免疫学与遗传学范文1
摘要:提出了一种基于免疫遗传算法的路径测试数据的自动生成的方法。该算法在遗传算法中加入免疫算子,免疫算子其中包括获取疫苗、注射疫苗和免疫选择。并在海明距离法的基础上,文中提出了一种路径测试的适应度函数的改进方法。实验表明,采用改进的适应度函数的免疫遗传算法在数据自动生成上效果更优。
关键词:免疫算法;遗传算法;路径测试;适应度函数
中图分类号:TP311文献标识码:A文章编号:1009-3044(2009)28-7979-03
Investigation of Test Data Generation for Path Testing Based on Immune Genetic Algorithm
XIA Yun1, LIU Feng2
(1.College of Mathematics and Computer Science, Anhui Normal University, Wuhu 241000, China; 2.College of Computer Science and Technology, Anhui University,Hefei 230039, China)
Abstract: A kind of test data generation of path testing method based on immune genetic algorithms is proposed. Based on the analysis of genetic algorithm, immune genetic algorithm is proposed by introducing an immune operator which is realized by vaccine extraction,vaccination and immune selection in turn. On the basis of hamming distance,the paper proposed a developed method of fitness function which is used in path testing.The testing results show that this method which applies the developed fitness function and immune genetic algorithm is superior in effect.
Key words: immune algorithm; genetic algorithm; path testing; fitness function
软件测试是一个非常耗费资源的活动,其中比较重要的工作就是找一组合适的测试集合进行测试,以此达到测试目的。由于当前软件系统的不断扩大,手工生成测试案例既不科学、也不可能,这就需要计算机进行测试用例的自动生成。在面向路径的测试数据自动化生成领域,较为常见的是符号执行法、根据需求规约产生随机数法、Korel法和试探法等[1]。随着人工智能技术的不断发展,遗传算法的优越性不断地体现,遗传算法已经应用到软件的测试中[2]。
遗传算法由于自身的缺陷,如未成熟收敛和局部搜索能力差等,本文在遗传算法中加入免疫算子,该算子包括获取疫苗、注射疫苗和免疫选择,有效改善遗传算法的未成熟收敛缺陷, 提高遗传算法的全局和局部搜索能力。本文将免疫遗传算法应用到路径测试数据生成中。为了更好的评价种群中的个体,在海明距离法的基础上,文中提出了一种改进的适应度函数。
1 免疫遗传算法
遗传算法尽管是全局收敛的,但是由于两个主要的遗传算子(交叉、变异)都是在一定的概率下随机的、无指导的操作,因此在种群进化的同时也不可避免的出现了个体退化而导致盲目搜索[3]。为了克服遗传算法盲目搜索以及收敛速度慢的缺点[4],在遗传算法中加入了免疫算子。免疫算子[3-5]针对求解问题的特性先提取免疫疫苗,再对交叉、变异后的种群中部分个体注射免疫疫苗并进行相应的免疫检测,从而在一定程度上阻止个体退化、加快搜索速度。最后进行免疫选择。
免疫遗传算法执行步骤:
1)初始化:随机生成初始种群;
2)对当前种群Ak中的每个个体解码并进行适应度计算即评价,记录当前种群中的最优个体x,当k能被m整除时(即每隔m代,在本文中m取5),从当前种群中提取疫苗;
3)若当前种群Ak中已包含最优解或k已大于算法指定的遗传迭代代数,则算法结束,否则转4);
4)对Ak种群按交叉概率Pc选择成对个体进行交叉,得到新的种群Bk;
5)对Bk种群按变异概率Pm选择个体进行变异,得到新的种群Ck;
6)在Ck种群中选取Ne个个体进行疫苗注射;
7)对注射疫苗的个体进行检测,若发现个体适应度退化,则将父代中对应的个体引入得到种群Dk。然后计算Dk种群中个体的适应度、亲和度[6-7]、浓度[6-7],从而得出每个个体的适应度概率和浓度概率,进而求出每个个体的选择概率,采用赌轮法得到新一代种群Ak+1,若发现Ak+1中最优个体没有2)中的个体x优秀,则将Ak+1中的最差个体由x来替代,转2)。
2 适应度函数
免疫学与遗传学范文2
传统的遗传算法存在缺陷，例如在迭代后期容易出现退化现象，算法的收敛速度慢等。但传统遗传算法的改进算法较多，已被成功用于科学的不同领域。
生物作为计算问题的思想源泉，已经为科学工作者提供了许多解决问题的思路。生物免疫系统自身的许多机制，如适应性、记忆性和多样性等机制能被用来解决各种计算任务，在此基础上发展起来的计算方法已经成为一门学科，已经引起不同领域学者的关注。根据生物免疫系统与传统遗传算法结合而产生的免疫算法已经表现出良好的性能，本文将生物免疫系统产生多样性抗体的产生机制加入到传统的遗传算法中，提出了一种新型的免疫遗传算法。为了检测此算法的特性，使用经典的0-1背包问题进行检验，仿真实验结果表明此算法能够很快找到全局最优解，克服遗传算法的缺点，表现出较高的效率。
NIGA
在传统的遗传算法中加入生物体产生抗体的多样性机制，即加入免疫算子，不仅保留了原算法本身的优良特性，还可以抑制算法在迭代过程中出现的退化现象，提高算法的收敛速度。免疫算子对应于待求解问题的解的一些特征信息。NIGA的执行效率在很大程度上取决于免疫算子的选取。免疫算子的好坏，即生成抗体的优劣不会影响算法的收敛性，只会影响算法的收敛速度和免疫算子在整个算法中的作用。所以免疫算子的优劣直接影响了算法的好坏。本文改进了提取免疫算子的方法，并把这种方法加入到免疫遗产算法中去，得到了一种新型的免疫遗产算法（NIGA）。使用经典的NP难问题对其进行检验后，表明此算法能够很快找到当前最优解。
根据生物学的相关知识，生物染色体上的固定位置上的基因位可以决定生物的性状。也就是说，基因通过两个方面影响生物的性状，第一个是基因本身碱基的顺序，第二个是基因本身在染色体上的位置，由此可知，虽然两个基因的碱基顺序相同，但把它们放在染色体的不同位置，生物体就会表现出不同的性状。本文的免疫算子是一个基因串，其包含一个或多个基因位。为了使免疫算子发挥更大的作用，在产生免疫算子时对其位置信息也进行保存。免疫算子的结构如图1所示：
在NIGA中，为了对免疫算子进行综合分析，需要建立一个算子库，算子库中用来存放全部迭代中的全部的优良免疫算子。免疫算子库由两个子库组成：H1和H2，其中子库H1中存放的算子的长度为2，H2中免疫算子的长度为Bl，Bl的长度可以通过计算得到。
免疫算子库H2中算子的长度可用下面的公式来计算：
B1=2+l（2.1）
（2.2）
其中：rand为随机数；α，β，γ分别取0.615，0.855和0.951，均为经验值。
根据操作的需要，在算法运行的过程中要始终保持免疫算子库中算子的数量不变。为了达到这个目的，当每次有新的算子加入算子库后，都要对库中所有的免疫算子按照适应度进行排序，保留适应度较大的算子。其中免疫算子库的大小可用下面的公式来计算：
Bs=ηm（2.3）
上式中m表示算法中种群的数量，η表示调整系数。
子库H1的建立方法为：
（1）从抗体群中随机选取一个抗体，此抗体的所有基因位组成集合A，A={g1，g2，Λgn}；
（2）在集合A中随机选取一基因位g1，由基因g1与A-{g1}中的所有基因组成长度不同的基因段，并计算每个基因段的适应度；
（3）把计算后的基因段按照适应度进行从大到小排序，选取前k1个基因段组成子库H1；
子库H2的建立方法为：
（1）计算群体中所有抗体的适应度，并按照适应度按照从大到小的顺序排序；
（2）在集合A中随机选取一个基因位g1，在排序后的每个抗体中找到相应的基因g1，选取以g1开头，长度l为的基因段；
（3）把所有的基因段按照适应度排序，选取适应度最大的k2个基因段组成H2；
由于每个免疫算子本身包含了其在解中的位置信息，所以在注射疫苗时可以根据该信息所标注的位置进行注射，而不是采用随机注射的方式，从而使疫苗注射的位置更加合理。
更重要的是，在向抗体中加入算子时，除了要有效利用算子自身携带的位置信息以外，还要防止新算子的加入而导致已有算子的破坏。当这种情况发生时，以保留适应度高的算子为准。
基因中注射算子的算法如下：
（1）在免疫算子库中按赌的方法选取一个算子xi；
（2）在群体中也采用赌的方式选取一个抗体yj，根据xi所含的位置信息，在yj中找到加入算子的相应位置；
（3）找到抗体yj中xi与算子相冲突的部分，并将其删除；
（4）加入算子xi，得到yj ；
（5）进行免疫检测，即计算yj 的适应度，并与yj的适应度进行比较，取适应度较大着进入下一代；
此算法的流程图如图2所示。
综合上述，本文中NIGA的步骤如下：
（1）使用随机的方法产生初始种群Po；
（2）产生免疫算子库；
（3）计算种群的适应度；
（4）进行适应度判断，若种群中包含最佳个体，即找到最优解，则终止算法并输出结果，否则继续以下操作；
（5）对第k代种群Pk进行交叉和变异操作，得到种群Ak；
（6）向种群Ak中的每个个体注射疫苗后进行免疫选择，得到下一代种群Pk+1；
该算法的流程图如图3所示。
NIGA求解0-1背包问题
为了验证本文所提出的NIGA算法的全局寻优能力和有效性，现以0-1背包作为测试算例，并引用参考文献中的数据。从表1可以看出：NIGA比一般的遗传算法（IGA）更容易找到最优解。
免疫学与遗传学范文3
题目：表观遗传学调控NK细胞分化及功能的研究进展
表观遗传学 (epigenetics) 是指在基因核苷酸序列不发生变化的情况下, 通过对转录表达的调控和转录后的调控使基因表达发生变化, 包括DNA甲基化、组蛋白共价修饰、染色质重塑、基因印记、及非编码RNA、微小RNA (miRNA) 、反义RNA转录后调控等[1]。环境、年龄改变、压力、疾病状态等, 均可以引起免疫细胞表观遗传学改变, 造成免疫系统功能紊乱, 导致疾病的发生与进展。因此, 表观遗传学逐渐成为免疫学研究的热点。
自然杀伤细胞 (natural killer cell, NK) 是天然免疫细胞, 主要来源于造血干细胞, 全身广泛分布。NK细胞通过一系列细胞生物学过程获得激活信号, 包括胞外钙离子内流、细胞骨架重排以及与靶细胞接触部位免疫突触形成, 最终通过分泌细胞因子、趋化因子及释放毒性颗粒执行清除病毒、肿瘤细胞以及发挥免疫调节功能。NK细胞功能异常导致多种疾病发生, 包括感染、肿瘤及自身免疫疾病[2,3]。近年来, 有很多学者先后报道了表观遗传学改变对NK细胞增殖、分化及功能的影响, 为NK细胞研究提供了新思路, 为新药的临床应用奠定了理论基础。本文对NK细胞的表观遗传学研究进展作一综述。
1 表观遗传学对NK细胞分化的影响
人类NK细胞表面特异性表达CD56或CD16分子, 根据其表达水平将NK细胞分为CD3-CD56bright CD16- (CD56bright) 、CD3-CD56dimCD16+ (CD56dim) 、CD3-CD56-CD16+3个亚群[4]。其中CD56bright亚群为调节性NK细胞, 可以参与适应性免疫调节, 通过分泌细胞因子和趋化因子 (IFN-、TNF-、IL-10、IL-13和GM-CSF) 对树突状细胞 (DCs) 、调节性T细胞 (Tregs) 、辅助性T细胞 (Ths) 及细胞毒性T细胞 (CTLs) 等进行免疫调控[5]。在类风湿关节炎中, NK细胞可以通过分泌IFN-诱导B细胞活化, 促进DC细胞成熟, 并可抑制T细胞向Th17细胞分化[6]。NK细胞分泌IFN-可以促进DC细胞分泌IL-27, 而IL-27可促进IFN-分泌, 这种正反馈参与抑制Th17介导的自身免疫疾病[7]。人和小鼠NK细胞均可通过分泌IFN-可以抑制CD4+T细胞向Tregs分化[8]。CD56dim为功能性NK细胞, 通过穿孔素/颗粒酶途径、Fas/FasL途径、TNF-а/TNFR-1途径、以及抗体依赖的细胞介导的细胞毒性作用 (ADCC) 完成对靶细胞的直接杀伤。近期也有研究者发现, 功能性NK细胞参与适应性免疫的调节, 直接杀伤适应性免疫细胞, 如Th17及滤泡辅助性T细胞 (Tfh) [9]。而CD3-CD56-CD16+亚群目前研究较少, 目前认为主要发挥ADCC作用。
表观遗传学修饰在NK细胞的分化、成熟中发挥了重要作用。早期的研究显示, IL-15受体信号通路对NK细胞的分化成熟至关重要, E4BP4 (NFIL3) 在其中发挥调节作用, 促进了造血干细胞 (HSC) 向NK细胞分化。动物实验显示, E4BP4基因缺陷小鼠NK细胞减少、功能下降, 而过表达E4BP4可增加Id2和Gata3的转录, 从而促进HSC向NK细胞分化增加[10]。在NK细胞发育中, 组蛋白甲基化也具有重要调控作用。Yin等[11]研究了zeste基因增强子同源物2 (EZH2) 对早期NK细胞分化的影响。EZH2作为重要的表观遗传修饰酶, 是PcG (polycomb group) 蛋白家族的重要成员, 在调控基因表达的过程中起关键作用[12]。EZH2主要对组蛋白H3K27进行甲基化, 从而沉默下游基因, 在细胞增殖、分化及肿瘤形成方面都有重要作用[13]。研究者[11]发现, 在小鼠及人中, 选择性失活EZH2或用小分子抑制其活性后, 可以增加IL-15受体 (CD122+) 阳性的NK祖细胞数量, 并促进成熟NK细胞增殖。NK细胞的扩增及杀伤作用还与CD122及NKG2D有关, NKG2D缺失可降低EZH2抑制剂对促进NK细胞增殖及分化的作用。另外, Tsuyama等[14]研究报道, NKT细胞淋巴瘤患者存在组蛋白去甲基化酶KDM6A基因突变, 此基因与血液肿瘤关系密切, 可能影响NK细胞的增殖。
FcRIIIA (CD16a) 由FCGR3A编码, 为NK细胞在成熟过程中获得。研究发现, 在CD16a+细胞中, FCGR3A启动子中转录起始位点的甲基化水平较CD16a-细胞和中性粒细胞明显降低。此外, 研究者还发现miR-218是NK细胞CD16a转录后的负调控因子。在NK细胞中过度表达miR-218可降低CD16a的mRNA和蛋白表达水平, miR-218在CD16a-细胞中水平明显高于CD16a+细胞。因此, 研究者推断, FCGR3A的转录起始位点甲基化及转录后miR-218的调控作用可以通过改变CD16a的表达来调节NK细胞的分化成熟[15]。
记忆性NK细胞的概念由Sun等[16]最早提出。这类NK细胞可以长期存活, 具有免疫记忆功能, 当再次接触到记忆抗原时被激活。多种病毒可以诱导记忆性NK细胞产生, 目前报道的有巨细胞病毒, 单纯疱疹病毒、人类免疫缺陷病毒等[17,18]。记忆性NK细胞表达CD57和NKG2C, 不表达FcR、SYK、DAB2、ETA-2、PLZF和ILZF2。FcR、ETA-2、SYK的缺乏均有表观遗传学机制的参与[19,20]。IL-12信号通路通过其下游转录因子信号和转录因子4 (STAT4) 的激活影响记忆性NK细胞的扩增。Rapp等[21]发现Runx1和Runx3的启动子区域是STAT4的结合位点, 在NK细胞活化过程中, STAT4的结合会诱导RUNX基因位点的表观遗传学修饰, 从而导致表达增加。在病毒感染中, Runx1和Runx3或它们的伴侣分子表达减低是影响NK细胞扩增及记忆NK细胞形成障碍的原因。该研究证明, STAT4介导的Runx转录因子表观遗传学修饰可以调节NK细胞对病毒的适应行为。
2 表观遗传学对NK细胞功能的影响
NK细胞的功能主要包括杀伤及免疫调节作用。有研究显示, 在NK细胞活化过程中, 81%的主要位点出现CpG去甲基化, 生物学分析显示差异甲基化位点主要集中在免疫调节功能中 (如TNFA、LTA、IL-13、CSF2等) [22], 这提示表观遗传学修饰参与了NK细胞的活化, 并与NK细胞功能关系密切。
2.1 表观遗传学修饰对NK细胞表面受体的调节作用
NK细胞表面激活性受体与抑制性受体的相互平衡, 在NK细胞功能中发挥了重要调节作用。如激活性受体表达占优, 则NK细胞活化, 反之, NK细胞处于静止状态。
有学者[23,24,25]检测了NK细胞免疫球蛋白样受体 (KIR) 启动子的甲基化水平, 结果发现, 处于静息状态的人NK细胞92细胞系中KIR2DL1、KIR2DL2/L3高甲基化, 同时, 细胞表面的KIR表达降低。当应用5-氮杂胞苷进行去甲基化处理后, KIR启动子去甲基化, NK细胞表面KIR表达明显增加。另外, KIR的表达受miRNA调节。PIWI样RNA可以诱导KIR双向启动子KIR3DL1产生KIR反义转录本, 影响双链DNA的合成, 可减少90%的KIR表达[25]。
NKG2D是NK细胞激活性受体, 其表达增加可增强NK细胞功能。NKG2D通过识别不同的配体家族 (MICA、MICB、ULBPs 1-6等) 参与激活效应细胞、溶解靶细胞。NKG2D基因在NKG2D+NK细胞中去甲基化, 并与组蛋白H3赖氨酸9乙酰化 (H3K9Ac) 相关。用组蛋白乙酰转移酶 (HAT) 抑制剂 (姜黄素) 可以明显下调NKG2D基因H3K9乙酰化水平, 进而下调NKG2D的转录, 导致NKG2D表达减低, NK细胞杀伤功能下降。此研究提示NKG2D在NK细胞表面表达差异是由表观遗传学机制调节的, 并可以通过表观遗传治疗改善[26]。组蛋白去乙酰化酶抑制剂丙戊酸 (VPA) 通过激活基因启动子中组蛋白K9的高甲基化和DNA甲基化, 从而下调NKG2D的表达[27]。同样, miRNA也可发挥对NKG2D的调节作用。在HCV感染患者的NK细胞中, miR-182与对照组相比过表达, miR-182表达升高可降低NKG2D的mRNA水平, 而miR-182抑制剂能降低抑制性受体NKG2A的mRNA水平[28]。
2.2 表观遗传学修饰对NK细胞细胞因子分泌水平的调节作用
NK细胞分泌细胞因子同样受到表观遗传学修饰的调节。Luetke-Eversloh等[29]报道, NK细胞受到刺激后, IFN-及T-bet位点转录增加, 并发生去甲基化, 从而增加IFN-的分泌。Li等[30]发现, 在NK细胞激活过程中, 组蛋白去甲基化酶及甲基转移酶发生明显变化。在NK92细胞系中, 与NK细胞激活密切相关的PI3KCA, 、NFATC1及TNFSF9等基因, 经PMA和依诺霉素刺激可出现H3K4me3和H3K27甲基化修饰, 从而调控上述基因表达。采用H3K4和H3K37的特异性抑制剂可以增加NK细胞脱颗粒及IFN-、TNF-的分泌[22,30]。Cribbs等[31]用染色质甲基化及乙酰化的小分子抑制剂进行筛选, 并通过基因敲除方法确定了Jumonli型组蛋白H3K27脱甲基酶是NK细胞分泌细胞因子的关键调节因子。JMJD3/UTX (含有Jumonji结构域的蛋白3) H3K27去甲基化酶抑制剂GSK-J4可引发细胞因子转录起始位点H3K27甲基化, 并造成NK细胞IFN-、TNF-、GM-CSF、IL-10分泌下降。GSK-J4可以明显抑制类风湿性关节炎患者外周血或组织中分离出的NK细胞的细胞因子分泌, 抑制破骨细胞形成及骨破坏。除甲基化外, 组蛋白乙酰化修饰也对NK细胞细胞因子分泌起调节作用。VPA可抑制NK细胞对白血病细胞的溶解, 并且有剂量依赖性。VPA预处理可降低NK细胞IFN-分泌, 破坏CD107A脱颗粒, 并通过激活PD-1/PD-L1途径诱导细胞凋亡[27]。
H3K4me3脱甲基酶KDM5A调节基因转录并参与肿瘤的发生。Zhao等[32]研究证明KDM5A缺陷使IFN-产生减少, 并损害NK细胞的活化。KDM5A (-/-) 小鼠对单核细胞增生李斯特氏菌 (LM) 感染高度敏感。在NK细胞活化过程中, KDM5A的缺失影响STAT4磷酸化和核定位, 并增加了细胞因子信号转导抑制因子1 (SOCS1) 的表达。进一步研究揭示其机制为KDM5A与P50结合, 并与静止NK细胞中的SOCS1启动子区结合, 抑制染色质重塑, 导致在SOCS1启动子中H3K4me3修饰显著减少。
另外, Lee等[19]在研究记忆性NK细胞时发现, 人巨细胞病毒感染后, NK细胞Syk转录起始位点甲基化, Syk基因沉默, 可引起表达IFN-水平升高。BHLHE40为转录调节因子, 在活化的NK细胞中去甲基化, 诱导细胞因子分泌 (如IL-2、IL-12、IL-15、IFN、TNFA等) , 增强NK细胞功能。NFAT转录因子家族通过与启动子及增强子区域结合来增加NK细胞因子的表达。在活化的NK细胞中, NFATC1内含子9明显去甲基化, 可调节NK细胞分泌细胞因子[22]。
3 引起NK细胞表观遗传学变化的因素
多种疾病状态下, NK细胞的表观遗传学修饰会发生变化, 如巨细胞病毒感染会激活NK细胞, 引起81%的位点发生DNA去甲基化[22]。在儿童哮喘患者中, NK细胞DNA去甲基化, 引起NK细胞活性升高[33]。在类风湿关节炎及强制性脊柱炎中, NK细胞均存在表观遗传学改变[31,32,33,34]。
一些药物可以引起NK细胞的表观遗传修饰变化。Misale等[35]报道, 糖皮质激素可以通过影响H3K27me3来降低IFN-的表达, 从而抑制NK细胞的免疫功能。5-氮杂胞苷可引起NK细胞DNA去甲基化, 诱导相关基因激活, 促进NK细胞活化[36]。
运动也可以引起NK细胞表观遗传学修饰发生改变。Zimmer等[37]选取30例非霍奇金淋巴瘤患者及10名健康人, 干预组每人每天骑车运动30min。运动组的患者血清巨噬细胞游走抑制因子 (MIF) 及IL-6水平升高, NK细胞组蛋白H3、H4乙酰化水平降低。近期, 研究者再次证明运动可以通过升高组蛋白乙酰化水平及NKG2D的表达, 改善正常人NK细胞活化状态[38]。
压力及年龄的增长对NK细胞的表观遗传学也有明显影响。创伤后应激综合征可以加速NK细胞由年龄造成的甲基化水平升高, 从而影响机体免疫状态[39]。
综上所述, 表观遗传学修饰影响着NK细胞的增殖、分化、杀伤、免疫调节等, 在NK细胞调控中, 扮演重要角色。但目前, NK细胞表观遗传学研究多集中在基础实验阶段, 在临床疾病中的应用很少。NK细胞参与肿瘤、自身免疫疾病及感染的发病, 其异常是否与表观遗传学修饰有关?进一步研究NK细胞表观遗传学异常在疾病发生中的作用, 将基础研究向临床应用转化, 开拓疾病中NK细胞功能异常的新思路, 并为新型药物在临床中的应用提供研究基础, 将是本课题组今后努力的方向。
参考文献
[1]ALLIS C D, JENUWEIN T, REINBERG D.Epigenetics[M].USA:Cold Spring Harbor Laboratory Press, 2007:25-56.
[2]张彩, 田志刚.NK细胞受体群谱偏移与肿瘤免疫逃逸及逆转[J].中国免疫学杂志, 2016, 32 (5) :609-614.
[3]CROUSE J, BEDENIKOVIC G, WIESEL M, et al.Type I interferons protect T cells against NK cell attack mediated by the activating receptor NCR1[J].Immunity, 2014, 40 (6) :961-973.
[4]王学富, 田志刚.NK细胞发育分化及其相关疾病研究进展[J].中国免疫学杂志, 2015 (5) :577-584.
[5]周静, 彭慧, 田志刚.NK细胞负向调控适应性免疫应答研究进展[J].中国免疫学杂志, 2016, 32 (6) :769-776.
[6]AHEM D J, BRENNAN F M.The role of natural killer cells in the pathogenesis of rheumatoid arthritis:Major contributors or essential homeostatic modulators[J].Immunol Lett, 2011, 136 (2) :115-121.
[7]CHONG W P, VAN PANHUYS N, CHEN J, et al.NK-DC crosstalk controls the autopathogenic Th17response through an innate IFN--IL-27axis[J].J Exp Med, 2015, 212 (10) :1739-1752.
[8]WOODMAN I.Rheumatoid arthritis:TNF disables TREGcell function through FOXP3modification[J].Nat Rev Rheumatol, 2013, 9 (4) :197.
[9]LEAVENWORTH J W, WANG X, WENANDER C S, et al.Mobilization of natural killer cells inhibits development of collagen-induced arthritis[J].Proc Natl Acad Sci U S A, 2011, 108 (35) :14584-14589.
[10]GASCOYNE DM, LONG E, VEIGA-FEMANDES H, et al.The basic leucine zipper transcription factor E4BP4is essential for natural killer cell development[J].Nat Immunol, 2009, 10 (10) :1118-1124.
[11]YIN J, LEAVENWORTH J W, LI Y, et al.Ezh2regulates differentiation and function of natural killer cells through histone methyltransferase activity[J].Proc Natl Acad Sci U S A, 2015, 112 (52) :15988-15993.
[12]CHOU R H, YU Y L, HUNG M C.The roles of EZH2in cell lineage commitment[J].Am J Transl Res, 2011, 3 (3) :243-250.
[13]SURFACE L E, THORNTON S R, BOYER L A.Polycomb group proteins set the stage for early lineage commitment[J].Cell Stem Cell, 2010, 7 (3) :288-298.
[14]TSUYAMA N, ASAKA R, DOBASHI A, et al.EpsteinBarr virus-negative extranodaltruenatural killer-cell lymphoma harbouring a KDM6A mutation[J].Hematol Oncol, 2018, 36 (1) :328-335.
[15]VICTOR A R, WEIGEL C, SCOVILLE S D, et al.Epigenetic and posttranscriptional regulation of CD16expression during human NK cell development[J].J Immunol, 2018, 200 (2) :565-572.
[16]SUN J C, BEIKE J N, LANIER L L.Adaptive immune features of natural killer cells[J].Nature, 2009, 457 (7233) :1168.
[17]李婷婷, 彭慧, 孙汭, 田志刚.记忆性NK细胞的最新研究进展[J].中国免疫学杂志, 2016, 32 (4) :449-459.
[18]DELLA-CHIESA M, PESCE S, MUCCIO L, et al.Features of memory-like and PD-1 (+) human NK cell subsets[J].Front Immunol, 2016 (7) :351.
[19]LEE J, ZHANG T, HWANG I, et al.Epigenetic modification and antibody-dependent expansion of memory-like NK cells in human cytomegalovirus-infected individuals[J].Immunity, 2015, 42 (3) :431-442.
[20]SCHLUMS H, CICHOCKI F, TESI B, et al.Cytomegalovirus infection drives adaptive epigenetic diversification of NK cells with altered signaling and effector function[J].Immunity, 2015, 42 (3) :443-456.
[21]RAPP M, LAU C M, ADAMS N M, et al.Corebinding factorand Runx transcription factors promote adaptive natural killer cell responses[J].Sci Immunol, 2017, 2 (18) :3796.
[22]WIENCKE J K, BUTLER R, HSUANG G, et al.The DNA methylation profile of activated human natural killer cells[J].Epigenetics, 2016, 11 (5) :363-380.
[23]GAO X N, LIN J, WANG L L, et al.Demethylating treatment suppresses natural killer cell cytolytic activity[J].Mol Immunol, 2009, 46 (10) :2064-2070.
[24]SANTOURLIDIS S, TROMPETER H I, WEINHOLD S, et al.Crucial role of DNA methylation in determination of clonally distributed killer cell Ig-like receptor expression patterns in NK cells[J].J Immunol, 2002, 169 (8) :4253-4261.
[25]CICHOCKI F, LENVIK T, SHARMA N, et al.Cutting edge:KIR antisense transcripts are processed into a 28-base PIWI-like RNA in human NK cells[J].J Immunol, 2010, 185 (4) :2009-2012.
[26]FERNANDEZ-SANCHEZ A, BARAGANO-RANEROS A, CARVAJAL-PALAO R, et al.DNA demethylation and histone H3K9aCETylation determine the active transcription of the NKG2Dgene in human CD8+T and NK cells[J].Epigenetics, 2013, 8 (1) :66-78.
[27]SHI X, LI M, CUI M, et al.Epigenetic suppression of the antitumor cytotoxicity of NK cells by histone deaCETylase inhibitor valproic acid[J].Am J Cancer Res, 2016, 6 (3) :600-614.
[28]EL-SOBKY S A, EL-EKIABY N M, MEKKY R Y, et al.Contradicting roles of miR-182in both NK cells and their host target hepatocytes in HCV[J].Immunol Lett, 2016 (169) :52-60.
[29]LUETKE-EVERSLOH M, CICEK B B, SIRACUSA F, et al.NK cells gain higher IFN-competence during terminal differentiation[J].Eur J Immunol, 2014, 44 (7) :2074-2084.
[30]LI Y, WANG J, YIN J, et al.Chromatin state dynamics during NK cell activation[J].Oncotarget, 2017, 8 (26) :41854-41865.
[31]CRIBBS A, HOOKWAY E S, WELLS G, et al.Inhibition of histone H3K27demethylases selectively modulates inflammatory phenotypes of natural killer cells[J].J Biol Chem, 2018, 293 (7) :2422-2437.
[32]ZHAO D, ZHANG Q, LIU Y, et al.H3K4me3demethylase Kdm5ais required for NK cell activation by associating with p50to suppress SOCS1[J].Cell Rep, 2016, 15 (2) :288-299.
[33]XU C J, SODERHALL C, BUSTAMANTE M, et al.DNA methylation in childhood asthma:an epigenome-wide meta-analysis[J].LanCET Respir Med, 2018, 6 (5) :379-388.
[34]LI Z, HAYNES K, PENNISI D J, et al.Epigenetic and gene expression analysis of ankylosing spondylitis-associated loci implicate immune cells and the gut in the disease pathogenesis[J].Genes Immun, 2017, 18 (3) :135-143.
[35]MISALE M S, WITEK JANUSEK L, TELL D, et al.Chromatin organization as an indicator of glucocorticoid induced natural killer cell dysfunction[J].Brain Behav Immun, 2018 (67) :279-289.
[36]COSTELLO R T, LECLERCQ A, TREUT T L, et al.Effects of 5-azacytidine on natural killer cell activating receptor expression in patients with refractory anemia with excess of blasts[J].Leuk Res Rep, 2015, 4 (1) :15-17.
[37]ZIMMER P, BLOCH W, SCHENK A, et al.Exerciseinduced natural killer cell activation is driven by epigenetic modifications[J].Int J Sports Med, 2015, 36 (6) :510-515.
免疫学与遗传学范文4
关键词：静态调度；公共交通系统；免疫遗传算法
中图分类号：G650 文献标识码：A 文章编号：1003-2851（2012）-09-0180-01
遗传算法[（genetic algorithm，GA）是一种自适应大规模并行搜索优化算法，较以往传统的搜索算法具有使用方便、鲁棒性强、便于并行处理等特点，因而广泛应用于解决搜索和优化的问题。但由于遗传算法不能很好地维持解种群中个体的多样性，易趋于“早熟”收敛而陷入局部最优解。因此，遗传算法不能保证一定能找到问题的全局最优解，目前公交公司各车队的排班主要依靠工作人员的经验手工进行，虽然它具有一定的实用性，但它存在着明显的不足，很难保证排班的结果在运营效率等方面是最优或者接近最优的。为满足实际应用需求，采用智能化算法来求解车辆调度优化问题，在有限的算法步骤内，找出所有满足约束条件的排班方案中的最优方案或接近最优的方案。
一、遗传算法
1.遗传算法简介
遗传算法（Genetic Algorithms，GA）是一种基于自然选择和基因遗传学原理的自适应全局优化概率搜索方法。它的创立有两个研究目的：一是抽象和严谨地解释自然界的适应过程；二是为了将自然生物系统的重要机理运用到工程系统中。GA从许多点开始并行操作，在解空间进行高效启发式搜索，因而可以有效地防止搜索过程收敛于局部最优解；遗传算法在计算机上模拟生物的进化过程和基因的操作，通过目标函数来计算适配值，并不需要对象的特定知识，它具有全局寻优的能力，能解决高度复杂的问题，被广泛应用于自动控制、图形处理、电力调度等方面。
2.建立调度的数学模型
调度系统所采用的数学模型对运行环境做了简化：车的速度恒定，保持匀速行驶，无特殊事件发生；以分钟作为最小的时间单位，这对安排时刻表是合理的；假设客流模型能反映该段线路上的日常客流量（我们假设到站乘客服从均匀分布，在不同时段有不同的分布密度）。
首班车发车时刻为早上6点整，末班车发车时刻为22点整，所有运营车都在整分钟时刻发车，一天之内的总班次为m，总时间为16小时，即960分钟。用xm表示第m辆运营车发车时刻距首发时刻的时间，以分钟为单位。决策变量为X=[x1，x2，…xn]；染色体X是一个完整的发车时刻表，其中的每个基因为一个车辆的发车时刻。
免疫算法效仿生物免疫系统，把外来侵犯的抗原和免疫产生的抗体分别与实际求解问题的目标函数以及问题的解相对应，生成的抗体能有效地排除抗原，也就相当于求得了问题的最优解；对与抗原亲和力高的抗体进行记忆能促进快速求解。
二、IGA应用于公交动态调度
现仍采用上面建立的数学模型，初始规模N仍为200且不随进化代数而发生变化，便于IGA和GA比较。现利用IGA来进行优化的步骤为：
1.在解空间内随机生成初始群体，并计算其适应度，确定最优个体x0best，并给出的取值？滓0，A取为1，？滓0i取为3，？滓？孜取为0。
2.根据式（4.7）进行进化操作，在解空间内生成子代群体，规模为N。
3.计算子代群体的适应度，确定最优个体xt+1best，若f（xt+1best）>f（xtbest），则选定最优个体为xt+1best，否则最优个体为xtbest。
4.重复执行步骤2和3，直至达到终止条件，这里T取为100，选择最后一代的最优个体作为寻优的结果。
本文在遗传算法的基础上采用了一种较新的混合遗传算法——免疫遗传算法对公交静态调度进行了研究，并对二者的应用结果进行了仿真和比较，结果表明IGA有效的克服了简单GA的不足之处，并提高了寻优过程当中目标函数的收敛速度，并得到了合理的发车时刻表，可以提高公交企业的服务水平，对改善城市交通问题和节约市民出行时间有相当的实际意义。
参考文献
[1]倪长健.免疫进化算法研究及其在水问题中的应用[D].四川大学博士论文，2003：50-51.
