3. ANESTEZİ DERİNLİĞİNİ BELİRLEMEK İÇİN KULLANILAN
3.3. YAPAY BAĞIŞIKLIK
3.3.3. Yapay Bağışıklık Algoritmaları
YBS'nin tasarımı yapıldıktan sonra kullanılabilecek algoritma hayati önem taşımaktadır. YBS, örüntü tanıma, makine öğrenmesi, optimizasyon, robotik, ağ saldırı tespit sistemi, hata teşhisi gibi alanlarda ve bunların alt dallarında başarıyla kullanılmakta olup etkin sonuçlar alınmaktadır [67] .
YBS algoritmalarını: Şekil 3.18’de görüldüğü gibi popülasyon tabanlı ve ağ tabanlı yapay bağışıklık algoritmaları olarak kategorize etmek mümkündür.
Şekil 3.18. Yapay bağışıklık algoritmaları [55].
Ağ tabanlı yapay bağışıklık algoritmaları, bağışıklık sisteminin karmaşık yapısına rağmen sistemdeki her birimin görevini net olarak belirleyen dağıtım mekanizmasını ve bu birimler arasındaki etkileşimleri temel alarak tasarlanmaktadırlar. Popülasyon tabanlı yapay bağışıklık algoritmaları ise vücudun öz olan (self) ve öz olmayan (Non-self) hücrelerini tanımak için yaptığı işlevlerden esinlenerek oluşturulmaktadırlar.
3.3.3.1. Kemik İliği Modeli
Vücudumuzda kemik iliği, gen kütüphanesi tarafından antikor üretiminin yapıldığı yerlerden biridir. Kemik iliğinde bağışıklık hücreleri ve molekülleri oluşturularak gen kütüphanesine aktarılmaktadır. Kemik iliğinde antikorlar birbirine bağlı olarak rastgele oluşturulmaktadır. [55].
3.3.3.2. Negatif Seçim Algoritması
Literatürde; zaman serileri tahmini, bilgisayar ağ saldırıları, şekil denetimi ve kesimlemesi, donatım hatası toleransı gibi karmaşık problemlerle ilgili uygulamalar için negatif seçim algoritması önerilmektedir. Negatif seçim algoritması, vücudun kendinden olmayan organizmaları ayırt etme prensibine dayanmaktadır. T lenfositlerinin timüste olgunlaşması sırasında meydana gelen en önemli olay; eğer antikor olgunlaşma sırasında kendinden olan hücreye bağlanır ve aktif hale gelirse bu antikorların öldürülerek kendinden olan hücrelere karşı bir toleransının oluşmasıdır. Bu sayede vücut kendine ait olan öz hücreleri T lenfositleri sayesinde tanıyabilmektedir. Yani bu algoritma vücudun hem kendi hücrelerini hem de yabancı antijenleri tanıma kabiliyetine sahip olmasıdır [68]. Bu algoritma ile korunacak olan öz hücreler (P kümesi) belirlenir. P kümesine ait olmayan hücreleri tanımak için detektörlerden (algılayıcılardan) oluşan yeni bir M kümesi meydana getirilir. Detektörler, sistemi izlemeye alırlar ve öz olmayan hücreler tespit edilirse, korunacak (P* kümesi) oluşturulur. Bu küme, P kümesi ve diğer tüm modellerden farklı bir küme meydana getirmektedir [69].
Negatif seçim algoritmasının çalışma yöntemi Şekil 3.19’da gösterilmektedir. Şekil 3.19’a göre negatif seçim algoritmasının adımları aşağıda sıralanmıştır;
1. Rastgele aday elemanları kümesini (C) oluştur.
2. C’ kümesin deki elemanlar ile (P) self kümesin’ deki elemanları karşılaştır. Eğer
bir eşleşme olursa, örneğin P deki bir eleman (C)’ deki bir eleman ile eşleşirse,
(C)’ nin bu elemanını at. Aksi durumda, (C)’ deki bu elemanı detektör (algılayıcı)
Şekil 3.19. Negatif seçim algoritması şeması a) Detektör kümesini oluşturma, b) Öz olmayan hücrelerin varlığını takip etmek [50].
Detektör kümesini (M) oluşturduktan sonra algoritmanın bir sonraki safhası, öz olmayan hücrelerin varlığı için sistemi izlemekten oluşur. Böylece bir (𝑃∗) korunacak kümesi
oluşturulur. Bu küme, (P) self kümesi ve diğer tüm modellerden veya tamamıyla yeni bir kümeden meydana gelir. Öz olmayan hücrelere karşılık gelen, detektör kümesinin elemanları için, ( 𝑃∗) kümesinin bir elemanı ile eşleşip eşleşmedikleri kontrol edilir.
