Keinoimmuunijärjestelmä

Keinoimmuunijärjestelmät ovat laskennallisia ja matemaattisia malleja, jotka pyrkivät imitoimaan selkärankaisten immuunijärjestelmän kykyä tunnistaa ja puolustaa elimistöä vierailta taudinaiheuttajilta. Keinoimmuunijärjestelmät ovat uusi tutkimuksenala biologisten laskentamallien joukossa, joista tunnetuimpia ovat neuroverkot ja evoluutiolaskenta.

Immuunijärjestelmän toiminta

Biologinen immuunijärjestelmä koostuu erikoistuneista soluista ja elimistä, joiden tehtävänä on puolustaa eliötä taudinaiheuttajilta. Immuunijärjestelmä suojaa elimistöä tunnistamalla bakteereja, viruksia ja syöpäsoluja ja tuhoamalla niitä. Immuunijärjestelmän kannalta tärkeitä elimiä ovat mm. imusuonisto ja niissä kiertävät imusolut eli lymfosyytit, jotka tunnistavat elimistöön päässeitä taudinaiheuttajia. Immuunijärjestelmän toiminta perustuu erilaisten valkosolujen suureen määrään, jotka ovat erikoistuneet torjumaan tiettyä taudinaiheuttajaa. Immuunipuolustusjärjestelmän kyky torjua uusia taudinaiheuttajia perustuu jatkuvaan uusien valkosolujen tuotantoon ja niissä tapahtuviin mutaatioihin.

Biologisen immuunijärjestelmän mukautumiskyky ja muistiominaisuus ovat motivoineet tutkijoita toteuttamaan laskennallisia malleja, joissa immuunijärjestelmän toimintaa pyritään imitoimaan yksinkertaistetuilla tietokonemalleilla.

Immuunijärjestelmän ominaisuuksia

Keinoimmuunijärjestelmien toteutuksen tavoitteena ovat usein seuraavat biologisen immuunijärjestelmän erikoisominaisuudet:

• Hajautettu toiminta: Keskitetysti hallittavan puolustusjärjestelmän sijaan immuunijärjestelmän toiminta on jakautunut lähes koko elimistön alueelle. Järjestelmän toimimisen riippumattomuus yksittäisten osien toimivuudesta tekee immuunijärjestelmästä hyvin joustavan.
• Mukautumiskyky: Immuunijärjestelmä valvoo jatkuvasti elimistössä tapahtuvia muutoksia ja uusia taudinaiheuttajia. Altistuminen uudelle taudinaiheuttajalle käynnistää immuunivasteen, jonka seurauksena elimistö oppii puolustautumaan uusia taudinaiheuttajia vastaan.
• Häiriönsietoisuus: Immuunijärjestelmän tunnistusmenetelmä ei vaadi täsmällisiä sopivuutta tunnistettavan taudinaiheuttajan kanssa.

Hahmontunnistus keinoimmuunijärjestelmissä

Keinoimmuunijärjestelmien keskeinen tehtävä on tunnistaa ja luokitella suuria tietomääriä samaan tapaan kuin biologinen immuunijärjestelmä tunnistaa antigeenejä vasta-aineiden avulla. Antigeenit ja vasta-aineet esitetään keinoimmuunijärjestelmien yhteydessä attribuuttijonoina, jotka koostuvat tyypillisesti binääriluvuista, kokonaisluvuista tai reaaliluvuista. Näiden yhteensopivuuksia toisiinsa voidaan mitata käyttämällä euklidista etäisyyttä, Manhattan-etäisyyttä tai Hamming-etäisyyttä.

Mutaatioiden hyödyntäminen

Keinoimmuunijärjestelmien vasta-aineiden sopivuutta taudinaiheuttajien torjuntaan voidaan parantaa geneettisen algoritmin tavoin mutaation avulla. Mutaatioiden käyttäminen vasta-aineiden jalostamisessa on laskennallisesti raskas, mutta hyvin toimiva optimointimenetelmä.

Aiheesta muualla

• J.D. Farmer, N. Packard and A. Perelson, (1986) "The immune system, adaptation and machine learning", Physica D, vol. 22, pp. 187--204
• D. Dasgupta (Editor), Artificial Immune Systems and Their Applications, Springer-Verlag, Inc. Berlin, January 1999, ISBN 3-540-64390-7
• L. DeCastro and J. Timmis (2001) "Artificial Immune Systems: A New Computational Intelligence Approach" ISBN 1-85233-594-7
• J Timmis, M Neal and J Hunt, (2000) "An Artificial Immune System for Data Analysis" pp. 143--150, Biosystems, no. 1/3, vol. 55.