学和蛋白质组学的项目。先进的计算机模型,使仿真应用的生物过程用于生成假设和实验计划。适当的界面的生物医学数据库,计算模型是必要的快速访问和共享的知识通过数据挖掘和知识发现方法。

我们特别感兴趣的手稿,研究生理和病理的免疫反应,细胞和/或分子的观点。应用程序的计算模拟,发现数学和统计方法,设计和优化的药物、疫苗和其他免疫疗法,以及评论,也欢迎。潜在的主题包括,但不限于:

• 建模的癌症和免疫系统的竞争
• 建模的自身免疫性疾病
• 细胞和分子建模特定方面的免疫系统
• 建模对传染病的免疫反应
• 建模和优化小说对疾病治疗(包括药物基因组学)

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/cmmm/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/根据以下时间表: