IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp Sistemas Imunológicos Artificiais 1 DESCOBERTAS IMPORTANTES E ASPECTOS INTRODUTÓRIOS ..............................................................................................................2 2 DEFINIÇÕES E TEORIAS SOBRE O SISTEMA IMUNOLÓGICO...................................................................................................................7 3 2.1 PRINCÍPIO DA SELEÇÃO CLONAL ....................................................................................................................................................................7 2.2 MATURAÇÃO DE AFINIDADE ..........................................................................................................................................................................9 2.3 EVOLUÇÃO .................................................................................................................................................................................................. 11 2.4 TEORIA DA REDE IMUNOLÓGICA .................................................................................................................................................................. 11 SISTEMAS IMUNOLÓGICOS ARTIFICIAIS .................................................................................................................................................... 12 3.1 PASSOS PARA A CONSTRUÇÃO DE UM ALGORITMO IMUNO-INSPIRADO ........................................................................................................... 14 3.2 ALGORITMO DE SELEÇÃO CLONAL ............................................................................................................................................................... 14 3.3 OPT-AINET .................................................................................................................................................................................................. 18 4 AGRADECIMENTOS ........................................................................................................................................................................................... 21 5 REFERÊNCIAS ..................................................................................................................................................................................................... 21 Tópico 13 – Sistemas Imunológicos Artificiais 1 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp 1 Descobertas importantes e aspectos introdutórios O sistema imunológico dos animais vertebrados consiste de uma coleção de células, moléculas e organismos distribuídos que cooperam dinamicamente para a manutenção de um estado de equilíbrio interno em seus corpos (DE CASTRO, 2006). Este complexo sistema possui habilidades formidáveis, dentre as quais destaca-se sua capacidade de aprender a enfrentar doenças causadas por agentes invasores. Robert Koch (1843-1910) verificou por volta de 1880 que as doenças infecciosas eram causadas por microrganismos, cada um responsável por uma determinada enfermidade ou patologia. Louis Pasteur (por volta de 1880): vacina anti-rábica. Emil von Behring e Shibasaburo Kitasato (1890): descobriram que o soro dos indivíduos vacinados continham substâncias que se ligavam especificamente aos agentes infecciosos. Tais substâncias foram denominadas anticorpos. Tópico 13 – Sistemas Imunológicos Artificiais 2 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp Ficou clara a ocorrência de uma resposta imune adaptativa, obtida como reação à presença de patógenos específicos e que, em muitos casos, conferia imunidade protetora contra reinfecções pelo mesmo agente invasor. Neste contexto, os anticorpos são unidades específicas para um determinado patógeno infectante e se especializam somente após a ocorrência da infecção. Os anticorpos presentes em um indivíduo refletem diretamente as infecções às quais ele foi exposto. As substâncias contra as quais anticorpos específicos podiam ser induzidos foram denominadas de antígenos (pois podem estimular a geração de anticorpos). Elie Metchnikoff (1890): verificou que muitos microrganismos podiam ser ingeridos e digeridos por células fagocitárias, chamadas macrófagos. Diferentemente dos anticorpos, os macrófagos estão prontamente disponíveis para combater uma ampla variedade de patógenos, sem a necessidade de uma prévia exposição, fazendo parte da primeira linha de defesa do organismo contra Tópico 13 – Sistemas Imunológicos Artificiais 3 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp agentes invasores, a qual dá origem à chamada resposta imune inata. Tanto a imunidade inata como as respostas adaptativas são fruto da atividade de células brancas do sangue, a saber, os leucócitos. Figura 1: Imunidade inata e adaptativa. Tópico 13 – Sistemas Imunológicos Artificiais 4 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp Figura 2: Reação do sistema imunológico à presença de um agente invasor. Tópico 13 – Sistemas Imunológicos Artificiais 5 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp Figura 3: Resposta imune adaptativa. Tópico 13 – Sistemas Imunológicos Artificiais 6 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp 2 Definições e teorias sobre o sistema imunológico Antígeno: qualquer substância a que, em circunstâncias favoráveis, um indivíduo é exposto, e que pode produzir uma resposta imunológica específica, com a formação de anticorpos específicos ou de linfócitos T especificamente sensibilizados, ou ambos. Anticorpo: gamaglobulina formada como resposta a estímulo imunogênico e capaz de interagir com o antígeno que levou à sua síntese, ou com outro estreitamente relacionado com ele. São excretados por células plasmáticas derivadas de linfócitos B. 2.1 Princípio da Seleção Clonal Útil para explicar os aspectos fundamentais de uma resposta imunológica adaptativa a um estímulo antigênico. Em síntese, o princípio da seleção clonal (BURNET, 1959) estabelece a ideia de que as células capazes de reconhecer um determinado antígeno, isto é, as células Tópico 13 – Sistemas Imunológicos Artificiais 7 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp que apresentam maior afinidade com relação àquele antígeno, é que se reproduzem ou proliferam mais intensamente, sendo, neste sentido, selecionadas em detrimento daquelas com baixa afinidade. Quando um anticorpo possui alta afinidade com um dado antígeno, as células B que o produzem se multiplicam com maior velocidade através de clonagem. Durante este processo, os novos clones gerados sofrem hipermutação, com taxas de variabilidade inversamente Tópico 13 – Sistemas Imunológicos Artificiais 8 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp proporcionais à sua afinidade ao antígeno em questão. Dentre as novas células geradas, as que possuem maior afinidade são selecionadas e as demais suprimidas. Este processo de expansão clonal, hipermutação e seleção das células com receptores mais bem adaptados (e, portanto, com maior afinidade) é denominado seleção clonal. 2.2 Maturação de afinidade Durante os eventos reprodutivos das células de maior afinidade, podem ocorrer mutações. Interessantemente, no contexto do sistema imunológico, estas mutações ocorrem com taxas inversamente proporcionais à afinidade entre as células e o antígeno. Quanto maior for a afinidade, menor será a taxa de mutação (isto é, o grau de variação sofrido pelo clone em relação à célula original). Em contrapartida, quanto menor for a afinidade, maior será a taxa de mutação. Tópico 13 – Sistemas Imunológicos Artificiais 9 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp Este processo de modificação ou adaptação das células baseado na afinidade é chamado de maturação de afinidade (ADA & NOSSAL, 1987). Intuitivamente, podemos compreender como estes processos contribuem para a adaptação da resposta do sistema imunológico a um determinado antígeno: as células de maior afinidade geram um número maior de clones, os quais sofrem mutações segundo uma taxa pequena, de modo que tendem a ser bem semelhantes às células originais. Logo, devem também possuir uma afinidade alta com aquele antígeno. Por outro lado, as células com pouca afinidade geram um número menor de clones. Estes, por sua vez, sofrem mutações com elevadas taxas, podendo ser bastante diferentes das células originais, o que pode ser interessante, já que estas últimas não apresentavam boa capacidade de reconhecer e enfrentar o antígeno. De todo o repertório de clones gerados, somente aqueles de maior afinidade é que são selecionados e armazenados em um conjunto de memória, o que certamente Tópico 13 – Sistemas Imunológicos Artificiais 10 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp favorece o aprimoramento do sistema imunológico no combate a este antígeno. 