树突状细胞因子1（精选九篇）
树突状细胞因子1 篇1
1临床资料
患者,女,46岁。因右上腹间断性疼痛3 d于2014年9月22日入院。腹部平坦、柔软,右上腹轻压痛, 无反跳痛,肝肋缘下未触及。AFP 1.72 ng/ml,在正常范围,肝炎病毒检测阴性,EB病毒DNA< 5.00E+ 02,EBV-Ig M阴性,EBV-Ig G阳性,CMV-Ig M阴性, CMV-Ig G阳性。CT检查显示:肝尾状叶肿块影,动脉期不均匀强化,门脉期呈低密度,见图1。诊断意见: 1肝尾状叶占位;2胆囊结石,临床考虑为肝癌,于2014年9月25日行“肝尾状叶肿瘤切除术 + 胆囊切除术”,肿瘤质硬、包膜完整、形状规则,肝门区未触及明显肿大淋巴结。术后肝尾状叶肿瘤、胆囊送病检。病检部分肝切除标本一件,大小7 cm×5 cm× 4 cm,切面灰黄质中,切面可见一大小4 cm×3 cm× 3 cm灰黄肿块,切面灰黄质软,界清。免疫组织化学提示:CD35(+),CD21局部(+),CD23局部(+), CD43(+),CD3(+),CD20局部(+),Fascin(+),CK (-),EMA(-),Hepatoccyte(-),AFP(-),CD117少量细胞散在 (+),Dog-1 (-),S-100少量细胞散在 (+),ALK(-),CD34(-),Ki-67(+ 约30%),见图2。 病理诊断:1肝占位炎性假瘤样滤泡树突状细胞肿瘤,肝脏切缘净;2慢性胆囊炎伴结石形成。提取送检标本DNA片段长度为300~400 bp(其质量能够满足检测需要)行基因重排,检测项目为TCRG,TCRB, TCRD。 基因重排 检测结果 :TCRG VTJ:(-~+), TCRG VIIJ:(-),TCRB VJI:(-),TCRB VJII:(-), TCRB DJ:(-),TCRD VD/DD/DJ:(-)。该结果提示考虑送检组织标本中增生的T细胞群为多克隆性。
2讨论
炎性假瘤样滤泡树突状细胞肿瘤较罕见,国内外报道例数较少,该肿瘤多与EB病毒感染有关[1],主要分布于肝脏[2]和脾脏[3],确诊有赖于免疫组织化学及EBER原位杂交,其生物学行为相对惰性,属于低度恶性肿瘤[4]。肝脏炎症假瘤样滤泡树突状细胞肿瘤临床症状不明显,可以无明显症状,也可表现为右上腹不适、疼痛、肝肿大等症状。肿瘤呈实性,有完整的包膜,与周围组织界限明显,镜下肿瘤细胞呈梭形、卵圆形或束状排列,并散在分布于淋巴细胞及浆细胞为主的炎症环境中。诊断时需注意与肝脏梭形细胞肿瘤,甚至霍奇金淋巴瘤鉴别,炎症假瘤样滤泡树突状细胞肿瘤免疫标记CD21、CD35阳性,特别是EBER原位杂交阳性[5]。
本例患者为中年女性,以右上腹间断性疼痛为主要表现,肿瘤位于肝尾状叶,无肝炎病史,AFP在正常范围,EB病毒DNA<5.00E+02,说明EB病毒复制小于参考值 。 EBV-Ig M阴性,Ig G阳性,CMV-Ig M阴性,Ig G阳性,说明既往感染过EB病毒及巨细胞病毒 。 基因重排结果提示T细胞多克隆性,排除T细胞淋巴瘤 。 手术切除发现肿瘤呈实性 、 包膜完整,通过组织病理 、 免疫组织化学及EBER原位杂交得以证实为肝脏炎性假瘤样滤泡树突状细胞肿瘤 。 术后给予抗肿瘤 、 提高免疫力对症治疗 。 患者术后1个月余复查AFP在正常范围,CT未见明显异常,见图1 。
A:HE 染色;B:CD35(+);C:CD21 局部(+);D:CD23 局部(+);E:CD43(+)F:CD3(+);G:CD20 局部(+);H:Fascin(+);I:CD117 少量细胞散(+);J:S-100 少量细胞散在(+);K:Ki-67(+ 约 30%);L:EBER 原位杂交(+)
树突状细胞因子1 篇2
目的利用人脐血CD34+干细胞诱导分化树突状细胞(DC),并对DC分化发育过程的生物学特性进行鉴定和分析.方法通过SCF、GM-CSF、TGF-β1、Flt-3L及TNF-α体外培养体系,从脐血CD34+造血干细胞中诱导扩增获得DC.采用倒置显微镜和电镜观察DC形态学特征,流式细胞仪检测DC细胞表型及胞内活性氧(ROS)水平,MTT比色法检测DC刺激同种异体T细胞增殖能力;ELISA法检测DC培养上清液中IL-12含量.结果CD34+细胞培养5至7 d,细胞呈现DC典型树突状形态,处未成熟状态,再经TNF-α诱导及继续培养至14 d,DC发育成熟.未成熟DC表达模式识别受体CD209(DC-SIGN),且胞内蓄积适量ROS,具备了细胞吞噬能力.成熟DC除仍高表达DC-SIGN,其表面黏附共刺激分子CDllc、CD54、CD83、CD80、CD86表达上调,细胞因子IL-12分泌增加,且具明显的体外刺激T细胞增殖能力,符合于抗原递呈细胞特征.此外,未成熟和成熟DC基本不表达黏附分子P-、E-选择素,但未成熟和成熟DC分别高表达和低表达L-选择素.结论建立人DC体外模型及其分化发育生物学特性分析,为进一步研究DC功能,以及利用DC调控免疫应答用于疾病防治提供了基础.
