Sztuczne Systemy Immunologiczne - Instytut Sterowania i Systemów ...
Sztuczne Systemy Immunologiczne - Instytut Sterowania i Systemów ...
Sztuczne Systemy Immunologiczne - Instytut Sterowania i Systemów ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
³<br />
°<br />
<strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong><br />
Andrzej Obuchowicz<br />
<strong>Instytut</strong> <strong>Sterowania</strong> i <strong>Systemów</strong> Informatycznych<br />
Uniwersytet Zielonogórski<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 1/25<br />
Plan wykładu<br />
☛ Układ odpornościowy – krótkie wprowadzenie.<br />
☛ Modele symulacyjne układów idiotypowych.<br />
☛ Przykład zastosowań:<br />
✎ immunologiczna klasteryzacja danych.<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 2/25<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 3/25<br />
Limfocyty<br />
✑ Limfocyty typuÌ<br />
¯źródło: szpik kostny;<br />
¯nabywaja˛<br />
zdolność rozpoznania swój–obcy w grasicy:<br />
²<br />
☞ limfocycty wspomagajaceÌ(ang. ˛<br />
helpers);<br />
☞ limfocycty supresyjneÌ(ang. natural kilers).<br />
✑ Limfocyty typu<br />
¯źródło: szpik kostny;<br />
¯czynnościowo podlegaj ˛ a limfocytomÌ;<br />
¯produkuj ˛ a przeciwciała (immunoglobuliny);<br />
¯wstudium dojrzałymµkomórki pamięciowe.<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 4/25<br />
Schemat budowy limfocytu typu<br />
²<br />
¯<br />
około½¼receptorów<br />
na komórce;<br />
komórki monoklonalne<br />
tzn. wszystkie<br />
receptory rozpoznaja˛<br />
jeden typ epitopu.<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 5/25<br />
Schemat budowy receptora limfocytu typu<br />
²<br />
ÔÖØÓÔ<br />
ÔØÓÔ<br />
służy<br />
fragment<br />
do identyfikacji<br />
innych molekuł;<br />
receptora<br />
lub antygenu, który<br />
może połaczyć ˛ się<br />
z paratopem.<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 6/25<br />
Dojrzewanie swoistości<br />
układu odpornościowego<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 7/25<br />
Kostymulacja<br />
Warunki aktywacji-komórki:<br />
☞ liczba antygenów zwiazanych ˛ przekracza wartość progowa;<br />
˛<br />
²<br />
☞ potwierdzenie odÌ-komórki, że zwiazany ˛ epitop jest obcy.<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 8/25<br />
Wybrane własności odporności swoistej<br />
☛ zdecentralizowany układ rozproszony;<br />
☛ zdolność uczenia się charakterystyk patogenów;<br />
☛ zdolność zapamiętywania tychże charakterystyk;<br />
☛ rozróżnianie własnych epitopów od obcych.<br />
Cechy te stanowia˛<br />
inspirację dla systemów<br />
²<br />
komputerowych przeznaczonych do zadań analizy<br />
danych, kompresji danych, optymalizacji itp.<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 9/25<br />
Hipoteza sieci idiotypowej Jerne’a´½µ<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 10/25<br />
´ÖÑÖÈÖÈÖÐ×ÓÒ½µ<br />
Założenia modelu<br />
Model pamięci immunologicznej<br />
✔ rozważanie relacji tylko pomiędzylimfocytami a<br />
antygenami i wzajemnych relacji pomiędzy<br />
limfocytami, pominięcie innych elementów układu<br />
odpornościowego;<br />
✔ brak rozróżnienia pomiędzy swobodnymi<br />
przeciwciałami i przeciwciałami umieszczomyni na<br />
²<br />
powierzchnilimfocytów;<br />
✔ każde przeciwciało posiada dokładnie jeden epitop.<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 11/25<br />
Reprezentacja przeciwciała<br />
epitop<br />
paratop<br />
²<br />
0 1 0 1 1 0 0 1 0 1 1 0 0 1 0 1<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 12/25<br />
Stopień<br />
ÑÈ´ÈÒ´Ò·µ<br />
dopasowania przeciwciała<br />
Ô´Òµ ×·½µ,<br />
gdzie<br />
×<br />
–<br />
–<br />
Ô´Òµ ´Òµ –<br />
–<br />
²<br />
przesunięcie epitopu względem paratopu;<br />
wartość progowa dopasowania;<br />
wartośćÒ-tego bitu w-tym epitopie;<br />
´µ <br />
wartośćÒ-tego<br />
¼ ¼<br />
bitu<br />
¼<br />
w-tym paratopie;<br />
dla<br />
dla<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 13/25<br />
Równanie dynamiki systemu<br />
Ü Æ ½ ÑÜÜ ½ Æ ÑÜÜ·Å ½ ½ ÑÜÝ ¾Ü<br />
½¾Æ<br />
✑ܽƖ koncentracja<br />
przeciwciał typu;<br />
✑ݽŖ koncentracja<br />
✑½– współczynnik<br />
²<br />
antygenów typu;<br />
nierównowagi pomiędzy stymulacja˛<br />
a<br />
supresja;<br />
˛<br />
✑¾– współczynnik wymierania.<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 14/25<br />
Model symulacyjny<br />
✍ Przebieg procesu zgodnie z równaniem dynamiki<br />
systemu;<br />
✍ Nowe typy przeciwciał: krzyżowanie, mutacja i<br />
inwersja łańcuchów reprezentujacych ˛ epitopy i<br />
paratopy;<br />
✍ Spadek koncentracji–tego przeciwciała poniżej<br />
²<br />
zadanej wartości — usunięcie zmiennejÜ;<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 15/25<br />
Własności modelu<br />
✌ dla½½¾¼wszystkie przeciwciała wymieraja˛<br />
po<br />
pewnym czasie;<br />
✌ dla½¼tworza˛<br />
się pętle reakcji;<br />
✌ wzrostÆwzrost liczby i długości pętli;<br />
✌ pętle pozwalaja˛<br />
na pamiętanie pewnych stanów nawet<br />
przy zakłóceniu nowymi antygenami;<br />
²<br />
✌ nowe przeciwciała zostaja, ˛ jeśli rozpoznaja˛<br />
inne<br />
epitopy, inaczej wymieraja ˛ (zdolność zapominania).<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 16/25<br />
Inne symulacyjne modele immunologiczne<br />
✏ immunologiczna pamięć asocjacyjna<br />
(ÐÖØÊÓÙÒØÒ½)(inne równanie dynamiki);<br />
✏ model Celady i Seidena (½¾)<br />
(oparty na automatach komórkowych);<br />
✏ model odpowiedzi humoralnej<br />
(ÐÐØÒ½) (model wieloagentowy);<br />
²<br />
✏ model procesu chorobowego<br />
(Ô×ØÒÜØÐн) (model<br />
wieloagentowy);<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 17/25<br />
Immunologiczna klasteryzacja danych<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 18/25<br />
Struktura-komórki. Poziom stymulacji<br />
× ¼ Æ ½ Ñ´ÜÜÔµ ½Æ ½ Ñ´ÜÜÔµ·¾Å ½ Ñ´ÝÜÔµ ½ ¿<br />
²<br />
Æ- liczba<br />
sasiadów-tej ˛<br />
komórki<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 19/25<br />
Zarys procedury uczenia<br />
ładuj antygeny<br />
inicjuj populację B-komórek<br />
dopóki nie spełniony warunek stopu<br />
wybierz losowo antygen<br />
wybierz losowo B-komórkę<br />
wybierz sasiadów ˛ B-komórki<br />
dla każdej komórki<br />
prezentuj antygen,<br />
jeżeli×<br />
oblicz×<br />
klonowanie i mutacja komórki<br />
²<br />
usuńÔ±najsłabszych komórek<br />
generujÒkomórek<br />
wprowadźÑnajlepszych do populacji<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 20/25<br />
Dane uczace<br />
˛<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 21/25<br />
Wynik: niski stopień supresji<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 22/25<br />
Wynik: średni stopień supresji<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 23/25<br />
Wynik: wysoki stopień supresji<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 24/25<br />
Inne wybrane zastosowania<br />
☛ Eksploracyjna analiza danych.<br />
☛ Immunologiczna kompresja danych.<br />
☛ Immunologiczna optymalizacja (immunologiczne<br />
algorytmy genetyczne)<br />
☛ Detekcja anomalii<br />
²<br />
±
³ °<br />
A. Obuchowicz: <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong> 25/25<br />
Aby zaczać ˛ . . .<br />
➽ S.T. Wierzchoń, <strong>Sztuczne</strong> <strong>Systemy</strong> <strong>Immunologiczne</strong>. Teoria<br />
i Zastosowania, Warszwa: Akademicka Oficyna<br />
Wydawnicza EXIT, 2001.<br />
➽ J.I. Timmis, Artificial Immune Systems: A novel data<br />
analysis inspired by the immune network theory, PhD<br />
thesis, Dept. of COmputer Science, University of Wales,<br />
Aberystwyth, 2001.<br />
➽ D. Dasgupta (ed), Artificial Immune Systems and Their<br />
²<br />
Application, Berlin: Springer-Verlag, 1999.<br />
±