Yapay bağışıklık sistemlerinde temel kavramlar

Bağışıklık sistemindeki etkileşimlerin sistem bazında ifade edilerek bir YBS yapısı oluşturulması için sistemi oluşturan birimlerin gösterimine, sistemdeki birimlerin birbirleri ve çevre ile olan etkileşimlerini hesaplamak için bir mekanizmaya ve de bazı adaptasyon izleklerine ihtiyaç duyulur.

Yukarıda bahsedilen işlemlerin her biri için ortaya atılan algoritmalarda, çeşitli yöntemler geliştirilmiştir. Şekil-uzayı yaklaşımı, sistemin oluşmasında ilk aşamada sistemi oluşturan birimlerin gösterimi işlemi için Perelson ve Oster’in 1979 yılında ortaya attıkları, en çok kabul gören ve kullanılan yaklaşımdır. İkinci aşamada, etkileşimleri hesaplamak için bir mekanizma kullanılmalıdır. Antikor-Antijen etkileşimleri bir duyarlılık ölçütü kullanılarak modellenebilir. Örnek olarak Hamming uzaklığı kullanılarak, sistemde Antikorlar ve Antijenler binary diziler ile gösterilmişler ise Antijen ve Antikorlar arasındaki duyarlılık hesaplanabilir (De Castro, Von Zuben 1999a). Son aşamada ise bir bağışıklık fonksiyonu kullanılarak sistemin zaman ile nasıl

değiştiğini modelleyen adaptasyon izlekleri oluşturulur. Bu aşamada, Klonsal seçme ve negatif seçim algoritmaları (Forrest ve ark., 1994), bağışıklık ağları, bu amaçla oluşturulmuş en çok kabul gören yöntemlerdir. İkinci aşamada hesaplanan uygunluk ölçütleri bu yöntemlerin girişleri içinde yer alırlar.

3.4.2.1. Şekil Uzayı

Bağışıklık Repertuarı, antijen tanıma için gerekli olan tüm hücrelerin oluşturduğu sete denir. Bu repertuarın, vücudumuzun tüm antijenlerden korunabilmesi için tam olması gereklidir. Vücut, herhangi bir Antijeni tanıyabilecek reseptör molekülerini oluşturacak protein genlerine sahiptir ve bu genlerin farklı birleşimlerle dizilimi ile doğada bulunan hemen hemen tüm antijenleri tanıyabilir. Lenfositler ve Antijenler arasındaki etkileşimleri niceliksel olarak modellemek için 1979 yılında Perelson ve Oster tarafından şekil uzayı yaklaşımı ortaya atılmıştır (De Castro, Von Zuben 1999a).

Bağışıklık sisteminde iki hücre arasındaki etkileşim sırasında birçok fizikokimyasal olay meydana gelir. N boyutlu bir şekil uzayında iki nokta olarak bağışıklıktaki bu iki hücre gösterilebilir. Bu N boyutlu şekil uzayında N tane eksen vardır ve her bir eksen, iki hücre arasında gerçekleşen fizikokimyasal etkileşimlerden birini temsil eder. Tamamlayıcılık, bağışıklık sisteminde bir etkileşimin gerçekleşmesinde esastır. Örnek olarak, Şekil 3.22’ de de görüldüğü üzere bir Antijenin epitopu (reseptörü) ile bir Antikorun paratopunun (reseptörü) şekilleri birbirlerini tamamlar nitelikte ise etkileşim en fazladır (Yücelbaş, 2012).

Şekil 3.22. Bağışıklık sisteminde tamamlayıcılık

Şekil uzayındaki uzaklık kavramı, bağışıklıktaki tamamlayıcılık özelliğini temsil eder. Şekil uzayında, bağışıklık sistemindeki iki hücreyi temsil eden iki nokta

birbirinden ne kadar uzak ise bu iki hücre arasındaki tamamlayıcılık o kadar fazladır (Özşen, 2008).

