Алгоритм клонального отбора

Алгоритм клонального отбора

Алгоритм клональной селекции, приписываемый Бернету, был предложен для учета поведения и возможностей антител в приобретенной иммунной системе. Основываясь на принципах дарвиновской теории эволюции естественного отбора, эта теория предполагает, что антигены выбирают лимфоциты (как В-клетки, так и Т-клетки).

Когда лимфоцит отбирается и связывается с антигенной детерминантой, клетка пролиферирует, создавая несколько тысяч дополнительных копий себя, и дифференцируется в разные типы клеток (плазма и клетки памяти). Плазматические клетки недолговечны и продуцируют большое количество молекул антител, в то время как клетки памяти живут в организме хозяина в течение длительного периода времени, предвидя будущее распознавание той же детерминанты. 

Когда клетка отбирается и пролиферирует, она подвержена небольшим ошибкам копирования (изменения в геноме, называемые соматической гипермутацией), которые изменяют форму рецепторов и способность распознавания последующих детерминант антител, связанных с клеточной поверхностью лимфоцитов и антител, которые плазматические клетки производить.

Теория клонального отбора предполагает, что из исходного репертуара общих иммунных клеток система способна изменять себя (состав и плотность клеток и их рецепторов) в ответ на воздействие окружающей среды. Благодаря слепому процессу отбора и изменчивости, накопленной в большом масштабе из нескольких миллиардов клеток, приобретенная иммунная система способна получать информацию, необходимую для защиты организма-хозяина от специфических патогенных опасностей в окружающей среде. Это также предполагает, что система должна предвидеть (угадывать) патоген, которому она будет подвергаться, и требует воздействия патогена, который может нанести вред хозяину, прежде чем она сможет получить информацию, необходимую для обеспечения защиты.

Принципы обработки информации теории клональной селекции описывают общую стратегию обучения. Эта стратегия включает в себя совокупность адаптивных информационных единиц (каждая из которых представляет собой решение проблемы или компонент), подвергаемых процессам конкурентного отбора, которые с последующим дублированием и изменением в конечном итоге улучшают адаптацию информационных единиц информации к окружающей среде.

Следующий алгоритм обеспечивает псевдокод алгоритма клональной селекции (CLONALG) для минимизации функции стоимости. Общая модель CLONALG включает в себя выбор антител (растворов-кандидатов) на основе аффинности либо путем их сравнения с модельным антигеном, либо путем оценки модели по функции стоимости. Отобранные антитела подвергают клонированию, пропорциональному аффинности, и гипермутации клонов, обратно пропорциональной аффинности клона. Полученный клональный пул селекции конкурирует с существующей популяцией антител за принадлежность к следующему поколению. 

Более того, при клональной селекции члены низкоаффинной популяции замещаются случайно сгенерированными антителами. Вариант алгоритма распознавания образов включает сохранение в памяти набора решений, которое в целом представляет собой решение проблемы. Схема двоичного кодирования используется для примеров распознавания двоичных образов и оптимизации непрерывной функции, а схема целочисленной перестановки используется для задачи коммивояжера (TSP).

алгоритм клональной селекции

Количество клонов, созданных для каждого выбранного участника, рассчитывается исходя из размера каталога N_c = round (B * N), где B — пользовательский параметр Clone_rate.

Функция пропорционального сродства на основе ранга используется для определения количества клонов, созданных для выбранных членов популяции для экземпляров задачи распознавания образов. Количество случайных антител, вставленных на каждой итерации, обычно очень мало (1-2). Точечные мутации (битовые перевороты) используются в операции гипермутации.

Функция exp(-p*f) используется для определения вероятности мутации отдельного компонента для данного решения-кандидата, где f — аффинность кандидата (нормализованное значение максимальной стоимости), а p — пользовательский параметр Mutation_rate.

Делиться
ru_RURU
%d такие блоггеры, как: