（计算机软件与理论专业论文）人工免疫算法研究及其在数据挖掘上的应用.pdf

摘要 信息时代的来临，带来大量的数据。这些数据中隐藏着许多重要的信息和知 识。如何从表面数据中提取到深层次的、表现了事物内在规律的规则来进行预测 或指导决策，是迫切需要解决的问题。数据挖掘正是在这样的背景下产生的新的 研究领域，是统计学、计算机科学、模式识别、人工智能、机器学习、数据库等 多领域的交叉学科。 人工免疫是近几年在智能技术学科方面新兴的研究领域。生物免疫是一个高 度复杂的自适应系统，具有学习、记忆和模式识别的能力。通过模拟和应用免疫 系统的信息处理能力，可以解决许多科学和工程问题。 本论文的主要研究内容和工作成果有： 首先，指出了免疫系统的一些主要特点。并就理论研究与应用研究两方面对 人工免疫系统的发展概况进行了必要的说明。从数据挖掘任务和对象两方面分别 阐述了人工免疫系统的数据挖掘应用。 其次，以改进免疫算法( a i a ) 作为基础，将之运用到关联规则挖掘当中， 给出一种新型的关联规则挖掘算法。针对用户感兴趣的属性，对事务数据库的关 联规则直接进行挖掘，并对其优势与局限性进行分析讨论。 最后，给出一种以最大频繁项目集为目标的免疫挖掘算法。其基本思路是将 免疫克隆选择的概念引入挖掘过程当中。该算法可减少对数据库的扫描次数，同 时也具有较好的收敛性。通过仿真实验，比较了以上两个算法与传统a p r i o r i 算 法以及基于进化算法的关联规则挖掘之间的性能差异，并分析了其适用范围。 关键字：人工免疫系统；关联规则提取；免疫算法；频繁项集；免疫 克隆选择 a b s t r a c t t h ea r r i v a lo ft h ei n f o r m a t i o na g ew i l lu n d o u b t e d l yh a v eap r o f o u n di n f l u e n c eo n o u rl i v e s i tb r i n g se x t e n s i v eq u a n t i t yo fd a t ai nw h i c hm a n yi m p o r t a n ti n f o r m a t i o n a n dk n o w l e d g eh i d e h o wt og e td e e pr u l e sf r o md a t ai st h eu r g e n tp r o b l e mw h i c h n e e d st ob ew o r k e do u t r u l e sr e p r e s e n tt h eh i d d e nn a t u r eo ft h i n g s ，a n dc a nb eu s e d t op r e d i c to rm a k ed e c i s i o n s d a t am i n i n gi st h en e wr e s e a r c hf i e l da g a i n s ts u c h b a c k g r o u n d ，i st h ec r o s ss u b j e c t so fm a n ya r e a s ，s u c ha ss t a t i s t i c s ，c o m p u t e rs c i e n c e ， p a t t e mr e c o g n i t i o n ，a r t i f i c i a li n t e l l i g e n c e ，m a c h i n el e a r n i n g ，d a t ab a s e a r t i f i c i a li m m u n ei sa ni n c r e a s i n g l yi m p o r t a n ta r e ai nt h ef i e l do fi n t e l l e c t i v e t e c h n o l o g y b i o l o g i c a li m m u n ei sah i 曲l yc o m p l e x i t ya n ds e l f - a d a p t i v es y s t e mw i t h c a p a b i l i t yo fl e a r n i n g 、m e m o r ya c q u i s i t i o n 、p a t t e r nr e c o g n i t i o na n ds oo n b y s i m u l a t i n ga n da p p l y i n gt h eb i o l o g i c a li m n m n es y s t e m ，t h en e wc o m p u t a t i o n a l t e c h n i q u e sc a ns o l v en o to n l yt h es c i e n c eb u ta l s ot h ee n g i n e e r i n gp r o b l e m s t h em a i nw o r ka n da c h i e v e m e n t so ft h i sp a p e ra r ea sf o l l o w s a tf i r s t ，t h em a i nc h a r a c t e r i s t i co fi m m u n es y s t e mi s g e n e r a l i z e d ，a n ds o m e n e c e s s a r ye x p l a i ni sp o i n t e do u ti nt h e o r ya n da p p l i c a t i o nr e s e a r c hi nt h ep a p e r , f r o m d a t am i n i n gt a s ka n do b j e c ta s p e c t ，i tr e s p e c t i v e l ye x p o u n d st h e a p p l i c a t i o n so f a r t i f i c i a li m m u n es y s t e mo nd a t am i n i n ga p p l i c a t i o ni nt h i sp a p e r s e c o n d ，an e wa s s o c i a t i o nr u l em i n i n ga l g o r i t h mi sp r o p o s e d ，w h i c hi sb a s e do n a na d v a n c e da r t i f i c i a li m m u n ea l g o r i t h m ( a i a ) t h i sa l g o r i t h mm i n g st h ea s s o c i a t i o n r u l e so ft r a n s a c t i o nd a t a b a s ed i r e c t l y , a c c o r d i n gt ot h ea t t r i b u t e sw h i c hu s e r sa r e i n t e r e s t e di n t h e n ，t h ea d v a n t a g e sa n dd i s a d v a n t a g e so ft h en e wa l g o r i t h ma r e a n a l y z e da n dd i s c u s s e d a tl a s t ，t h i sp a p e rp r e s e n t sa n o t h e ri m m u n ea s s o c i a t i o nr u l em i n i n gm e t h o d ，a n d t h ep r i m a r yi d e ao ft h i sm e t h o di si n t r o d u c i n gt h ei m m u n ec l o n es e l e c t i o nt h e o r y i n t ot h em i n i n gp r o c e s s t h i sm e t h o dc a nr e d u c et h ec o s to fs c a n n i n gt h ed a t a b a s e a t t h es a m et i m e ，i t sc o n f i d e n c ec o n v e r g e sr a p i d l y b ys i m u l a t i o n e x p e r i m e n t ，w e c o m p a r et h el a s tt w oa l g o r i t h m s 、i t ht h et r a d i t i o n a la p r i o r ia l g o r i t h ma n da s s o c i a t i o n r u l em i n i n ga l g o r i t h mb a s e do ne v o l u t i o n ，s t u d yt h e i rd i f f e r e n c e si nc a p a b i l i t y , a n d a n a l y z et h e i ra d v a n t a g e sa n dl i m i t a t i o n s k e yw o r d s ：a r t i f i c i a li m m u n es y s t e m ；a s s o c i a t i o n r u l ee x t r a c t i o n ； f r e q u e n ti t e m s e t s ；i m m u n ea l g o r i t h m ；i m m u n ec l o n es e l e c t i o n 学位论文知识产权权属声明 本人在导师指导下所完成的学位论文及相关的职务作品，知识产权归属学校。 学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。