作 者：张玉梅 孙桂芝 周同 赵亚鹏 张雁云 张冬青 陈楠 作者单位：张玉梅,孙桂芝,周同,赵亚鹏,陈楠(25,上海,上海交通大学医学院瑞金医院肾内科)
张雁云,张冬青(上海交通大学医学院上海市免疫学研究所)
发现免疫的“哨兵”——树突状细胞 篇3
2011年10月3日，对于加拿大科学家拉尔夫·斯坦曼（Ralph Marvin Steinman）的家人来说，注定是一个悲喜交加的日子。瑞典卡罗林斯卡医学院在这一天宣布，斯坦曼与另两位分别来自美国和法国的科学家分享了当年的诺贝尔生理学或医学奖，而令人万分遗憾的是，就在消息宣布前三天的9月30日，斯坦曼教授已经与世长辞。由于诺贝尔奖颁发前并不会提前通知获奖者，因此诺奖评委会成员之前都未能联系到斯坦曼教授本人。而消息宣布后，斯坦曼教授的女儿才在父亲的邮箱中发现了诺奖评委会的电子邮件。直到此时，大家才知道斯坦曼已经离开了人世，享年68岁。
斯坦曼教授是一名犹太人，1943年1月14日出生于加国蒙特利尔市。1963年，在麦吉尔大学完成本科学业后，斯坦曼赴美深造，就读于哈佛大学医学院，并于1968年获得医学博士学位。随后，斯坦曼在著名的麻省总医院完成了实习和住院医师培训。1970年，斯坦曼来到洛克菲勒大学，开始投身基础医学研究。
病原入侵，免疫反应
我们所处的世界充斥着各种各样的微生物、寄生虫等致病原。因此，免疫系统对于我们来说就尤为重要。漫长的进化历程锻炼了我们的免疫机能，使得人体能够对千变万化的入侵者做出反应。一般来说，免疫反应可分为两种情形：一种称之为“固有免疫”，另一种则称作“适应性免疫”或“获得性免疫”。2011年的诺贝尔医学奖正是授予了在这两个领域内作出重要贡献的三名科学家。美国人布鲁斯?博伊特勒（Bruce Alan Beutler）和法国人朱尔斯?霍夫曼（Jules A. Hoffmann）的研究领域在前者；斯坦曼的工作则主要在后者。
固有免疫反应
当有病原体试图侵入人体时，免疫系统就开始做出反应了。起初，皮肤会对入侵者产生屏障作用，黏膜则可分泌一些抗菌物质参与保护。当病原体突破了这些最初的防线后，结缔组织内的某些白细胞和吞噬细胞就进入活跃状态，表现为吞噬杀伤功能增强，分泌细胞因子大大增多，诱使感染区域产生炎症反应，外观上来看局部则会呈现出红、肿、热、痛等“发炎”的特征来。多数感染会在这些炎症反应消退后被清除，而上述的这些免疫反应是与生俱来的，因此也被称为固有免疫反应。
适应性免疫反应
然而，在少数情况下，某些病原体的生命力非常顽强，固有免疫反应无法将其击败，此时就需要人体的另一套反应机制——“适应性免疫”来发挥作用了。参与适应性免疫的主要是T淋巴细胞和B淋巴细胞，他们能够通过细胞杀伤、分泌抗体等多种形式来中和或清除入侵者。他们对各种各样的病原体有着很高的针对性，并且会在一次反应后留下记忆，当今后再遇到类似的病原体时，适应性免疫反应会变得更快和更高效。这种“获得性免疫”的特征也是疫苗发挥作用的原理所在。
发现免疫反应中的“哨兵”
在斯坦曼等人之前，有关免疫反应的上述过程已经被人们初步了解。不过，参与这些免疫反应的细胞究竟是如何识别入侵者的，两种免疫反应之间如何沟通和调节的细节仍属未知。斯坦曼的贡献就在于发现了一种免疫反应中的“哨兵”——树突状细胞。1973年，斯坦曼报告了这种细胞的存在，并指出树突状细胞在免疫应答中的独特地位。
简单地说，树突状细胞的作用，就是“通报敌情”和“发动战争”。病原生物或肿瘤细胞等入侵者之所以能够引起免疫反应，是由于这些罪犯往往带有某种异于机体的特征，医学上称之为“抗原”。而在体内游弋的树突状细胞的任务，就是发现并摄取这些特殊抗原，并将其报告给适应性免疫反应的始动者——初始T淋巴细胞。初始T细胞将调动其他免疫细胞发生级联反应，最终消灭入侵者。诸如移植排斥、自身免疫病、HIV感染等多个免疫过程均离不开树突状细胞的参与。树突状细胞的发现也为人们对抗疾病提供了新的思路。例如通过激活此类细胞，能够使免疫系统对某些肿瘤组织产生反应，从而起到抗癌的作用。
斯坦曼关于树突状细胞的研究起初并没有得到广泛认可，然而他并没有灰心丧气。扎实的实验和富有说服力的成果，使人们最终认可了树突状细胞的抗原提呈功能和激活T细胞的作用。
亲身体验研究成果
而关于树突状细胞的研究某种程度上也为斯坦曼本人带来了益处。2007年，斯坦曼被诊断患有胰腺癌。在经历了手术、化疗等常规疗法之后，斯坦曼为自己设计了实验性的、基于树突状细胞的免疫疗法。在众人和他自身的努力下，胰腺癌这种凶猛的癌症似乎也暂时低下了头。要知道，患有胰腺癌的患者术后的平均生存时间通常不会超过一年。
斯坦曼的成果为该领域开启了一系列崭新的研究方向。斯坦曼本人也早已名扬于世，人们认为他早晚会得到诺贝尔奖。就在斯坦曼去世前的一周，他还对自己的女儿开玩笑说，今年的诺贝尔奖即将揭晓，“我认为我应当坚持活到那个时候，因为一旦死了，他们将不会颁奖给一個死人，因此我必须坚持住”。谁料到此事竟一语成谶。
诺奖破例颁给去世的人
斯坦曼辞世的消息给诺贝尔评委会带来了不大不小的麻烦。早在1974年，诺贝尔基金会条例就已明确规定诺贝尔奖将不会颁发给已故的人。斯坦曼正属于这种情况。诺奖评委会委员Sample在英国卫报网站上称，委员会对斯坦曼的去世“深感震惊”。但由于斯坦曼在提名时仍在，诺奖评委会在查询条例和紧急磋商后最终决定继续颁奖给他。斯坦曼也成为诺贝尔奖历史上第三位在去世后获得该荣誉的人。
树突状细胞因子1 篇4
1材料
1.1 脐血
在无菌条件下, 采集健康足月婴儿 (顺产或者剖腹产) 脐带血20～50ml/份, 肝素抗凝 (40U/ml) 。脐血来自本院和杭州市第一人民医院妇产科。
1.2 药物
黄芪多糖 (纯度>90%) 购自江苏南通四海植物精华有限公司。真空干燥的黄芪多糖用含双抗、不含血清的RPMI-1640培养液于每次实验前配制成所需浓度的工作液, 经0.45μm滤膜滤过除菌。
1.3 试剂
含双抗RPMI-1640完全培养液:美国Gibco公司产品。10%特级胎牛血清 (FCS) :购自杭州四季青生物工程材料研究所。淋巴细胞分离液 (Ficoll-Paque) :中国医学科学院血液学研究所产品。异硫氰酸荧光素 (FITC) 标记的单抗CD1a、CD80、CD83、CD86:美国B-D公司产品, 购自上海晶美生物工程公司。
1.4 仪器
SW-CJ-1F超净工作台:苏净集团安泰公司。Heraeus三气细胞培养箱:德国Heraeus公司。XDS-1型倒置光学显微镜:重庆光学仪器厂。JEM-1230透射电子显微镜:日本JEOL公司。XL-EPICS全自动流式细胞仪:美国COULITER公司。UR-4100型酶标仪:美国Dynatech公司。
2方法
2.1 脐血单核细胞的提取制备
取无菌采集的新鲜脐血, 用生理盐水按照脐血:生理盐水之比为1:3的比例稀释, 用吸管吹打均匀, 按照稀释脐血:淋巴细胞分离液之比为2:1的比例加到淋巴细胞分离液上层, 常温下离心 (3000r/min, 30分钟) ;取中间界层面细胞即脐血单核细胞层, 加入10～15ml生理盐水洗涤, 室温2000r/min离心10分钟, 弃上清;再重复洗涤两次, 弃上清。然后用RPMI-1640完全培养基调整细胞浓度为2×106/ml, 接种于细胞培养瓶, 37℃饱和湿度, 5%CO2培养箱培养。
2.2 实验分组
调整制备的脐血单核细胞浓度为1×106/ml, 按每孔1ml接种于12孔培养板, 分3组进行实验。阴性对照组:在培养的细胞中每隔2日更换1/3量含10%胎牛血清 (FCS) , 1%谷氨酰胺RPMI-1640 (GIBCO BRL) 完全培养基。阳性对照组:在培养的细胞中第1～6天加入rhGM-CSF (1000U·ml-1) 及IL-4 (500U·ml-1) ;第7～14天加入TNF-α (50U·ml-1) 。隔2日更换1/3量含以上细胞因子的培养基。实验组 (100mg/L黄芪多糖组) :在培养的细胞中第1～14天分别加入以上浓度的黄芪多糖。隔两日更换1/3量含相同浓度黄芪多糖的培养基。
2.3 细胞形态学观察
倒置光学显微镜下连续观察细胞生长情况, 观察细胞形态学变化并摄片。收集诱导培养至10天的实验组细胞, 经PBS清洗2次后, 800r/min低速离心5分钟获得细胞沉淀, 用2.5%戊二醛4℃固定48小时, 再用1%锇酸4℃固定1小时经乙醇梯度脱水, 环氧树脂包埋, 超薄切片, 经铅铀染色后, 置透射电镜下观察细胞形态并摄片。
2.4 细胞免疫表型检测
收集各组已经培养12天的细胞, 用PBS液调整细胞浓度为1×106/ml, 加入离心管 (100μl/管) , 分别加入FITC荧光标记的单克隆抗体CD1a、CD80、CD83及CD86;终浓度为5μg/ml, 置暗处, 4℃标记45分钟, PBS液洗涤2次, 用流式细胞仪检测细胞表型, 每个细胞均根据FITC的荧光激发特性进行单标记参数分析。
2.5 统计学分析
数据资料用undefined表示, 分别进行独立样本t检验, 采用SPSS13.0 for Windows统计软件包完成。
3结果
3.1 形态学观察
光镜:培养的细胞在3小时后贴壁, 呈圆形, 培养48小时后实验组、阳性对照组出现少量悬浮细胞, 培养72小时后两组细胞部分聚集成簇, 倒置显微镜下细胞由圆形逐渐变为不规则形态, 并伸出许多毛刺状突起, 随着培养时间的延长, 树突状结构更加明显, 培养的第7～10天由贴壁细胞聚集成簇变为悬浮细胞, 表现为树突状外形, 第12天悬浮细胞呈不太规则的毛刺状态, 为典型树突状细胞形态。而整个培养过程中, 阴性对照组细胞生长缓慢, 细胞无成簇生长, 培养至第12天细胞形态呈梭形巨噬细胞形态见图1～6。
电镜:培养至10天的实验组细胞呈不规则形, 细胞表面有形态各异来自胞质的突起, 胞核不规则, 被切成互不相连的数块, 核内异染色质沿核边密集。胞质电子密度较低, 细胞器不发达, 可见少量线粒体、核糖体和一些大小不等的泡状结构, 溶酶体偶见。见图7。
3.2 细胞免疫表型标志的变化 见表1。
与空白组比较*P<0.05, **P<0.01
4讨论
近年来, 随着对肿瘤免疫学研究的深入, 发现肿瘤细胞可以修饰自身表面抗原以及改变肿瘤组织周围的微环境以影响免疫细胞的功能, 逃避机体的免疫识别与攻击, 从而造成肿瘤免疫逃逸;研究还证实树突状细胞数量缺失或功能缺陷可能是导致肿瘤免疫逃逸和机体抗肿瘤无能的主要原因[3]。因此, 能否通过免疫途径清除肿瘤细胞恶性克隆, 已经引起许多学者的重视, 免疫治疗提高到肿瘤综合治疗中的重要地位。
树突状细胞 (dendrite ccells, DCs) 是由Steinman等于1973年在研究小鼠脾脏黏附细胞时, 根据细胞的形态命名的[4]。树突状细胞是目前已知的功能最强的专职抗原递呈细胞, 它不仅能有效地捕捉递呈抗原, 并且可显著刺激初始T细胞的增殖。启动机体特异性细胞免疫[1,5], 在激发以抗原特异性细胞毒性T细胞过继性免疫治疗肿瘤中起着十分重要的作用[6]。
DC按其来源可分为髓样DC (myeloid DC) 和淋巴样DC (lymphoid DC) 。DCs可来源于骨髓 (bone marrow, BM) 、外周血 (peripheral blood, PB) 或脐血 (cord blood, CB) 的单核细胞 (MNC) 。通过细胞因子不同组合的应用, 许多学者[7,8]成功地由BM、PB以及CB的MNCs诱导分化扩增得到较大量的DCs。其中最常见的有GM-CSF、IL-4和TNF-α组合, GM-CSF、IL-4为早期诱导DCs所必须的细胞因子, TNF-α为促进DCs成熟的细胞因子。本研究以这一组合作为阳性对照。
目前, 还没有理想的能用于DCs鉴定的绝对特异性标志, 若要鉴定所得到的细胞是否为DCs, 主要通过细胞形态学、细胞表面标志以及混合淋巴细胞反应 (mixed lymphocyte reaction, MLR) 中能否刺激初始T细胞增殖等方面综合判断。DCs分化过程中有一个从不成熟到成熟的阶段, 不成熟的DCs高表达CD1a, 给一定的刺激信号, 这些细胞就会成熟并表现出成熟DCs的特征, 包括树突状细胞形态, 高水平表达MHC分子、共刺激分子和黏附分子CD83、CD80 (B7-1) 、CD86 (B7-2) 和HLA-DR等成熟DCs表面标志, 体外激发MLR能力增强, 诱导T细胞活化, 产生T细胞介导的细胞免疫。
黄芪是一种传统的常用中药, 药用部分是其干燥根, 黄芪味甘、性温。具有补气升阳、固表止汗、托毒排脓生肌的功效, 近年来研究[2]发现黄芪中除黄芪甲甙、黄酮等小分子化合物具有较强的生物活性外, 其大分子化合物黄芪多糖 (APS) 亦具有较强的免疫调节和稳定的抗肿瘤作用, 现代研究[9]表明APS能使人外周血单核细胞 (PBMC) 产生G-CSF和GM-CSF等造血细胞因子, 并呈量效、时效关系;APS可提高荷瘤小鼠的T、B淋巴细胞的增殖;促进脾细胞产生IL-2等细胞因子;有学者[10,11]发现APS能明显促进健康人及肿瘤患者外周血单核细胞在体内分泌肿瘤坏死因子 (TNF) 、可以诱生干扰素 (IFN) , 同时临床已经应用黄芪多糖对肿瘤患者进行辅助治疗, 通过对IL-2R和TNF-α水平的影响及IL-2的分泌使患者达到免疫增强状态。
本研究基于中药“黄芪”具有“扶正固本托毒”的功效, 结合现代药理学研究成果, 观察黄芪多糖体外对脐血单核细胞分化为树突状细胞的诱导作用。结果显示, 黄芪多糖可在体外诱导分离的脐血单核细胞分化为DCs, 我们发现黄芪多糖代替细胞因子 (Cytokines, Ck) 可以培养出形态与常规Ck培养体系相似的DCs, 呈特征性树突状细胞的特点。实验组、阳性对照组的细胞免疫表型CD1a、CD80、CD86和CD83的表达均较阴性对照组明显增高 (P<0.01) 。而实验组与阳性对照组间比较无统计学差异 (P>0.05) 。从形态学结合免疫表型检测分析鉴定, 可以证实黄芪多糖代替Ck与常规Ck培养方法均可从脐血单核细胞诱导培养出形态学、细胞免疫表型相似的DCs。我们推测可能与黄芪多糖诱导或促诱生脐血单核细胞自分泌、旁分泌一些促进DCs分化和成熟的Ck有关, 其确切的机制还有待于进一步研究。
摘要：目的:观察黄芪多糖对脐血单核细胞分化为树突状细胞的诱导作用并对其进行分析鉴定。方法:无菌条件下采集脐血, 密度梯度离心法获得脐血单核细胞, 分为3组, 即实验组、阴性对照组、阳性对照组;培养过程中用倒置光学显微镜和透射电镜观察细胞形态;收集部分培养第12天的细胞利用流式细胞仪检测各组细胞表面CD1a、CD80、CD83和CD86的表达。结果:在培养72小时后实验组和阳性对照组细胞形态开始变化, 随着培养时间的延长, 树突状结构更加明显, 第12天细胞呈典型的树突状细胞形态;阴性对照组细胞生长缓慢, 培养至第12天细胞呈梭形巨噬细胞形态。培养至10天的实验组细胞透射电镜下呈典型的树突状细胞形态。培养12天实验组、阳性对照组细胞分别高表达DCs特异性抗原CD1a、CD80、CD83和CD86, 与阴性对照组对应比较差异均有显著性 (P<0.01) ;实验组与阳性对照组之间比较无统计学意义 (P>0.05) 。结论:黄芪多糖体外可诱导脐血单核细胞 (DCs前体细胞) 定向分化为树突状细胞 (DCs) 。
关键词：黄芪多糖/药理学,单核细胞/药物作用,胎血
参考文献
[1]Banchereau J, Steinman R M.Dendritic cells andthe control of immuni-ty.Nature, 1998, 392 (19) :245.
[2]张小梅.黄芪多糖的免疫调节作用及抗肿瘤作用研究进展.大连大学学报, 2003, 24 (6) :101.
[3]Mailliard RB, Dallal RM, Son YI, et al.Dendritic cells promote T-cell survival or death depending upontheirmaturationstate and presentationof antigen.Immunol Invest, 2000, 29 (2) :177
[4]Steinman R M, Cohn ZA.Identification of a novel cell type in peripheral lymphoid organs of mice.1Morphology, quantitation, tissue distribution.J Exp Med, 1973, 137:1142.
[5]Hart DN.Dendritic cells:unique leukocyte populations which control the primaryimmunere sponse.Blood, 1997, 190 (9) :3245.
[6]Timmerman JM, Czerwinski DK, Davis TA, et al.Idiotype-pulsed den-dritic cell vaccination for B-cell lymphoma:clinical and immune re-sponses in35patients.Blood, 2002, 99 (5) :151.
[7]王晓, 裴雪涛, 李梁, 等.脐血CD34+细胞和外周血单核细胞两种来源的树突状细胞特性的比较研究.中华血液学杂志, 1999, 20 (11) :583.
[8]Moldenhauer A, Nociari M, Lain G, et al.Tumor necrosis factor alpha-stimulated endothelium:an inducer of dendritic cell development from hematopoietic progenitors and myeloidleukemia cells.Stem Cells, 2004, 22 (2) :144.
[9]娄小芬, 张炳华, 宋京, 等.黄芪多糖对有核细胞分泌造血因子的影响.中药新药与临床药理, 2003, 14 (5) :310.
[10]张宏颖, 孙艳秋, 吕申, 等.全肠外营养添加黄芪对胃癌手术期病人免疫功能的影响.大连医科大学学报, 2000, 6 (6) :12.
树突状细胞应用的研究进展 篇5
树突状细胞 (dendritic cells, DC) 是体内三种专职的抗原呈递细胞中功能最强的细胞[1]。 由于成熟的DC细胞表面形成许多突起形似神经细胞中的树突, 因此得名树突状细胞。 这类细胞可以说是天然免疫和特异性免疫的分界线。 它们依靠先天的受体无特异性的识别抗原, 并将加工后的抗原肽呈递给行使特异性免疫的T细胞;或者和滤泡树突状细胞一样将未修饰的蛋白抗原固定在自己细胞膜的表面。以供附近的B细胞识别。
DC主要由共同干细胞 (HSC) 在不同的基底细胞及其分泌的细胞因子作用下分化而来。 具体产生作用的主要是干细胞生长因子、单核细胞集落刺激因子、白细胞介素等多种细胞因子。 在这些不同细胞因子的刺激下, 逐步由HSC分化发育为不同种类的树突状细胞并分布到身体的各个位置。
DC的分类有多种方法。 按照其细胞学和生化性质可分为两类, 一是迁移树突状细胞, 二是定居树突状细胞。 如果按其生长时期来划分, 则可以分为未成熟DC细胞和成熟DC细胞两类。 对于DC而言, 其对抗原的摄取加工和向淋巴细胞呈递的过程在时间上是分离的。 未成熟的DC细胞具有较强的摄取和加工抗原的能力, 虽然能够表达低水平的Fc R, 但是它不具备向淋巴细胞呈递抗原的功能;而成熟的DC细胞表达了高水平的MHC-I类和MHC-II类分子 (位于淋巴组织的滤泡状树突状细胞除外) , 因而具有强大的抗原呈递能力, 但是其代价是失去了对抗原的摄取和处理能力, 最典型的特征便是这类细胞不再具有吞噬颗粒的能力。 第三种方法是根据其存在的位置分类, 主要分为三类, 位于皮肤组织中的朗格汉氏细胞 (LC) ;位于淋巴结胸腺依赖区的并指 (交错) 状树突状细胞 (IDC) 和位于淋巴结滤泡区中的滤泡树突状细胞 (FDC) 。 其中LC和IDC均可高效地表达MHC-I类和MHC-II类分子, 而FDC则只有MHC-I类分子的表达。LC和IDC两类细胞的主要作用是将抗原摄取加工后呈递给T淋巴细胞, 而FDC的主要作用是将抗原不加处理的固定在其细胞膜表面等待附近的B淋巴细胞来识别。
DC细胞之所以被称为最高效的抗原呈递细胞, 一方面是因为它表达的MHC-II类分子要远多于巨噬细胞和B细胞, 另一方面是未成熟的DC细胞还具有和巨噬细胞类似的吞噬处理抗原的能力。 DC细胞强大抗原呈递能力还表现在, 成熟的DC细胞在混合淋巴细胞反应 (MLR) 中能够同时激活CD4+ (Th细胞) 和CD8+ (CTL细胞) 两种T细胞对抗原产生反应, 这种激活的能力是其他任何抗原呈递细胞所不具备的, 因此有人认为在使用疫苗时可配合DC细胞作为天然的佐剂增强其效果。
对于DC细胞的获取和培养, 现行的方法主要还是从外周血液中利用DC细胞低浮力密度和能够黏附玻璃或塑料的特性进行抗凝离心贴壁之后再进行提取。 但是此时提取到的是未成熟的DC细胞, 如果想在体外刺激DC细胞进一步成熟, 则应该在体系中加入粒细胞巨噬细胞刺激因子 (GM-CSF) 或者小牛血清以达到想要的效果。 另外, 从实验动物脾脏中获得DC细胞也是不错的选择。
然而, 由于未成熟的DC细胞和成熟的DC细胞性质与结构的不同, 因此导致其在医学及免疫学的应用上各有不同。
二、DC疫苗的抗肿瘤作用
DC细胞在抗肿瘤方面具有不可比拟与替代的作用。 由于DC细胞具有携带外源DNA使其在体内表达后以内源性抗原呈递的方式来激活T细胞, 因此这一点可以作为肿瘤治疗的新方法之一。
肿瘤细胞具有分泌一些抑制性细胞因子的作用, 这些抑制性细胞因子能够抑制附近DC细胞的成熟, 因此有人提出, 将未成熟的DC细胞提取后, 在体外经癌细胞致敏后, 回输到体内治疗肿瘤同时在原发性肿瘤经手术切除后达到预防其复发的目的。 至于将DC细胞体外致敏的方法, 一方面可以选择一些特殊的抗原肽或者DNA片段进行, 另一方面可以采用全肿瘤细胞致敏的方法。 由于大多数肿瘤细胞缺少较为保守和有效的抗原肽及DNA片段, 因此目前多选择使用全细胞进行DC细胞的致敏。
MHC分子是DC细胞表达其抗原呈递功能最主要的分子, 对DC细胞疫苗在体内能否正确行使其功能具有十分重要的意义。 由于MHC分子的多态性和遗传限制性, 使得这种疫苗很难在同种异体间使用。 对于人来说, 两个个体间MHC分子完全相同的概率是3500万分之一, 而MHC分子只要有一点不相同因为共显性作用就会产生MLR, 而DC细胞可以说是MLR最强力的“催化剂”了。 由于MHC分子的限制性及DC细胞对MLR强大的促进作用, 因此, 在选择这一方法的治疗时, 应该使用自体的DC细胞进行致敏和回输。 否则, 如果引起严重的MLR反应, 则不仅影响疫苗的使用效果, 对机体产生的后果也是不可设想的。
应用DC细胞疫苗治疗肿瘤, 从实验及临床效果看令人鼓舞[2,3]。 研究表明, 以DC细胞疫苗为基础的免疫疗法在当今肿瘤治疗中是最有价值也是最有发展前景的方法之一。 但是要使DC细胞疫苗真正成为临床上能广泛应用的肿瘤治疗方法还面临着各种挑战。 关于制备DC细胞的最优方法以及这类疫苗接种的最佳程序至今现在为止仍不明确, 这些问题都对DC细胞疫苗的临床应用产生重大影响。 另外, 一个潜在的威胁是如果长期回输这些疫苗则有可能会诱发机体的自身免疫反应, 过量的回输更会导致T细胞耗竭进而引起免疫功能下降, 或者可能还会引发自身免疫疾病。 这些问题如不能得到有效解决, 必定会阻碍DC细胞在肿瘤治疗中的应用。 相信随着人们对DC细胞及其作用机理的深入研究与探索, DC细胞疫苗能更广泛、安全、有效地应用到临床上成为治疗肿瘤有力的方法。
三、未成熟DC细胞对移植排斥反应的抑制