Eşleşme varsa bir öz olmayan hücre tanınmıştır ve işlem başlamalıdır. Değerlendirme problemine göre öz olmayan hücre tespitinde, sonuç gelişimi çeşitlilik gösterir ve negatif seçim algoritmasının model tanıma kapsamı dışındadır [70].
3.3.3.3. Klonal Seçim Algoritması
KSA, bağışıklık sisteminin antijene karşı cevap vermesini sağlayan ve B hücreleri tarafından sadece antijene cevap verebilecek hücrelerin seçilmesi prensibine dayanan algoritmadır. Vücut içerisinde bir antijen tanımladığında bu antijene antikorlar vasıtası ile cevap verilir. Bu antikorlar B hücrelerinin yüzeylerindedir ve vücuttaki antijenlere bağlanarak antijeni tanırlar. Herhangi bir antikor, antijeni tanırsa yardımcı T hücreleri vasıtasıyla B hücreleri bölünerek çoğalır ve olgunlaşırlar. Bu çoğalma tek bir hücre veya hücre kümesinin klonlanması ile oluşur [71].
KSA Şekil 3.20’de görüldüğü gibi seçim, çoğalma ve farklılaşma olmak üzere üç temel prensipten oluşur.
Şekil 3.20. Klonal seçim algoritmasının 3 temel adımı [50].
KSA, Charles Darwin’in evrim teorisinin üç temel fonksiyonu olan farklılaştırma, çeşitlendirme ve doğal seçim mekanizmalarını kullanır. Önce n tane antikorun içinden en uygun antikor seçilir. Seçilen bu antikorlar benzerlik derecesi baz alınarak çoğaltılır. Farklı olan antijenlerin tespiti için çoğalan antikorlar farklılaşır [72].
Şekil 3.21’ de KSA’ nın akış diyagramı görülmektedir.
Ab{d} Ab{g} Seçim f2 C* Olgunlaştır C Kopyala Ab{n} Seçim f Ab (1) (2)
}
(3)}
(4){
(5) (6){
(7) (8)KSA’nın adımları aşağıdaki gibidir.
1. Optimize edilecek bir amaç fonksiyonu 𝑔(. ) bulunur. Bir antikorun benzerlik değeri, verilen antikor için hesaplanan amaç fonksiyonunun değerine karşılık gelir: Vücut antikor repertuarını oluşturan antikorlar (𝐴𝑏𝑖) başlangıç çözüm kümesinin (𝐴𝑏) bir elemanıdır.
2. Her bir (𝐴𝑏𝑖) için 𝑓 afinite (benzerlik derecesi) ölçümüne göre en iyi antikor belirlenir (amaç fonksiyon değeri hesaplanır).
3. 𝑛 adet en yüksek benzerlik değerlikli (en yüksek uygunluklu) antikor 𝐴𝑏 kümesinden seçilir ve yeni bir (𝐴𝑏){𝑛} kümesi oluşturulur.
4. (𝐴𝑏){𝑛} kümesindeki afinite ölçümüne göre en iyi olan 𝑛 tane antikor, bağımsız olarak ve antijenik benzerlikleri ile doğru orantılı olarak klonlanır. Klonlar geçici bir 𝐶 repertuarı oluşturur. Seçilen bu antikorların her biri için oluşturulan klon sayısı, (𝑓) benzerlik değeri ile doğru orantılıdır. Yani daha yüksek antijenik benzerlik (daha yüksek uygunluk değeri) daha fazla sayıda klon demektir.
5. 𝐶 repertuarında ki klonların antijenik benzerlik derecesi yüksek olan, daha az olacak şekilde olgunlaştırma (hipermutasyon) sürecine uğratılır. Dolayısıyla daha yüksek benzerlik (daha yüksek uygunluk) değerli klon daha az mutasyona uğramaktadır. Bu süreç sonunda mutasyona uğratılan klonlar bir 𝐶∗ popülasyonu
oluşturur.
6. ( 𝐶∗) popülasyonundaki olgunlaştırılmış klonların benzerlik (uygunluk) değeri
hesaplanır.
7. En yüksek benzerlik değerli 𝑛 adet antikor tekrar seçilir ve 𝐴𝑏 kümesine eklenir. 8. 𝑑 adet en düşük benzerlik derecesine sahip antikorlar 𝐴𝑏 kümesinden seçilir ve