本人离校 后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为 青岛大学。 本学位论文属于： 保密口，在年解密后适用于本声明。 不保密面。 ( 请在以上方框内打“”) 同期：汐。譬年岁月2 同 同期：矽岔年，月，2 同 本声明的版权归青岛大学所有，未经许可，任何单位及任何个人不得擅自使用) 5 7 第一章绪论 1 1 课题的研究背景和意义 第一章绪论 赖以支撑生物体复杂生命现象和高级智能行为的各种法则一直是人类悠然神 往的奥秘和不竭的技术思想方法源泉，不断启迪着科学和工程技术向前发展。目前， 生物体四大信息处理系统中，神经系统( b r a i nn e r v o u ss y s t e m s ) 和遗传系统( g e n e t i c s y s t e m s ) 己经得到了深入研究，基于它们工作原理的各种人工模型及其算法结构己 开始被应用于工程实践，产生了巨大的科研经济效用。然而，对免疫系统( i m m u n e s y s t e m s ) 和内分泌系统( e n d o c r i n es y s t e m s ) 的研究和应用却相对滞后。上世纪6 0 - 7 0 年代以后，随着免疫学理论研究的不断发展，人们对生物免疫系统的认识不断深入。 免疫系统作为一种高效的分布式并行信息处理系统，其独特的工作机理和出色 的工作效能在机器学习、函数优化、模式识别、智能控制等研究领域展示出巨大的 魅力，引起了国内外研究人员的极大兴趣。各种基于免疫学原理的人工免疫系统 ( a r t i f i c i a li m m u n es y s t e m a i s ) 的理论研究及其工程应用成果不断地见于报导。 1 9 9 7 和1 9 9 8 年，i e e e 的s y s t e m ，m a na n dc y b e m e t i c s 年会和2 0 0 2 年的c o m p u t a t i o n a l i n t e l l i g e n c e 国际会议专门组织了a i s 专题讨论会，将a i s 的研究逐步推向高潮。如。 今，a i s 研究己经成为人工智能领域一个重要的研究方向。由于a i s 的复杂性，加 上起步较晚，其理论研究和工程应用的深度和广度还有待于加强。 1 2 人工免疫系统的研究概况 通过研究，目前人们已经认识到：免疫系统独特的工作机理和完善的工作效能 使得免疫原理具有突出的工程应用价值。这主要表现在如下几个方面： ( 1 ) 抗体的形成和记忆实质上是一种生物学习和优化过程，借鉴免疫系统高 效的多样化抗体产生和保持机制可以建立高效的学习和优化算法。 ( 2 ) 在千奇百怪的抗原和不断变异的病菌病毒环境中，免疫系统必须快速组 织和更新抗体，及时消除肌体所面临的各种安全威胁，这与自适应控制的目的相似， 因此借鉴抗体快速识别和跟踪抗原并实现抗体自组织记忆的原理，有助于构建高效 的自适应控制系统以及复杂系统辨识和控制方式。 ( 3 ) 故障诊断实际上是一个“自己”和“非己 识别问题，正常状态是“自 己”，故障状态便是“非己”。免疫系统在恶劣环境中，能够准确地识别敌我的特性， 为开发高效的故障诊断方法提供了参考。 一般认为，借鉴生物免疫系统的结构特征和工作机理，为解决某方面工程技术 问题所建立的系统或者算法结构，统称为人工免疫系统( a i s ) 。这些a i s 具有噪声 青岛大学硕士论文 忍耐、无教师学习、自组织、不需要反面例子、能清晰地表达学习的知识等特点， 它结合了分类器、人工神经网络和机器推理等学习系统的许多优点。在机器学习、 函数优化、模式识别、智能控制等方面具有广阔的应用前景。 以j e m e 提出独特型网络模型为标志，a i s 研究开始于2 0 世纪7 0 年代，迄今 已有三十多年。下面从理论和应用两个方面综述目前a i s 的研究情况。 1 2 1 理论研究 a i s 理论研究主要集中在a i s 网络模型、免疫算法、免疫多样性【l 】三个方面。 ( 1 ) a i s 网络模型研究 a i s 网络模型研究开展最早，迄今为止，人们根据应用对象不同，从不同角度 模拟免疫系统，提出了不少有价值的a i s 网络模型。其中最为著名的是1 9 7 3 年j e m e 提出的独特型网络模型( i d i o t y p i cn e t w o r k s ) 。他从抗体独特型出发，认为抗体具有 抗体和抗原两重属性，它在识别抗原的同时，也会被其它抗体识别而产生免疫反应， 因而整个免疫系统是一个通过抗体相互作用构成的网络结构。独特型网络理论能够 较好地解释免疫初次反应、二次反应、免疫记忆等现象，具有较大的影响。该模型 作为一种非线性动力学系统，被广泛用于自适应控制、机器学习和故障诊断等领域。 1 9 9 7 年m i t s u m o t o 借鉴免疫系统中b 细胞通过相互作用维持系统平衡的机理， 提出了免疫反应网络模型，用于分布式自治机器人群体调度和控制。结果表明，利 用该模型，能够有效地组织机器人群体，完成复杂、多变的复合任务：2 0 0 0 年z a k 根据应激反应原理提出一种免疫系统随机模型。 ( 2 ) 免疫算法研究 借鉴免疫原理提出高效的学习和优化算法，是a i s 理论研究的重要内容之一。 目前提出的算法主要的有：1 9 9 4 年f o r r e s t 提出一种否定选择算法( n e g a t i v es e l e c t i o n a l g o r i t h m ) 该算法模拟免疫系统的“自己”、“非己 识别方式，通过构造“t 细胞” 结构，定义一组“自我集 和“监视集”，通过按概率检测系统异常，能够实现鲁 棒的故障诊断。该算法被用于网络安全监测，取得了较好的效果。1 9 9 5 年h u n t 等 人提出一种基于b 细胞网络的学习算法结构。该算法以免疫系统中的b 细胞为原型， 通过b 细胞网络的模式匹配和记忆更新，可以完成复杂的模式学习和自组织记忆。 该算法被用于d n a 序列识别，取得了较好的效果。由于该算法具有较强的学习能 力，它的基本思想被广泛应用于模式识别和函数优化；1 9 9 6 年i s h i d a 等人借鉴免 疫系统的局部记忆学说和免疫网络学说，提出免疫a g e n t 算法。该算法包括多样性 产生、自忍耐建立、记忆非己三种操作，适合用于计算机病毒库进化、网络防御和 自适应控制等应用领域；1 9 9 7 年c h u n 等人将体细胞理论和遗传算法相结合，提出 一种免疫遗传算法( i m m u n eg e n e t i ca l g o r i t h m ) 。它通过在遗传算法流程中添加个体 2 第一章绪论 浓度控制机制，使得高适应度的超级个体在群体中的扩散速度被有效控制，从而有 助于解决遗传算法的早熟问题，具有较强的全局优化能力。 ( 3 ) 免疫多样性 研究抗体多样性产生机理研究具有重要的理论意义和应用价值，目前这方面的 研究相对薄弱。主要研究成果有：1 9 9 6 年p e r e l s o n 等人提出了形状空间理论，他通 过用二进制数码表示抗体和抗原，用码位互补表示抗体对抗原的识别，开创了用数 学手段解释免疫系统多样性形成的研究。他建立了一种免疫系统模型，其主要包括： 若干抗体的基因库( 基因型) ：由各基因库中基因组合而成的抗体( 表现型) 所构成的 一个群体；抗原的定义；抗原与抗体的匹配规则：一组实现抗体基因库进化的参数 和操作。在此模型基础上，他们对免疫系统进行了仿真实验，并对识别多样性做了 合理的解释；同年，h i g h t o w e r 等人以形状空间理论为基础，对抗体基因库的形成 机理做了进一步研究，在对自然免疫系统进化过程的深入研究基础上，指出免疫系 统的遗传进化是在表现型上进行的基因型的进化，并用实验手段表明遗传算法能够 模拟抗体基因库的进化过程；1 9 9 8 年o p e r a 用二进制抗体模型研究了免疫系统多样 性原理和进化意义。她通过用遗传算法模拟免疫系统的进化过程，研究了抗体基因 库多样性对抗体库的作用，并在此基础上，解释了为什么抗体基因库中只存在且必 须存在近百种基因的原因。 1 2 2 应用研究 a i s 的应用研究涉及到自动控制、优化计算、模式识别与故障诊断、网络安全 【2 j 等几个方面。 1 自动控制 自动控制是a i s 应用的重要方向之一。免疫系统是一个鲁棒性很强的自适应控 制系统，它能够得心应手地处理环境干扰和不确定性。其自适应机制可为未知环境 中的动态问题求解提供一种崭新的思路。 2 模式识别和故障诊断 模式识别和故障诊断是a i s 应用的一个重要方向，a i s 结合了分类器、神经网 络、机器推理等学习系统的优点，能够学习新的信息和回忆以前学过的信息，因而 是较好的模式识别工具。 3 优化计算 优化计算也是a i s 应用的一个重要方向。免疫系统能够进化地处理不同抗原的 抗体，其多样性抗体产生和进化机理可用于求解函数优化问题。基于人工免疫系统 的函数优化方法大致可分为三大类： ( 1 ) 利用免疫系统的抗体浓度控制机制改造遗传算法，克服遗传算法的早熟问 青岛大学硕士论文 题。目前这方面应用的报道较多，如：永磁同步电机参数优化；旅行商问题求解； 约束优化和多判据设计等等。 ( 2 ) 根据b 细胞的克隆选择原理提出新的优化算法。克隆选择是免疫系统搜索 抗体的重要手段，其搜索机理类似e p ( e v o l u t i o n a r yp r o g r a m ) ，借鉴克隆选择机理建 立起来的函数优化算法具有较强的全局优化能力，同时能够保持抗体模式的多样 性，适合用于求解复杂的函数优化问题。 ( 3 ) 借鉴人工免疫的思想，将先验知识表达成疫苗，持续改良抗体结构，达到 加快算法的全局收敛速度的目的。该方法用于求解旅行商问题，表现出良好的性能。 4 网络安全 a i s 在网络安全方面也有许多应用实例。基于免疫原理的计算机系统比普通操 作系统所支持的系统更具有辨别和保护能力。应用成果有计算机病毒检测等。 1 3 本论文主要研究内容 本论文借鉴生命科学中免疫的概念与理论，围绕免疫进化、抗体克隆选择学说 等技术，对数据挖掘的应用进行深入的研究。论文组织安排如下： 第一章介绍了课题的研究背景、国内外研究现状及本文所做工作和研究方法 第二章简要说明了人工免疫系统的生物学基础。介绍生物免疫的一些基本概 念、生物免疫系统的基本组成以及免疫学理论的发展变迁，指出了免疫系统的一些 主要特点。并就理论研究与应用研究两方面对人工免疫系统的发展概况进行了必要 的说明。通过对生物免疫的学习，我们可以从中得到很多有益的启示。 第三章介绍数据挖掘的概况。从数据挖掘的产生、数据挖掘的定义和应用方向， 进行了简单的说明。同时，就关联规则挖掘技术及其常用算法作了一定程度的归纳 讨论。 第四章从数据挖掘任务和对象两方面分别阐述人工免疫系统的数据挖掘应用。 第五章以改进免疫算法作为基础，将之运用到关联规则挖掘之中，给出了一种 新型的关联规则挖掘算法，针对用户感兴趣的属性，对事务数据库的关联规则直接 进行挖掘。并对其优势与局限性作了分析讨论。 第六章给出一种遵循传统数据挖掘思想，以最大频繁项目集为目标的广泛适用 的免疫挖掘方法。其基本思路是将免疫克隆选择思想引入挖掘过程当中。通过实验， 比较了该算法与传统a p r i o d 算法以及基于进化算法的关联规则挖掘之间的优劣， 并分析了其适用范围。 第七章全文的总结以及今后进一步研究的展望。 4 第二章免疫系统简介 第二章免疫系统简介 2 1 生物免疫系统的基本原理 2 1 1 免疫系统的功能 如果把人体看作一个国家，免疫系统则可以看作是保卫这个“国家”安全的“警 察”和“军队”。人类和其他生物的免疫系统是一个由许多执行免疫功能的器官、 组织、细胞、分子以及淋巴循环等组成的复杂系统，其基本作用是保护自身，抵抗 外来病原体和自身癌变细胞威胁。文【3 】中定义：“免疫是指机体接触抗原性异物( 如 各种微生物) 后，能产生一种特异性的生理反应，通过这种生理反应可排除这些异 物，从而保护机体的生存。 也就是说，免疫系统的主要功能是识别并清除从外界 环境中入侵的病原体及其产生的毒素和内环境中因基因突变产生的肿瘤细胞，实现 免疫防卫功能，维持内环境的稳定。从本质意义上说，免疫系统的基本功能是识别 和排除“异己”，维持自身的一致性。 2 1 2 固有性免疫响应和适应性免疫响应 人体对病原体等异物的免疫响应分为两种类型：固有性免疫响应( i n n a t e i m m u n er e s p o n s e ) 和适应性免疫响应( a d a p t i v ei m m u n er e s p o n s e ) 【4 j 。 固有性免疫响应又称非特异性免疫响应( n o n s p e c i f i ci m m u n er e s p o n s e ) ，它 对所有侵入人体内的细菌和病毒都有积极而快速的防卫作用，其执行机构有：皮肤、 粘膜的阻挡作用和局部细胞分泌的杀菌物质的化学作用：吞噬细胞吞噬病原体的作 用：自然杀伤( n a t u r a lk i l l e rn k ) 细胞对感染病毒细胞的杀伤作用等等。固有性免疫 响应的特点是直接性( 不经过其它结构介导) 、快速性( 具有即时响应的能力) 和广谱 性( 对大部分的细菌、病毒等异物，不是针对特定抗原) 。 适应性免疫响应又称特异性免疫响应( s p e c i f i ci m m u n er e s p o n s e ) ，免疫系统只 对特定的一种或几种异物产生强烈而有效的响应，人体内执行特异性免疫响应的物 质是t 淋巴细胞( 简称t 细胞) 和b 淋巴细胞( 简称b 细胞) 以及它们产生的抗体等各 种分子。正如其名，适应性免疫响应最主要的特点是特异性和适应性。它是人类和 其它动物对抗入侵病原体的有力武器，一般所指的免疫响应即是指适应性免疫响 应，免疫系统的研究也基本上集中于适应性免疫响应。如无特殊说明，本文所说的 免疫系统和免疫响应均指适应性免疫响应。 固有性免疫响应和适应性免疫响应相互联系，共同构成一个完整的防御体系。 固有性免疫响应为适应性免疫响应提供最初的抗原提呈，并且担负一部分清除适应 青岛大学硕士论文 性免疫响应所识别的抗原的任务；适应性免疫响应产生后，也会发送信号通知固有 性免疫系统，这些单元将调整其规律，以便更好地同适应性系统交流以对付随后的 抗原入侵。 2 1 3 免疫系统的结构 免疫系统由免疫器官、免疫细胞、免疫分子和淋巴循环网络组成。免疫器官分 为中枢免疫和外周免疫器官，中枢免疫器官是免疫细胞发育成熟的场所，包括胸腺 和骨髓。外周免疫器官是成熟淋巴细胞定居和产生免疫响应的场所，包括淋巴结、 脾脏和黏膜免疫系统。免疫细胞泛指执行免疫功能的各种细胞，包括t 细胞、b 细 胞、吞噬细胞，自然杀伤烈k ) 细胞等与免疫响应有关的细胞，免疫细胞都来源于造 血干细胞，免疫细胞的成熟过程实际上是造血干细胞的发育分化过程。免疫分子是 免疫细胞合成和分泌的执行免疫功能的各种分子的统称，包括抗体、补体、细胞因 子、主要组织相容性复合体等。淋巴循环网络为免疫细胞和分子进行免疫响应和免 疫补充提供了一个流动的环境，它与血液循环系统相联系。在介绍b a r n e t 的克隆选 择的原理之前，首先介绍一下免疫系统和免疫响应的几个重要概念。我们尽可能地 避免对免疫学具体而细致的介绍，但是正确地理解免疫学的基本内容是必要的。 ( 1 ) 抗原( a n t i g e n ，简称a g ) ：抗原是一组能被淋巴细胞识别的有机物质，包括 多肤、寡糖、脂质酸等小分子，其化学成分不同于宿主细胞自身物质的化学组成。 抗原由载体和半抗原组成。半抗原又称作抗原决定簇或表位( e p i t o p e ) 。抗原决定簇 的成分、数目和空间构型决定了抗原的特异性。