未成熟的DC细胞表达低水平的共刺激分子和黏附分子。MLR实验发现, 这些细胞能够介导同种异体淋巴细胞产生免疫耐受[4,5]。 研究表明, 在同种异体小鼠之间进行心脏、肾脏、肝脏、皮肤等器官移植的同时输入未成熟的DC细胞, 能够明显延长移植物的存活时间。 因此, 未成熟的DC细胞在诱导移植免疫耐受、防治移植排斥反应方面的作用, 越来越受到人们的关注。
未成熟的DC细胞在其表面主要表达CD14、CD1a、CD32、巨噬细胞集落刺激因子受体、甘露糖受体、趋化因子受体等重要成分。 但是和成熟的DC细胞不同的是, 细胞表面MHC-II类分子、B-7分子、 协同刺激分子CD80和CD86的表达相对较低, 因而在激发MLR方面能力较弱, 但对抗原具有极强的吞噬和加工处理能力, 此时的DC细胞处在一种专门对抗原进行摄取和处理的阶段。
受体的DC细胞将供体的异体抗原呈递给T细胞, 进而启动免疫应答, 是免疫排斥反应发生的关键环节。 因此, 利用未成熟的DC细胞对这一环节进行干预或者干预附近DC细胞的成熟, 能够抑制异体T细胞的活化, 诱导受体的免疫耐受。 这种方法的具体运用可有两种选择:一种是输入供体未成熟的DC细胞或者输入已经负载供体抗原的受体DC细胞;另一种是利用化学药物或生物制剂抑制未成熟DC细胞的成熟。 在上述方法的基础上, 有人选择对输入的未成熟DC细胞采取进一步的基因工程处理, 不论是利用基因工程阻断辅助分子和黏附分子的表达还是诱导T细胞凋亡或者诱导Treg细胞产生, 都可取得一定效果[6]。
总之, 上述方法的宗旨就是干扰或者阻断受体DC细胞由不成熟状态变为成熟状态, 进而将抗原信息传递给T淋巴细胞这一过程。 实验表明, 对上述过程的干预不论在哪一步进行都可以成功。 尽管这个方法还在试验中, 也暴露出诸多问题与不足, 但是随着进一步研究, 这类方法的应用终将成为现实。
不管是肿瘤治疗还是抗移植排斥反应, 这些方法的产生正是由于人们认识到DC细胞在抗原的摄取加工与抗原呈递这两个过程相分离的特点并进行了最好的印证和应用。 树突状细胞的应用面临许多问题, 相信在免疫学理论的指导下, 这些问题能够一一被克服, 为人类创造更美好的未来。
参考文献
[1]王家鑫.免疫学[M].北京:中国农业出版社, 2009.
[2]杨柳, 郭庚, 牛小媛, 等.增强恶性胶质瘤树突状细胞疫苗疗效的策略[J].国际免疫学杂志, 2015, 38 (3) :288-292.
[3]邱波, 荆雪宁, 武继彪, 等.黄芪多糖诱导的树突状细胞疫苗对S180荷瘤小鼠抗肿瘤作用研究[J].南京中医药大学学报, 2015, 31 (1) :44-47.
[4]薛一峰, 黄建荣, 孙鸿丽, 等.混合淋巴细胞反应体系中胎盘间充质干细胞的免疫抑制效应[J].中国组织工程研究与临床康复, 2010, 36:6776-6779.
[5]孙广莲, 李焱, 孟红, 等.树突状细胞在混合淋巴细胞反应中辅佐功能的研究[J].肿瘤防治杂志, 2000, 04:351-352.
中草药对树突状细胞的影响 篇6
树突状细胞 (dendritic cell, DC) 是Steinman和Cohn于1973年首先报道的, 因其成熟时有树突样或伪足样突起而得名[1]。目前一致认为, 凡具有典型的树突状形态, 膜表面高表达MHC II类分子, 能移行至淋巴器官和刺激初始型T细胞增殖活化, 并具有一些相对特异性表面标志的一类细胞, 才能称之为DC[2]。它广泛分布于淋巴组织和非淋巴组织中, 但数量极少, 约占外周血白细胞总数的1%。DC起源于骨髓造血干细胞, 是机体免疫系统中最强有力的一种专职抗原呈递细胞 (antigen-presenting cells, APC) , 最大特点是能显著刺激初始型T细胞增殖, 而其他APC仅能刺激已活化的或记忆性T细胞, 因此DC对免疫应答的启动、调控起着关键作用。
1.1 DC的生物学特性
DC作为体内专职的抗原提呈细胞, 具有摄取、处理和提呈抗原至T细胞的功能。成熟的DC具有5个主要的特征: (1) DC形态特别, 其外形不规则, 表面富有膜样或树突样突起; (2) 成熟的DC表面能表达大量具有免疫原性的主要组织相容性复合物 (MHC) , 并呈递给淋巴细胞。成熟的DC还同时表达大量表面分子、共刺激分子、黏附分子和多种细胞因子受体, 为T细胞的存活和活化提供必要的信号。 (3) DC的迁移特性:DC具有向局部淋巴细胞、T细胞区迁移的能力。 (4) DC具有捕捉、加工和处理抗原的能力, 其表面具有结合抗原的受体; (5) DC是体内唯一能激活静息型T细胞 (naive T cell) 产生初次免疫应答的细胞, 而且它能点状放大刺激并激活T细胞增殖, 1个DC能够激活100～3 000个T细胞, 使其不同于巨噬细胞、B细胞等一般的APC[3,4,5,6,7]。
1.2 DC的应用
DC不仅是一种最有效的抗原呈递细胞, 还有直接杀伤肿瘤细胞并抑制已有肿瘤扩散的作用[8], 可以直接回输到病人体内, 目前已广泛运用于各种肿瘤的相关治疗中, 包括黑色素瘤、卵巢癌、宫颈癌、乳腺癌、前列腺癌、非小细胞肺癌、肾癌、胃肠道癌以及各种恶性血液病如白血病、淋巴瘤等。DC抗肿瘤的主要机制为:肿瘤抗原属于内源性抗原, 机体主要依靠细胞毒性T淋巴细胞 (cytotoxic T lymphocyte, CTL) 的免疫应答杀伤肿瘤细胞。但CTL并不能识别完整的肿瘤抗原分子, 只能特异性地识别来源于肿瘤抗原亲本、由MHC分子递呈的抗原多肽。理论上肿瘤细胞和病毒感染细胞自身也具有抗原呈递能力, 但肿瘤细胞和病毒感染细胞表面的MHC-抗原肽段复合物表达水平一般低于100个分子 (细胞) , 因此它们很难被机体内数量很少的特异性T细胞克隆 (频率低于10-5) 识别, 而且很多肿瘤细胞和病毒感染细胞表面协同刺激分子表达水平较低, 不能提供诱导T细胞活化的第二信号, 难以激发肿瘤特异性CTL的产生。