2.3 Evolução É interessante observar que o funcionamento do sistema imunológico, segundo os princípios de seleção clonal e maturação de afinidade, pode ser interpretado como uma instância do processo evolutivo, uma vez que exibe os três principais requisitos para evolução: diversidade, variação genética e seleção natural. 2.4 Teoria da Rede Imunológica Segundo a teoria da seleção clonal, o sistema imunológico seria composto por células e moléculas em descanso, sendo, portanto, estimulado unicamente por antígenos externos. Tópico 13 – Sistemas Imunológicos Artificiais 11 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp A teoria da rede imunológica, formalizada por N. Jerne (JERNE, 1974), sugere que anticorpos presentes no sistema imunológico são capazes de reconhecerem-se mutuamente (e não apenas antígenos). Deste modo, o sistema imunológico pode ser visto como uma enorme e complexa rede na qual cada componente reconhece e é reconhecido por outros elementos, e interfere e sofre interferência destes outros elementos. Esta teoria traz, portanto, a visão de um sistema imunológico dinâmico, cujo comportamento é regido pelos padrões de interação entre as células imunológicas, e cujo estado de equilíbrio dinâmico se altera devido a perturbações originadas por estímulos antigênicos. 3 Sistemas Imunológicos Artificiais Definição: são sistemas adaptativos, inspirados na teoria imunológica e em funções, princípios e modelos imunológicos observados, que são utilizados para a Tópico 13 – Sistemas Imunológicos Artificiais 12 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp solução de problemas (DE CASTRO & TIMMIS, 2002). Apesar de sua diversidade, a maioria dos sistemas imunológicos artificiais (SIAs) compartilha algumas propriedades interessantes: São inerentemente capazes de manter diversidade na população. Tendem a preservar soluções localmente ótimas quando as encontram. Alguns SIAs, inclusive, são capazes de automaticamente definir o tamanho da população a cada geração de acordo com a demanda da aplicação. Estas características tornam os SIAs candidatos para lidar com diversos problemas, tais como classificação e reconhecimento de padrões, detecção de anomalias e falhas, busca e otimização, controle autônomo, etc. No contexto desta disciplina, vamos discutir brevemente os principais aspectos ligados a dois sistemas imunológicos artificiais dedicados a tarefas de otimização e que exploram o princípio da seleção clonal e a teoria da rede, respectivamente. Tópico 13 – Sistemas Imunológicos Artificiais 13 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp 3.1 Passos para a construção de um algoritmo imuno-inspirado 1. Definição do problema. 2. Mapeamento do problema real para o domínio do SIA i. Definição dos tipos de células imunológicas que serão utilizadas. ii. Escolha dos princípios imunológicos que serão explorados. iii. Definição da representação matemática para os elementos do SIA. iv. Avaliação das interações entre os elementos do SIA (dinâmica). v. Controle da metadinâmica do SIA. 3. Mapeamento reverso do SIA para o problema real. 3.2 Algoritmo de seleção clonal Proposto por L. N. de Castro e F. J. Von Zuben, em 2002, o algoritmo CLONALG utiliza os princípios de seleção clonal e maturação de afinidade como os principais Tópico 13 – Sistemas Imunológicos Artificiais 14 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp mecanismos para manipular uma população de soluções candidatas, denominadas anticorpos (DE CASTRO & VON ZUBEN, 2002). Inicialmente destinado a tarefas de reconhecimento de padrões, este algoritmo também foi adaptado para lidar com problemas de otimização multimodal. A seguir, apresentamos uma descrição básica do algoritmo CLONALG adaptado para esta última tarefa (DE CASTRO, 2006): 1) Inicialização: crie uma população inicial Ab contendo N anticorpos. 2) Avaliação: calcule o fitness1 de cada elemento de Ab. 3) Seleção Clonal e Expansão: selecione os n1 anticorpos de maior fitness em Ab e gere clones destes anticorpos de maneira proporcional ao fitness - quanto maior o fitness, maior o número de clones, e vice-versa. 1 A função de fitness fornece a medida de afinidade do anticorpo (não há explicitamente a presença de um antígeno, como ocorre no caso de uma tarefa de reconhecimento de padrões). Tópico 13 – Sistemas Imunológicos Artificiais 15 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp 4) Maturação de Afinidade: aplique mutação sobre os clones segundo uma taxa inversamente proporcional ao fitness. Então, avalie a população de clones e forme a nova população Ab com os n1 melhores clones2. 