抗原决定簇是被免疫细胞识别的标 志和免疫反应具有特异性的物质基础，它与相应淋巴细胞表面的抗原受体结合，激 活淋巴细胞引起免疫响应：它也可以与游离的抗体等分子发生特异性结合，导致抗 原被清除。 ( 2 ) 抗体( a n t i b o d y ，简称a b ) ：抗体是一种能特异识别、结合和清除抗原的免疫 球蛋白分子。b 细胞识别抗原后，经过活化和克隆扩增之后，一部分分化成为浆细 胞，浆细胞大量地分泌具有相同特异性的抗体。 6 第二章免疫系统简介 图2 1 抗体的基本结构 抗体的基本结构如图2 1 所示，它由两条相同重链( h 链) 和轻链( l 链) 通过二硫键链 接成对称四肤链结构。抗体分子上氨基酸的排列是可变的，根据氨基酸排列的变化 情况可以分为可变区( v 区) 和恒定区( c 区) 。在v 区内有三个高变区。c 区的氨基酸 排列都是相同的；v 区特别是高变区的氨基酸组成排列随结合抗原的特异性不同而 异，故氨基酸排列和种类千变万化，可与许多不同特异性的抗原结合，并且相同特 异性的抗体只能与具有互补特性的抗原结合。 由于抗体是结构复杂的大分子糖蛋白，故也具有抗原性，将抗体作为免疫原， 可以引发机体的免疫响应，抗体的抗原性是j e m e 提出免疫网络理论的基础。 ( 3 ) b 淋巴细胞( bl y m p h o c y t ec e l l ) ：b 淋巴细胞( 简称b 细胞) 是介导体液免疫 的主要免疫细胞，它是淋巴系干细胞在骨髓中形成的，经过活化增殖后成熟的b 细 胞称为浆细胞( p l a s m ac e l l ) ，能够分泌抗体。b 细胞表面有各种受体，以接受外界 的化学信号，如b 细胞受体( bc e l lr e c e p t o r ，简称b c r ) 、细胞因子受体、补体受 体、f c 受体、丝裂原受体等。b c r 是与抗体结构相同的免疫球蛋白，是b 细胞识 别和结合抗原的主要受体。其它受体主要是起到调节作用。 ( 4 ) t 淋巴细胞( tl y m p h o c y t ec e l l ) ：t 淋巴细胞( 简称t 细胞) 是介导机体细胞 免疫的主要免疫细胞，淋巴系干细胞在胸腺的微环境下逐渐发育成熟成为t 细胞。 t 细胞受体( tc e l lr e c e p t o r ，简称t c r ) 由四条肤链组成，根据氨基酸变化程度也分 为v 区和c 区，v 区是t c r 识别抗原肤的部分，直接决定了t c r 抗原结合的特异 性。除了t c r 外，t 细胞表面还有细胞因子受体等其它受体，接受其它细胞和组织 发送的化学信号。从功能上看，t 细胞可以分为不同的亚群，有细胞毒性t 细胞 ( c y t o t o x i ctc e l l ，c t l ) ，能够杀伤受感染的宿主细胞和肿瘤细胞，有辅助性t 细胞 ( h e l p e rtc e l l ，t h ) 和抑制性t 细胞( s u p p r e s s o rtc e l l ，t s ) ，t h 分泌的细胞因子，正 7 青岛大学硕+ 论文 反馈调节各种免疫细胞功能；t s 抑制其它免疫细胞功能，负反馈调节免疫细胞的功 能。 ( 5 ) 其它免疫细胞：其它参与免疫响应的重要免疫细胞有n k 细胞和抗原提呈细 胞( a n t i g e np r e s e n t a t i o nc e l l ，a p e ) 等等。n k 细胞是一种效应细胞，它是在骨髓产生 的，上面有激励和抑制两种受体，一旦被激活后，n k 细胞可以杀伤肿瘤和被病原 体感染的细胞。a p c 的作用是能够摄取抗原，并在细胞内加工处理抗原成多肽片段， 然后与m h c 分子形成复合物，并提呈到细胞表面供t 细胞识别，能够起到a p c 作 用的免疫细胞有巨噬细胞，树突状细胞和a 细胞等。 ( 6 ) 主要组织相容性复合体( c m h c ) ：m h c 是引发机体排斥反应的抗原，它是 一种多肽受体，其主要功能是收集细胞内需要被处理的多肽运送到细胞表面，被 t c r 识别，引起免疫反应。最初人们发现m h c 编码移植抗原，以引导移植排斥， 近来人们发现了m h c 分子实际上是一种抗原提呈分子，抗原肽只有与m h c 分子 结合才能被t 细胞识别，引发t 细胞介导的免疫响应。t c r 识别抗原肤的同时， 必须识别与抗原肽结合的m h c 分子，称为m h c 限制性。 ( 7 ) 细胞因子：细胞因子，是由活化的免疫细胞或间质细胞合成和分泌的具有调 节细胞生成、分化和成熟、参与免疫响应和炎症反应、促进伤口愈合等功能的多肽 类的活性分子，包括白细胞介素、干扰素和生长因子等。b 细胞和t 细胞表面都有 细胞因子受体，在免疫响应的每个过程都受细胞因子的影响。 最后需要提一下淋巴循环。淋巴循环在免疫系统中具有重要的作用：它使淋巴 细胞在淋巴组织和器官中的分布更为合理，淋巴组织不断地从循环池中补充新的淋 巴细胞，有利于增强整个机体的免疫功能，有利于淋巴细胞和抗原及抗原提呈细胞 接触，有利于动员效应细胞迁往炎症部位，有利于记忆细胞参与再循环，产生二次 免疫响应。 2 1 4 免疫系统克隆选择理论 自从b e m e t 于1 9 5 9 年提出克隆选择学说后，免疫学产生了飞跃性的发展，到 现在为止，克隆选择理论已经成为免疫学界普遍接受的基本理论，近三十多年的发 现充分证实了克隆选择学说的正确性，而且进一步从更深和更广的方面丰富了克隆 选择学说的内容。 2 1 4 1b 细胞的克隆选择过程 所有免疫细胞均来自骨髓中的造血干细胞，造血千细胞经过发育和分化，一 部分称为淋巴系干细胞，淋巴系干细胞在不同的微环境下进一步分化为t 细胞、b 细胞、n k 细胞等，如图1 2 所示。 8 第二章免疫系统简介 ：二髑一两基因占曲= 、r o v 歹 l 弋骨糙一夕微环再u 重排一l 扩未成熟b 细腿 i 粉 。 | ：孺嚣璧秽篙鲁 f广。 盯1 胸腺 i l 徽环境细胞凋亡 i ： 新细胞弋 ! !l 纂因 船亡 i ： l 董幕 分子结合 ：，! i 扭普 与蚍 分子结合 融 ： 。嘲嚣 1 ； (i 不与自身壁憋进入外生 _ 图2 2 克隆选择理论示意图( 1 ) 寺抹巴细胞的产生和选择 在骨髓中的一部分淋巴系干细胞在骨髓的微环境下分化为b 细胞。在分化为b 细胞之前的这些细胞称为前b 细胞，在前b 细胞时，细胞内发生了在免疫学上称为 “基因重排( g e n er e a r r a n g e m e n t ) 的重要变化，即原来位于不同位置的一些基因 重新排列，并结合在一起，共同形成决定b c rv 区的基因编码。抗体多样性一直 是使免疫学家感到困惑不解的问题，被称为免疫学领域中的上帝( g o d ，g e n e r a t i o n o f d i v e r s i t y ) 。后来人们发现，造成b 细胞b c r 和抗体多样性主要有以下三个原因： ( 1 ) 基因片段重组和轻重链的组合；( 2 ) 基因片段之间结合时会加入和丢失一个或几个 核苷酸；( 3 ) 后面提到的体细胞高频突变。 基因重排完成后，形成未成熟b 细胞，细胞表面出现了b 细胞受体b c r 。如 果b c r 能够识别骨髓中出现的自身抗原，就会与自身抗原结合，产生负信号，诱 使未成熟的b 细胞发生凋亡，这一过程称为阴性选择( n e g a t i v es e l e c t i o n ) 。阴性选 择的重要意义在于使与自身产生反应的b 细胞被清除，使b 细胞对自身抗原处于耐 受状态。基因重组和阴性选择过程如图2 2 所示。经过阴性选择后的细胞即为成熟 的b 细胞，经过血液循环进入淋巴结、脾脏等外周免疫器官。 9 青岛大学硕士论文 图2 3 克隆选择理论示意图( 2 ) 一免疫响应 外围免疫器官是免疫细胞接受抗原刺激发生免疫响应的主要场所。抗原无论经 血流进入脾脏还是经淋巴循环到达相应引流区的淋巴结，通常均被相应区域的巨噬 细胞或其它抗原递呈细胞摄取、加工处理，使抗原性明显增强，并表达于细胞表面。 那些与抗原具有高亲和力的b c r 识别并结合抗原，原来静息的b 细胞被活化( 大部 分情况下，活化还需要t h 细胞的辅助信号) ，在细胞因子作用下，进行克隆扩增 ( c l o n a le x p a n s i o n ) ，产生表达同一b c r 的后代。产生的克隆b 细胞在细胞因子等 的作用下进一步分化，大部分分化为浆细胞( p l a s m ac e l l ) ，能够分泌抗体，执行免 疫功能，这个过程称为阳性选择( p o s i t i v es e l e c t i o n ) 。小部分克隆分化为记忆细胞 ( m e m o r yc e l l s ) ，它们不执行效应功能，而是在再次遇到相同抗原后迅速被激活， 并增殖和分化为效应细胞，实现高效而持久的免疫功能。 在b 细胞产生的克隆中会发生高频突变现象。这种突变发生在已成熟的b 细胞 重排过的基因上，突变频率高。其特点是只发生在抗原刺激之后，主要方式是点突 变，但并非完全随机。在发生突变后，能够改变抗体的结合能力，有些分子的亲和 力会优于原先的分子，所以在抗体免疫响应中，特别是二次免疫响应后有亲和力逐 渐提高的现象，这是抗原对突变细胞选择的结果。克隆扩增和选择的过程如图2 3 所示。 2 1 4 2t 细胞的克隆选择过程 i o 第二章免疫系统简介 骨髓中产生的淋巴系干细胞的一部分经血液进入胸腺，在胸腺内发育为成熟的 t 细胞。在t 细胞发育过程中，经历了与b 细胞类似的基因重排过程，并形成有识 别功能的t c r 。这是造成t 细胞多样性的根本原因。但它也有不同于b 细胞的特 点：( 1 ) 基因重排机会多于b c r ：( 2 ) 连接时核菅酸插入机会多于b c r ；( 3 ) b 细胞 增殖时不发生高频突变。 基因重排后形成的未成熟的t 细胞在胸腺内的选择和b 细胞的选择有所不同。 t 细胞在胸腺内完成阳性选择和阴性选择过程，称为成熟的t 细胞，经过血液循环 定居于外周免疫器官。对t 细胞的阳性选择发生在胸腺皮质中，若t 细胞同胸腺皮 质细胞表面上表达的m h c 分子结合，该细胞克隆被选择。 经阳性选择的t 细胞在胸腺中经历再次选择，选择的部位是胸腺、皮髓交界处， 树突状细胞和巨噬细胞与自身抗原结合成复合体，该种复合物若能与经阳性选择后 的t 细胞克隆结合，则可发生t 细胞凋亡并被清除。而未发生细胞凋亡的t 细胞不 能识别自身抗原，真正发育为成熟的t 细胞。阳性选择的意义是为t 细胞在识别抗 原时显示出m h c 的限制性打下基础，阴性选择的意义在于清除了自身反应性t 细 胞克隆。