Bağışıklık sisteminde B ve T lenfositlerinin Antijenik yapıları tanıyabilmeleri için bu Antijenik yapılardan gelen uyarımların belirli bir eşik seviyesini aşması gerekmektedir. Bu özellik ise şekil uzayında tanıma çemberi (ya da tanıma topu) adı verilen modelleme ile ifade edilmiştir. Şekil uzayında gösterilen her bir self hücrenin (B veya T hücresi) yarıçapı bir eşik seviyesi ile belirlenen bir tanıma çemberi vardır. Her bir self hücre sadece bu çemberin içinde kalan Antijenleri tanıyabilir. Şekil 3.23’ te tanıma çemberi kavramı ve şekil uzayında repertuar tamlığı gösterilmektedir (Özşen, 2008).

Şekil 3.23. Tanıma çemberi kavramı ve repertuar tamlığı

Yukarıdaki şekilde, iki boyutlu bir şekil uzayında üç tane self hücre ve antijenler gösterilmişlerdir. e eşik seviyesi ile belirlenen Ve çemberi her bir hücrenin tanıma çemberidir. Burada H1 tanıma çemberi içinde kalan iki antijeni ve H3 sadece bir antijeni tanır. H2 antijen tanımaz çünkü H2’ nin tanıma çemberinde herhangi bir antijen yoktur. Doğada mevcut olabilecek antijen türleri, protein dizilimleriyle belirlendiğinden dolayı belirli bir çeşitlilikte bulunabilirler. Şekil 3.23’ deki iki boyutlu şekil uzayında bulunabilecek tüm antijen türleri bir V hacmi ile ifade edilmiştir. Yine aynı şekil uzayında bulunan her bir antikorun bir Ve tanıma hacmi olduğuna göre, şekil uzayında V hacmi içerisinde tüm noktaları kapsayacak biçimde bir antikor popülasyonu

olduğunda bu antikor popülasyonu tüm antijenleri tanıyabilir. Bu durumda bu antikor popülasyonunda repertuar tamlığından söz edilebilir (Özşen, 2008).

3.4.2.2. Antijen-antikor gösterimleri ve duyarlılıklar

Şekil uzayı kavramında belirtildiği gibi bir uzaklık ölçütü antijen-self hücre etkileşimlerinin derecelerinin belirlenmesi için kullanılır. Antijen-antikor etkileşimleri, ortaya atılan modellerin çoğunda self hücre yerine antikor kullanıldığı için bu kısımda bahsedilecek etkileşimler olacaktır. Cebirsel olarak bir antikor ya da antijen molekülü, L boyutlu bir şekil uzayında koordinatları da m = < m1, m2, m3, …, mL > vektörü ile belirtilen bir nokta olarak ifade edilir. Bu vektörün her bir elemanı, şekil uzayındaki bir eksene ait antikor-antijen arasındaki fizikokimyasal etkileşimlerden birini temsil eden koordinat değeridir (Özşen, 2008).

Antijen ile antikor arasındaki uzaklıklar çeşitli yöntemlerle hesaplanabilir. Öklid ya da Manhattan uzaklık ölçütleri, eğer antijeni ve antikoru simgeleyen vektörler gerçel değerli vektörler ise kullanılabilir. Bununla birlikte, kaynaklarda genellikle uzaklık ölçütü olarak hep Öklid uzaklık ölçütü kullanıldığından (De Castro ve Von Zuben, 1999b) bu çalışmada da aynı uzaklık ölçütü kullanılmıştır (Özşen, 2008).

Antikor : Ab = < Ab1, Ab2,..., AbL >;

Antijen : Ag = < Ag1, Ag2,..., AgL >;

Ab ve Ag arasındaki Öklid uzaklık ölçütü denklemi 3.32' deki formülle bulunabilir (Yücelbaş, 2012). 2 1 ( ) L i i i D Ab Ag  

_

3.4.2.3. Klonsal seçme algoritması

Germinal Center’larda gerçekleşen duyarlılık olgunlaşması sırasında birçok seçme mekanizması devreye girmektedir ki bu olay bağışıklık sisteminde T ve B Lenfositlerinin olgunlaşması sırasında gerçekleşir. Klonsal seçme algoritmasını, duyarlılık olgunlaşmasındaki işlemleri baz alarak De Castro ve Von Zuben ortaya atmış ve karakter tanıma, optimizasyon gibi problemlere oluşturdukları algoritmayı uygulayarak çalışmasını test etmişlerdir ( De Castro ve Von Zuben, 2000).