5) Metadinâmica: substitua uma porcentagem p dos anticorpos de menor fitness em Ab por novos gerados aleatoriamente. Este procedimento pode ser feito em períodos de T iterações. 6) Ciclo: repita os passos 2 a 5 até que um determinado critério de parada seja atingido. Quando o processo de otimização busca encontrar múltiplos ótimos a partir de uma única população de anticorpos, algumas recomendações quanto à escolha de alguns parâmetros são dadas: 1) n1 = N, ou seja, todos os anticorpos em Ab são selecionados para a etapa de clonagem; 2) o número de clones Nc gerados para cada anticorpo é o mesmo, ou seja, não mais depende do fitness. 2 É comum manter um clone sem sofrer mutação a fim de evitar a perda do melhor anticorpo. Tópico 13 – Sistemas Imunológicos Artificiais 16 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp Figura 4: Fluxograma do CLONALG – otimização. Tópico 13 – Sistemas Imunológicos Artificiais 17 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp 3.3 Opt-aiNet Ainda em 2002, uma rede imunológica artificial destinada à otimização de funções de variáveis reais – a opt-aiNet – foi proposta (DE CASTRO & TIMMIS, 2002). Essa rede, que une as ideias de seleção clonal e maturação de afinidade à noção de rede imunológica, caracteriza-se por um elegante compromisso entre exploração e explotação do espaço de busca, o que abre perspectivas interessantes em domínios multimodais. A opt-aiNet incorpora a noção de rede imunológica por meio da introdução de um controle dinâmico do tamanho da população, o qual é responsável por mecanismos de supressão de anticorpos similares e pela introdução de novos anticorpos. Com isto, a diversidade da população é mantida e consegue-se explorar adequadamente o espaço de busca. De maneira similar às técnicas de niching, o conceito de similaridade entre indivíduos está associado a uma métrica de distância: considera-se que dois Tópico 13 – Sistemas Imunológicos Artificiais 18 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp indivíduos são similares quando a distância entre eles é inferior a um limiar de similaridade σs. Outra particularidade da opt-aiNet é que as operações de supressão e inserção de anticorpos são realizadas somente quando se identifica a ocorrência de estagnação na população: Considera-se que a população está estagnada quando a variação percentual do fitness médio da população entre duas iterações é inferior a valor pequeno. Convém destacar que esta verificação ocorre apenas em períodos específicos de iterações. Desta forma, permite-se que a população evolua por um período, através de sucessivas operações de seleção clonal e de mutação de afinidade, antes de se executar a operação de supressão. Tópico 13 – Sistemas Imunológicos Artificiais 19 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp Figura 5: Composição da população final após uma execução da opt-aiNet. Tópico 13 – Sistemas Imunológicos Artificiais 20 IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp 4 Agradecimentos Parte desse material se baseou nas notas de aula, elaboradas pelo Prof. Fernando José Von Zuben, utilizadas na disciplina IA013 – Introdução à Computação Natural. 5 Referências ADA, G. L. & NOSSAL, G. J. V. “The Clonal Selection Theory”, Scientific American, pp. 50-57, 1987. BURNET, F. M. “Clonal Selection Theory of Acquired Immunity”, Cambridge University Press, 1959. DE CASTRO, L. N. “Engenharia Imunológica: Desenvolvimento e Aplicação de Ferramentas Computacionais Inspiradas em Sistemas Imunológicas Artificiais”, Ph.D. Thesis, Faculdade de Engenharia Elétrica e de Computação (FEEC), Universidade Estadual de Campinas, 2001. DE CASTRO, L. N. & VON ZUBEN, F. J. “Learning and Optimization Using the Clonal Selection Principle”, IEEE Transactions on Evolutionary Computation, vol. 6, no. 3, pp. 239-251, 2002. DE CASTRO, L. N. & TIMMIS, J. “An Artificial Immune Network for Multimodal Function Optimization”, Proceedings of the 2002 IEEE Congress on Evolutionary Computation, pp. 699-704, 2002. DE CASTRO, L. N. & TIMMIS, J. “Artificial Immune Systems: A New Computational Intelligence Approach”, Springer, 2002. DE CASTRO, L. N. “Fundamentals of Natural Computing: Basic Concepts, Algorithms and Applications”, CRC Press, 2006. JERNE, N. K. “Towards a Network Theory of the Immune System”, Ann. Immunol. (Inst. Pasteur), pp. 373-389, 1974. Tópico 13 – Sistemas Imunológicos Artificiais 21