免疫学与遗传学范文5
黑龙江省绥棱县中医院 黑龙江省绥棱县 152200
【摘 要】免疫性皮肤病种类众多，高达4000 多种，而且半数以上是传染性的皮肤疾病，还有大部分的疾病病因不明。引起皮肤病的主要因素与身体免疫系统有关，本文作者通过分析目前我国免疫性皮肤病的基本状况，针对几种常见的皮肤病进行研究展望。
关键词 免疫性；皮肤病；现状与展望
免疫性皮肤病病因不易确定，病理机制与免疫学说有关。在研究皮肤病的同时也要对免疫系统进行了解和研究，作者通过对几种常见皮肤病如红斑狼疮、表皮大疱病、银屑病等进行进展研究。
1 免疫性皮肤病基础研究现状
免疫性皮肤病主要是皮肤疾病与免疫系统相联系，也就是皮肤免疫系统。因为皮肤是免疫反应的效应器官以及启动部位，皮肤内含有众多的免疫活性细胞。免疫活性细胞存在于皮肤中，也有动态运动在皮肤内外的免疫细胞。例如真皮树突细胞、角质形成细胞等。免疫性皮肤病与这些免疫细胞有重要关系。自1999 年到2003 年间自然科学基金会高度重视免疫性皮肤病的研究，在短短五年期间申请项目达260项，其中39 项获得了资金支持。这些项目研究包括与免疫系统相关的多数皮肤疾病，涉及结缔组织病、自身免疫性皮肤病、银屑病等。研究内容较广，针对常见的免疫性皮肤病研究较为深入。[1]
2 常见免疫性皮肤病研究现状及展望
2.1 结缔组织皮肤病
结缔组织皮肤病是非器官特异性的自身免疫病，起病初期症状明显，以红斑狼疮最具代表性。红斑狼疮发病是表现机体体液免疫异常，临床表现明显。通过体内淋巴细胞活化研究，证明机体内淋巴细胞活化受多种因子及基因调控，这一发现为基因生物治疗研究奠定了基础。红斑狼疮产生机制可以从免疫遗传学的角度进行考量，并且在相关的MHC 位点发现了与红斑狼疮病的相关性。但是，红斑狼疮病不在家族中遗传，其MHC 相关性并不全面，仅是一种免疫遗传的趋势，还不能从基因的角度上证明其免疫异常。近年来，对红斑狼疮病的研究主要从抗原、抗体以及相关基因方面进行的，其中系统性的红斑狼疮的研究针对其DNA 遗传因子与免疫异常进行了对比分析，在受体多态性变化基础上对基因进行筛选，证明其基因与免疫因子、抗体之间的关系。通过一系列的研究发现，SSB 抗体可能保护机体组织和对红斑狼疮导致的组织损伤进行修复，通过临床提取患有急性红斑狼疮疾病患者的血清，发现其SSB 抗体含量远超过正常人体内的含量，所以提出以上假设。为了证实这一学说，进行了进一步的实验，建立了抗原真核表达体系，观察SSB 抗原的免疫诱导效应，观察其有无优势效应，根据抑制指标来判断其抑制程度，这一研究对红斑狼疮发病机制的探索及治疗方面具有重要意义。[2]
2.2 自身免疫性皮肤病
自身免疫性皮肤病主要是自身免疫性大疱病具有代表性，它是特异性的自身免疫性疾病，主要包括表皮内和表皮下大疱病两种。大疱病的研究比较深入，已经从基因水平过度到抗原性质水平上，通过噬菌体抗原表位能够对抗原肽进行准确的定位，能够通过建立血清筛选、表位肽定位等为治疗奠定基础。目前，通过对比分析研究，发现7 个氨基酸序列与该病的基因程序亲和力极高，可以通过体外克隆进行基因序列的对比，从分子水平上探索大疱病的发病机制重组表位肽不仅能够简单、便捷、快速、特异性强的诊断方法，还能够通过阻断致病性循环抗体进行疾病的治疗。自身免疫性大疱病还有一种叫做副肿瘤性天疱疮 ，在这种疱疮肿瘤中发现了与皮肤黏膜免疫现象相关的B 细胞，通过对B 细胞的研究能够进一步分析疱疮肿瘤切除后皮肤黏膜的变化情况，此外，通过对特异性B 细胞克隆的特异性治疗，能够使自身免疫病的治疗具有特异性特点，克服传统治疗上副作用大的缺点，是未来研究的新方向。[3]
2.3 银屑病研究
银屑病是比较常见的皮肤疾病 ，主要包括免疫遗传性、神经免疫性等，其中神经免疫学机制的研究是治疗银屑病的新方向。神经因子的营养来源主要是角质生成细胞、成纤维细胞等，感应神经释放的神经肽主要通过相应的受体作用到角质生成细胞等免疫细胞上，通过神经营养素、神经肽及其受体共同构成了神经系统的网络关系，银屑病的发生与以上机制具有密切的联系。银屑病的发病机制还与表皮细胞过度的增生具有一定的关系，所以，近年来还针对角质形成细胞、细胞因子、信号传导途径等方面进行了大量的研究，但是研究中缺少系统的联系性，单一的对其中的机制进行研究缺乏整体性及严谨性 。未来银屑病将从基因异常、体液免疫异常、细胞免疫异常等几方面进行进一步研究，结合细胞内信号传导方面对整体性进行系统的分析与研究。
3 结语
综上所述，目前对免疫性皮肤病的研究主要针对其致病机制进行，通过致病机制进一步研究其治疗方法。免疫性皮肤病的致病机理研究趋势是想基因分子水平方向发展，相信在通过进一步的研究能够对该类疾病的机理分析透彻。
参考文献
[1] 梁伶，郑文军. 广西壮族系统性红斑狼疮与HLA-DRB1 等位基因相关性研究[J]. 中华皮肤科杂志，2013.36：23-24.