而成熟的DC能够表达高水平的共刺激分子、黏附分子及MHC分子, 有效地内化、加工和提呈可溶性抗原。它主要通过下面三条信号转导途径来激活静息T淋巴细胞, 启动T细胞介导的特异性抗肿瘤免疫反应:DC的MHC分子与胞内加工处理后的抗原肽形成复合体, 并表达于DC表面, 为激活静息T淋巴细胞提供第一信号;共刺激分子及黏附分子与T淋巴细胞膜表面的配体结合, 提供第二信号;DC合成和分泌一些重要的细胞因子, 提供第三信号。这三条已知途径共同作用促进了T淋巴细胞的活化[9,10,11,12]。可见, DC在启动特异性抗肿瘤免疫反应的抗原递呈中发挥着关键性作用。
除肿瘤外, 目前发现与DC有直接关系的疾病, 还包括细菌、原虫和病毒感染, 自身免疫病和超敏反应等[13,14,15]。近年来, 人们也对DC在这些疾病中的应用进行了大量的探索, 随着大量动物实验和临床应用试验的进行以及各种试验技术的成熟, 以DC为基础的免疫疗法必将能广泛应用于临床各个领域, 并成为行之有效的治疗手段。
2 中草药对DC的影响
近年来应用免疫学理论和方法研究中草药的免疫作用受到广泛重视。多数中草药或具有免疫增强作用, 或具有免疫抑制作用, 其主要有效成分如多糖、甙类、生物碱、有机酸、挥发性成分对动物机体免疫系统的刺激作用而呈现较为典型的非特异性免疫和特异性免疫的促进或抑制作用, 部分中草药还显示双向调节作用。大量研究表明, 中草药防治疾病的作用是通过调动动物体内非特异性抗病因素如自然杀伤细胞、细胞吞噬、抗体等来增强或抑制机体的免疫功能而实现的。另外中草药还有毒副作用小、宏观调节机体整体机能等优点, 在免疫方面有独特的优越性。而DC作为功能最强的APC, 能摄取各类抗原, 很容易激发细胞免疫应答 (Th和CTL) 和体液免疫应答 (抗体) , 并能介导黏膜局部免疫, 对早期抗感染和抗肿瘤十分重要。部分DC可以下调免疫应答, 诱导免疫耐受, 又有助于预防和治疗自身免疫性疾病、移植排斥反应或超敏反应。因此, 中草药的免疫药理学机制是否部分与机体DC的增殖、成熟、表型及功能的改变有关目前还未见报道。
2.1 单味中草药和中草药复方对DC的影响
参麦注射液是常用的肿瘤辅助治疗药物, 主要由人参、麦冬等组成, 具有益气养阴、扶正固本的作用, 临床应用可以减轻化疗的毒副反应, 提高白细胞数量, 增强NK和LAK活性, 提高免疫功能。张在云等研究表明, 参麦注射液对外周血来源的DC的CD1a、CD40、CD80和CD83等分子的表达无显著影响, 但可增强DC诱导的T细胞增殖反应, 增加IL-12的分泌。IL-12是一种重要的Th1型细胞因子, 是DC的主要效应因子, 它能激发NK、LAK细胞及T细胞的增殖、分化及向肿瘤部位趋化, 增强NK细胞和CTL的细胞毒作用, 刺激IFN-γ的产生, 抑制肿瘤血管形成等。作者认为, 参麦注射液增强DC诱导的T细胞增殖可能与其增加IL-12的分泌有关[16]。卢娟娟等发现, 黄芪注射液能增加慢性肾功能衰竭 (CRF) 患者的外周血DC数量, 认为黄芪可活化T细胞对DC的作用, 增强DC将抗原提呈于T细胞的能力, 进而增强T细胞转化的功能[17]。
2.2 中草药有效成分对DC的影响
当归多糖可以促进乙肝病毒转基因小鼠树突状细胞的成熟, 上调其表面协同刺激分子CD86的表达, 增强其促淋巴细胞增殖和分泌IL-12、IFN-γ的能力, 加强其抗原递呈能力, 诱导细胞免疫反应[18]。枸杞多糖 (LBP) 可增加荷瘤小鼠外周血和肿瘤间质浸润的CD+4、CD+8细胞数量, 以及DCs数量和CD80的表达[19]。40～200 ug/mL的灵芝三萜 (GT) 均可显著刺激小鼠脾脏DC增殖;GT与细胞因子 (GM-CSF+IL-4) 还有协同作用, 联合使用GT和细胞因子则作用效果要明显高于单独使用GT或细胞因子[20,21]。人参皂苷Rg1可显著增强DC刺激T细胞增殖及由PHA激活的杀伤细胞 (DC-LPAK) 杀伤肿瘤细胞的能力;Rh1也有显著的作用, 但作用效果与其剂量范围及细胞比例密切相关, T细胞与DC的比值较小时, 低剂量的Rh1抑制T细胞增殖, 反之Rh1则表现为促增殖作用[22]。高三尖杉酯碱能促进DC的成熟, 提高其细胞表面共刺激分子CD80以及黏附分子LFA-2的表达水平, 改善其刺激淋巴细胞增殖的能力[23]。
雷公藤多甙和雷公藤内酯醇均是从雷公藤中提取的具有免疫抑制活性的物质。雷公藤多甙能下调DC表面的人白细胞抗原DR (HLA-DR, MHC-II主要成分之一) 和CD80的表达, 抑制DC内IL-12p40mRNA的转录和分泌, 从而抑制DC的功能[24]。雷公藤内酯醇能抑制DC表面HLA-DR和B7等免疫分子的表达;HLA及B7分子表达低下或缺失将导致DC免疫功能低下[25]。
综上所述, DC作为体内最强的APC, 能摄取、加工、提呈抗原, 高表达主要组织相容性复合物 (MHC-II) 类分子、共刺激分子和黏附分子, 分泌白细胞介素-12, 有效激活T细胞, 引发机体产生免疫应答[26]。可以说DC的发现和研究进展为免疫药理研究提供了新的视角, 新的思路。而中草药作为中华民族的瑰宝, 在免疫药理学方面一直占有很重要的地位, 参考相关文献也可发现部分中草药 (或其有效成分) 对DC有促进作用, 部分则有抑制作用, 对DC功能的改变是中草药 (或其有效成分) 影响机体免疫功能的途径之一。因此, 如何利用中草药 (或其有效成分) 的作用来调控树突状细胞, 使之向有利于疾病治疗和预防的一面发展, 需要作进一步探索和研究。
