ia013 profs. levy boccato/romis attux - dca/feec/unicamp...

IA013 – Profs. Levy Boccato/Romis Attux - DCA/FEEC/Unicamp

Tópico 13 – Sistemas Imunológicos Artificiais 1

Sistemas Imunológicos Artificiais

1 DESCOBERTAS IMPORTANTES E ASPECTOS INTRODUTÓRIOS ........................................................................................................... 2

2 DEFINIÇÕES E TEORIAS SOBRE O SISTEMA IMUNOLÓGICO ................................................................................................................ 7

2.1 PRINCÍPIO DA SELEÇÃO CLONAL ................................................................................................................................................................ 7

2.2 MATURAÇÃO DE AFINIDADE ....................................................................................................................................................................... 9

2.3 EVOLUÇÃO .............................................................................................................................................................................................. 11

2.4 TEORIA DA REDE IMUNOLÓGICA............................................................................................................................................................... 11

3 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



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 se

destaca 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.



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



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.



Figura 2: Reação do sistema imunológico à presença de um agente invasor.



Figura 3: Resposta imune adaptativa.



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



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



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.



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

serão selecionados e armazenados em um conjunto de memória, o que certamente



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.



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



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.



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



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).



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.



Figura 4: Fluxograma do CLONALG – otimização.



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



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.



Figura 5: Composição da população final após uma execução da opt-aiNet.



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.

ia013 profs. levy boccato/romis attux - dca/feec/unicamp...

Documents