Sistemi Immunitari
Artificiali:
Metafora ed Applicazioni
Dr. Mario Pavone
[email protected]
http://www.dmi.unict.it/~mpavone
Sistemi Immunitari Naturali (1/3)
» L’immunologia è lo studio dei meccanismi di difesa contro
organismi portatori di malattie
» Il ruolo principale del sistema immunitario naturale è la
protezione dell’organismo contro l’attacco di agenti patogeni,
o Antigeni (Ag), e l’eliminazione di cellule mal funzionanti o già
infettate
» Il principale problema che il NIS deve affrontare è il
riconoscimento di tali Ag
» Le cellule si distinguono in self e nonself: il processo di
distinguere un’entità self da una nonself è detta self-nonself
discrimination
» Le cellule immunologiche si generano e si sviluppano in due
organi: midollo osseo e timo
Sistemi Immunitari Naturali (2/3)
» Tra le cellule immunologiche vi sono i linfociti (B cells e T
cells) che sono specializzati principalmente nel
riconoscimento degli agenti patogeni (Ag).
» Sulla superficie cellulare dei linfociti B e T è presente un
recettore (BCR e TCR) responsabile del riconoscimento di
Ag. Il BCR viene detto anche Anticorpo (Ab).
» La caratteristica di una molecola di legarsi ad un antigene
dà origine alla risposta immunitaria del sistema, cioè la
reazione del sistema contro gli agenti patogeni.
Sistemi Immunitari Naturali (3/3)
»
»
»
»
»
Ogni recettore presenta uno
specifico shape, con il quale può
legarsi ad uno specifico Ag
Il riconoscimento di un Ag è
basato sulla complementarità
dello shape
Quando un cellula si lega ad un
Ag, questa viene attivata per
eseguire la risposta immunitaria
La risposta immunitaria viene
prodotta quando il sistema
immunitario riconosce una
molecola estranea
Un numero di molecole verranno
prodotte (cloni)
Risposta Immunitaria
Sistemi Immunitari Artificiali: i
diversi Approcci
» Clonal Selection
 proliferazione e differenziazione delle cellule che
meglio riconoscono l’antigene
» Negative Selection
 eliminazione delle T cellule
riconoscono le entità self
nel
Timo,
che
» Immune Networks
 come interagiscono le cellule di
immunitario tra di loro?
un sistema
» Danger Theory
 perché c’è una risposta immunitaria per le entità
self nocive e non per quelle nonself innocue ?
Negative Selection (1/2)
» È il processo che elimina tutte le T cellule i cui recettori sono
in grado di riconoscere e legarsi con entità self dentro il
Timo
» Blood Thymic Barrier evita che tutte le entità nonself siano
presenti all’interno del Timo
» Tutte le T cellule che non sono in grado di riconoscere ogni
entità self diventa immunocompetent, cioè in grado di
eseguire una risposta immunitaria
» Queste tipo di cellule vengono rilasciate nel sangue per
“pattugliare” il corpo dalla presenza di agenti patogeni
» Tali cellule T (detectors) sono in grado di individuare ogni
cambiamento nelle cellule self oppure ogni forma di entità
nonself
Negative Selection (2/2)
Immune Networks
» Gli
anticorpi
presentano
porzioni dei loro recettori che
possono essere riconosciuti da
altri anticorpi
» Parte
di
un
anticorpo
(paratope) si legherà ad una
parte di un antigene (epitope)
»
»
Anche gli anticorpi presentano “epitopes”, i quali possono
legarsi ai paratope di altri anticorpi
Tutti gli anticorpi che presentano paratope attivi proliferanno
Danger Theory (1/2)
» L’idea centrale della Danger Theory è che il sistema
immunitario non risponde alla presenza di entità nonself,
ma al pericolo
» Non c’è bisogno di “attaccare” ogni cosa che è estranea
» Danger Theory è misurata dal danneggiamento della
cellule, indicato attraverso “segnali di pericolo”, inviati
quando una cellula muore di morte non naturale
» La risposta immunitaria viene eseguita in un intorno
(danger zone) determinato dal danger signal
 Danger signal stabilisce una zona di pericolo
» Tutte le B cellule in grado di legarsi ad Antigeni dentro la
danger zone vengono stimolati per la proliferazione
» La Danger Theory può aiutare a studiare e capire il
problema dei sistemi di intrusione (intrusion detection
systems)
Danger Theory (2/2)
Clonal Selection
» Clonal Selection si concentra su
come le B cellule si adattano
per legarsi ed eliminare le entità
patogene
» Quando una B cellula si lega ad
un antigene, questa inizierà a
proliferarsi
proporzionalmente
alla sua qualità di match
» Il processo in cui una B cellula si
duplica/clona una volta legata
ad un antigene è chiamato
Espansione Clonale
Principio della Selezione Clonale
QuickTime™ e un
decompressore
sono necessari per visualizzare quest'immagine.
Affinity Maturation e Somatic
Hypermutation
» L’affinità di una B cellula è il grado con cui si lega ad un
antigene
 più forte è l’affinità, più forte è il legame
» Ogni recettore riconosce e si lega ad un antigene con
differenti gradi di affinità
» Affinity Maturation: durante la risposta immunitaria ogni
cellula incrementa l’affinità dei recettori clonati
» Il cambiamento dello “shape” dei recettori è causato
attraverso mutazioni
» Ogni clone è soggetto a Ipermutazioni somatiche
» Il tasso di Ipermutazione è inversamente proporzionale
all’affinità di ogni recettore
» Tale Ipermutazione aiuta a preservare alte affinità e
produrre diverse varianti del recettore selezionato
Teoria della Selezione Clonale
Clonal Selection Algorithms
» CSA sono basati sul principio di selezione clonale, per
produrre metodi efficienti di ricerca e ottimizzazione
» Espansione Clonale produce una nuova popolazione di B
cellulle con migliori valori di affinità
» Ipermutazione è vista come una procedura di ricerca
locale che conduce ad una più veloce maturazione
» Strategia intelligente bottom-up: le cellule e le molecole si
adattano a livello locale per produrre un utile
comportamento a livello globale
» Nei CSA l’antigene rappresenta il problema da affrontare;
gli anticorpi rappresentano le soluzioni generate
» All’inizio della risposta immunitaria Ag-problem viene
riconosciuto attraverso scarse soluzioni
» Alla fine della risposta immunitaria Ag-problem viene
riconosciuto/risolto attraverso buone soluzioni
Algoritmo Immunologico
pseudo-codice
Initialize Population P(0)
Evaluate P(0)
P(t)
(termination)
Cloning
P(clo)
Select best
alived
individuals
P(t+1)
P(t), P(hyp)
Aging
P(hyp)
Hypermutations
P(hyp)
Evaluate