因此从胸腺进入外周血液的成熟的t 细胞具有了识别“异己”抗原，区分 “自我 与“异己的能力，且识别“异己”抗原还要受m h c 限制性。 位于外周免疫器官的成熟t 细胞的活化，必须接受两个信号刺激：与抗原结合 和a p c 的提呈作用。t c r 不能直接识别和结合抗原分子，抗原分子首先被抗原提 呈细胞( a p c ) 降解并表达于a p c 表面，才能被t 细胞识别，在其它活化信号和细胞 因子的作用下，t 细胞被激活，进行克隆扩增。 t 细胞在克隆扩增后，分化为效应细胞。t 细胞的一部分分化为细胞毒性t 细 胞，能够杀伤受感染的宿主细胞和肿瘤细胞。一部分分化为t h 和t s 细胞，分泌大 量细胞因子，以调节b 细胞的免疫响应强度。在免疫响应中，确实也产生了一部分 记忆性t 细胞，这些记忆细胞的来源目前尚不清楚，可能是部分效应t 细胞分化产 生的，也可能是少量活化的t 细胞直接分化成的。记忆细胞对抗原的敏感性和效应 要强于初始细胞，活化的条件也比初始细胞要低。t 细胞的克隆选择过程可参见图 2 2 和图2 3 。 2 1 5 独特型免疫网络理论 为了解释免疫系统的各种现象，在克隆选择学说的基础之上，j e m e 提出了独特 型免疫网络理论，对免疫系统进行定量的数学描述。j e m e 曾经说，如果不对免疫系 统进行数学描述，免疫学只是实验结果的简单积累，不能够发展成为一门真j 下的科 学。在这一思想的指导下，他提出了独特型免疫网络理论( t h e o r yo f i d i o t y p i ci m m u n e n e t w o r k ) p j ，并且提出了免疫网络的微分方程描述。 青岛大学硕士论文 不仅抗原a g 具有能够被抗体识别并结合的抗原决定簇( 表位) ，抗体本身也是 大分子糖蛋白，也具有抗原性，具有能够被其它抗体识别并结合的抗原决定簇。抗 体上能够被其它抗体识别的抗原决定簇称为独特型( i d i o t y p e ) 抗原决定簇，或称独特 位( i d i o t o p e ，i d ) 。能够识别并结合抗体上独特型抗原决定簇的抗体称为抗独特型 ( a n t i i d i o t y p e ，a i d ) 抗体，a i d 上能够识别其它抗体或抗原上的表位的部分称为对位 ( p a r a t o p e ) ，实际上就是抗体分子的可变区( v 区) 。 图2 4 独特型免疫网络结构示意图 a i d 上的抗体进一步又能够被抗一抗独特型抗体识别并结合。如此类推，构成 一个网络结构，如图2 3 所示。j e m e 认为，免疫系统的识别、学习和记忆等能力与 免疫网络有关，免疫网络的结构反映了所记忆的模式。j e m e 还提出了描述网络特性 的微分方程，该方程表明了任意淋巴细胞( 或抗体) 浓度与其它淋巴细胞( 或抗体) 及抗 原的动态关系p j 。 j e m e 提出的免疫网络理论是下节将要介绍的人工免疫网络的生物学基础。虽然 这种免疫网络理论逐渐为免疫学家所接受，对免疫学的发展具有重要的影响，j e m e 因为其开创性的贡献获得了诺贝尔奖金，但是在免疫学界，免疫网络理论始终处于 一种非主流的位置。相反，在工程领域，j e m e 的免疫网络理论成为许多基于免疫系 统的智能信息处理系统的基础。可以说，独特型免疫网络理论在工程界受到的重视 至少要比它在免疫学界受到的重视多得多。 2 2 人工免疫系统及其工程应用 通过对生物学的一些现象进行仿生，开创了不少学科的研究，其中比较典型的 有基于神经元一大脑模型的人工神经网络和基于达尔文自然选择学说的遗传算法。 己经有大量的文献对人工神经元网络和遗传算法进行了研究，并且取得了广泛的应 用。近年来免疫系统的众多特性引起了人们注意，众多学者开始模仿免疫系统的一 1 2 圆敏 第二章免疫系统简介 些行为特性并应用于其它领域的研究，这些受免疫系统启发而建立的人工系统称为 人工免疫系统( a r t i f i c i a li m m u n es y s t e m ) a i s ) 。影响比较大的a i s 模型有人工免疫 网络、阴性选择算法、免疫优化算法、免疫反馈控制等， 2 2 1 人工免疫网络及其应用 人们通过对生物大脑神经元网络的研究和仿生提出了人工神经元网络的模型， j e m e 提出的免疫网络的理论也以类似的方式启发人们提出了人工免疫网络的一些 模型。这些人工免疫网络模型已经在模式识别、联想记忆、故障诊断和机器人控制 等领域得到了广泛的应用。 生物的免疫系统和神经系统具有许多类似之处，d a s g u p t a 对神经系统和免疫系 统的特点做了详细的比较。免疫系统和神经系统有许多共同点：都是由大量的简单 的基本单元组成的复杂的系统，基本单元都执行简单的任务( 对神经系统来讲，这些 基本单元是神经元细胞；对免疫系统来讲，这些基本单元是免疫细胞或抗体) ；基本 单元之间存在着相互激励和抑制的关系；能够识别多种模式，并且能够通过基本单 元之间关系的改变来学习和记忆：学习和记忆的不能够遗传给下一代；两者都是并 行处理系统，个别单元的改变不会对系统的特性产生较大的影响等等。但是它们也 具有各自的特点： ( 1 ) 神经系统中神经元之间的连接都是相对固定的，识别和记忆模式的改变是通 过神经元之间的激励程度改变实现；免疫系统中，