[2] 张建中，金江，郭利肋等. 两型急性皮肤型红斑狼疮病情演变的分离现象[J]. 中华皮肤科杂志，2011. 29：176-177.
免疫学与遗传学范文6
1 幽门螺杆菌（HP）
HP是公认的慢性活动性胃炎的致病菌，是消化性溃疡重要的致病因子，并与胃癌及胃粘膜相关的恶性淋巴瘤密切相关。通过PCR检测及细菌培养发现ROU同样有大量HP的存在，其形态学、生化特性、免疫特性与胃粘膜HP相似[2]。又通过72例ROU患者口中不同牙位，龈上、龈下菌斑进行HP-PCR检测，其中轻型43例，疱疹样23例，重型6例，HP阳性率分别为53.49%、56.52%和83.23%。结果表明HP阳性率随着溃疡程度的加重而增高，HP与ROU有着密切不可分的联系。故抗HP治疗是治疗ROU的一种有效方法。
2 EB病毒（EBV）
PCR法对13例ROU口腔损害检测中，有5例检测出EBV-DNA。为检测EBV是否同时存在于外周血中，从PCR阳性患者中取2例外周血淋巴细胞及3例浆细胞中检测到EBV-DNA，提示淋巴细胞可能EBV潜伏感染的贮留地。EBV-DNA，EB核抗原，EBV/C3d受体出现在部分基底及基底周围细胞血管内及固有层淋巴细胞核中，提示溃疡前期的上皮细胞可能通过感染EBV的淋巴细胞而受到感染[3]。
3 免疫因素[4]
此项研究对唾液中6个指标，血中细胞免疫的8个指标，体液免疫的7个指标，微量元素的5个指标，应用非条件回归分析法，进行综合研究分析。明确提出ROU众多复杂致病因素中，EXRFE、T8、血液LGA、Cu是致病的危险因素，而b淋巴细胞、血清Zn、唾液C3和体液中LYZ则是重要的保护因素。ESRFE每增加一个等级，溃疡发病危险性增加14倍，T8每增加一个等级，溃疡危险性增加3倍。
这2个高危免疫指标的出现，使免疫活性细胞亚群不平衡及免疫活性细胞功能缺陷，导致机体免疫调节紊乱而致口腔溃疡。
4 微量元素
血液中的微量元素Zn和Fe呈现保护效应，而Cu为危险因素，Cu/Zn比值表现明显的危险效应，提示缺Zn，高Cu是口腔溃疡发病的重要因素，同时为ROU的治疗找到了依据[4]。
5 血液流变学
检测血液流变学指标，结果发现血浆粘度、全血高切还原粘度、红细胞刚性指标及红细胞聚集指数和ROU有密切关系。血液流变学的这些指标改变引起全血血浆粘度升高，血流速度减慢，有利于t淋巴细胞的浸润和免疫活性物质如粘附分子、免疫球蛋白及细胞因子的浸出，使它们能够介导与口腔黏膜发生特异性的免疫反应，引起一系列自身免疫反应，最终导致口腔溃疡的发生[5]。
6 细胞遗传学
应用现代细胞遗传技术，文献报道60名ROU患者中40名有家族遗传史。对外周血淋巴细胞的SCE、微核发生率、染色体畸变进行研究，与正常对照组相比，均有极显著性差异。因此ROU患者可能先天即有DNA修复缺陷和固有的不稳定染色体结构，这与疾病的发生存在一定的因果关系[4]。
7 雌孕激素受体
应用ABC法对10例健康女性黄体期口腔黏膜作ER和PR的检测，结果7例雌激素受体阳性，8例孕激素受体阳性，证明了口腔黏膜亦是性激素的靶器官之一，正常的性激素受体数量及功能状态是口腔黏膜促使正常生理功能的重要保证，倘若性激素受体数量和功能状态发生改变，或者性激素的分泌出现异常，均可导致口腔黏膜发生病理变化。此项研究有助于阐明性激素受体改变相关的口腔黏膜病的发病机理，进而通过调节性激素受体及其性激素水平达到治疗目的[6]。
ROU为人群中的常见病、多发病，治疗后复发率较高。因此，ROU的诱发因素至关重要，通过对幽门螺杆菌、EBV、微量元素、雌孕激素受体的检测，对免疫学、血液流变学、遗传学等研究，发现了与致病相关的因素，从而为临床诊治提供了依据。因此，应用抗HP、抗病毒、抗免疫，调节性激素和血液流变学，加适量微量元素，注意遗传因素，将是治疗ROU的最佳方案。
参 考 文 献
[1]郑际烈.复发性口腔溃疡的分类[J].临床口腔医学杂志，2008，24（1）：62.
[2]陈发明，贾保军，孙海龙等.复发性口腔溃疡和消化性溃疡患者口腔及胃粘膜中的幽门螺杆菌[J].牙体、牙髓、牙周病杂志，2009，19（2）：75.
[3]李欣.复发性口腔溃疡与eb病毒的关系[J].口腔医学分册，2007，34（4）：248.
[4]郭锡久，陈永朝，苏德水.复发性口腔溃疡与免疫、微量元素的研究[J].临床口腔医学杂志，2008，24（1）:129.