Klonsal seçme algoritması, sadece antijeni tanıyan hücrelerin çoğalma için seçilmesi ve seçilip çoğalan hücrelerin duyarlılık olgunlaşması işlemine tabi tutularak, antijene olan duyarlılıklarının arttırılması temel esaslarına göre çalışır. Oluşturulan klonsal seçme algoritmasının akış diyagramı Şekil 3.24’ te verilmiştir.

Şekil 3.24. Klonsal seçme algoritmasının blok diyagramı

Algoritmanın şu şekilde çalışır:

Öncelikle bir popülasyon oluşturulur (P) ve bu popülasyon aday çözümlerden yani hafıza hücreleri ve (M) geri kalan popülasyondan (Pr) oluşur. Bu popülasyon, hafıza hücreleri ve (M) geri kalan popülasyondan (Pr) oluşur (P=Pr+M). İkinci aşamada, popülasyondaki en iyi n tane eleman duyarlılık ölçütüne bağlı olarak seçilir ve Pn popülasyonu oluşturulur (Özşen, 2008).

Antijene olan duyarlılıklarına bağlı olarak seçilen bu en iyi bireyler klonlama işlemine tabii tutulur (çoğalma). Yüksek klon sayısı duyarlılığı yüksek olan bireylerden ve düşük klon sayısı ise duyarlılığı düşük olan bireylerden oluşacaktır. Bir C klon seti böylelikle oluşturulmuş olur. Klonlardan oluşan C popülasyonuna bir hipermutasyon işlemi yapılır. Duyarlık ile doğru orantı hipermutasyon işleminde de söz konusudur. Hipermutasyondan sonra oluşan sete ise C* popülasyonu adı verilir (Özşen, 2008).

Klonlama ve hipermutasyon işlemlerinden sonra, M hafıza seti gelişmiş bireyleri popülasyona eklemek için tekrar bir seçme işlemi yapılarak oluşturulur. P popülasyonundaki bazı hücrelerin yerlerini C* setindeki bazı hücrelere bırakmaları bu seçme işleminden sonra beklenendir. P popülasyonundaki d tane birey, popülasyonda çeşitliliği sağlamak amacıyla yeni üretilen bireyler ile yer değiştirir. Düşük duyarlılıklı bireylerin yer değiştirme ihtimali daha yüksektir (Özşen, 2008).

3.4.2.4. Negatif seçme algoritması

T ve B lenfositleri, bağışıklık sisteminde olgunlaşma sırasında vücut hücrelerini tanırlarsa sirkülasyona geçmeden öldürülürler. Bunun yanında lenfositler vücuda giren antijenlerin tanınması için seçilir ve antijene yanıt üretmek için çoğalırlar (self-nonself ayrımı). Bağışıklık sistemindeki bu özelliğin bilgisayar güvenliğine uygulanabilir oluşu araştırmacılarının dikkatini çekmiş ve Stephanie Forrest ile arkadaşları 1994 yılında bu durumdan esinlenerek bilgisayar güvenliğinde uygulanmaya yönelik olarak negatif seçme algoritmasını oluşturmuşlardır (Forrest ve arkadaşları, 1994).

Negatif seçme algoritmasının var olan iki faz aşaması aşağıdaki gibidir:  İlk fazda detektörlerden oluşan bir set üretilir (Şekil 3.25-a).

 İkinci fazda korunan veri oluşturulan detektörler ile karşılaştırılarak gözlemlenir (Şekil 3.25-b).

Ortak olan ardışık bitlerin sayısı, karşılaştırılan iki dizide, r’den büyük ya da r’ye eşit olursa iki dizi birbiri ile eşleşir ve bu kurala r-conginuous kuralı denir (Forrest ve arkadaşları, 1994).

Şekil 3.25. Negatif seçim algoritması