摘要：树突状细胞是目前发现的功能最强的抗原提呈细胞, 对机体免疫有十分关键的作用。全文主要对树突状细胞的生物学特性、应用及中草药 (或其有效成分) 对树突状细胞的影响作一综述。
树突状细胞算法在图像分类中的应用 篇7
免疫系统是生物体中最为复杂的系统, 其主要功能是保护生物自身免受外部病原体以及其他抗原性异物的侵袭。传统的免疫理论认为, 免疫保护是通过自己/非己SNS ( Self-Non Self) 模式实现的, SNS模式的特征是将抗原区分为两类: 自体抗原和非自体抗原。生物免疫系统利用自己抗原来训练免疫细胞, 那些与自己发生反应的细胞将被删除, 即免疫耐受。通过免疫耐受存活下来的细胞称为成熟的免疫细胞, 通过他们来清除外来入侵的病原体保护机体安全; 异己抗原被定义为对机体有威胁的物质, 也即免疫系统需要免疫反应的对象。
受生物免疫机制启发的人工免疫系统 ( AISs) 具有模式识别、机器学习、交互、适应性、记忆性、自组织和分布式控制等特性。人工免疫系统中, 以区分“自体”和“非自体”为主导的传统否定选择算法 ( SNS) , 通过自体耐受和对外来抗原的响应实现识别过程, 因其自身的设计缺陷, 导致无法很好的识别未知的自体以及非自体, 从而使算法在实际应用中产生较高的误报率和较低的识别率。
并且随着免疫学的不断发展, 一些新的现象和问题无法用SNS模式进行合理的解释。例如:
( 1) 人体对所吃的食物与肠道的细菌这些外部异己物质不发生免疫反应;
( 2) 机体细胞在其生命周期中是不断变化的, 自己抗原本身也会发生变化, 这样就会产生是否应该对初期是自体细胞, 后期却会引发免疫应答的这类细胞进行处理的问题;
( 3) 无法解释免疫系统对某些自免疫疾病和特定类型肿瘤进行攻击, 以及器官成功移植后并没有引起免疫反应的想象。
鉴于“自己/非己”识别机制存在的问题, 另一免疫应答模式———“危险理论被提出。危险理论为AISs提供了新的视角和思想, 它以危险信号为先导只识别系统中发出危险信号的细胞周围区域中的抗原, 这样可以很大程度地降低系统的计算开销, 实际操作性更强。传统免疫系统为使能匹配更多范围的抗原, 在生成抗体时需要不断进行变异, 但是危险理论不是以识别自体和非自体为基础的, 它只对危险信号进行响应。因此即便是自体发生了变化, 对以危险理论为模型的系统影响也较小。由此可见, 危险理论模型具有很强的容错性以及较强的自我调节性。
2005 年, 在人工免疫系统中, 以危险理论为基础提出了树突状细胞算法DCA ( Dendritic Cell Algorithm) [1]。DCA代表了人工免疫系统领域研究重点的转变, 由完全基于适应性免疫系统功能逐渐聚焦于先天性免疫系统机理。与传统SNS算法相比较, DCA并不依靠否定选择算法中使用的模式匹配来识别抗原, 因此, DCA比传统免疫算法具有更好的扩展性, 并且DCA算法不需要训练大量样本集, 算法实现简单快捷。但是, 传统树突状细胞算法是一种高度随机的算法, 因为存在大量的随机参数, 所以很难对算法进行评估与分析, 因此本文提出了一种改进的DCA, 本算法提出了一个更精确的异常程度指标, 简化了输入信号和输出信号, 并对抗原及信号的处理过程进行优化。基于图像的颜色及纹理特征, 将改进的DCA应用于图像分类中, 提高了识别效率及分类准确性, 减少了算法运行时间。
1 树突状细胞算法
1994 年, 免疫学家Polly Matzinger提出了一种全新的理论———危险理论[2]。该理论认为, 受损细胞向抗原提呈细胞APC发出的危险信号是启动免疫响应的关键。APC捕获到危险信号后, 使处于静息状态的APC转变成激活状态, 然后经过一系列细胞间的相互作用, 激活T细胞启动特异性免疫应答, 杀死抗原恢复机体健康。没有危险信号时, 抗原提呈只会使T细胞失活。图1 所示为危险模型的免疫识别过程。
与传统SNS模式相比, 危险理论认为引起免疫响应的关键因素是机体产生的信号, 而不是SNS模式中所认为的非我的异己性。这些信号主要包括两类: 安全信号和危险信号。安全信号表示在正常情况下收集的抗原数据, 而危险信号是潜在的异常数据, 危险理论作为一种生物免疫机理, 其思想已经被人工免疫系统所借鉴, 树突状细胞算法就是基于危险理论思想所设计的。
树突状细胞算法针对生物免疫学中的树突状细胞 ( DC) 抽象出一个与之相对应的数据结构, 它是一种基于群体的算法。使用树突状细胞作为代理, 每个细胞摄取组织中的抗原, 同时接收环境中与抗原相关的信号, 对抗原和抽象信号形式的数据流进行相关检测。DC融合收集的抗原以及输入的信号, 通过加工计算得到输出信号, 输出信息表明抗原的异常程度[3]。最后根据评价得到抗原所处环境的危险程度进而采取相应的措施[4]。
群体中每个DC执行抗原和信号采集, 其中记录了达到成熟的阈值、输入以及输出信号、曾采样过哪些抗原和当前DC的状态等信息。输入包括抗原和输入信号, 其中抗原作为问题领域内将被分类的数据项描述; 信号是用于检测某些数据特性的集合。信号集合分为安全和危险两类信号。
为了描述算法中DC的状态, 相应的定义了三种信号参数[5]:
(1) 协同刺激分子浓度csm (concentration of costimulatorymolecules)
主要用于判定DC是否进行状态转换。
(2) 半成熟细胞因子semi (sm DC cytokines)
主要用于判定DC的“安全程度”。
(3) 成熟细胞因子mat (m DC cytokines)
主要用于判定DC的“危险程度”。
DCA算法中的“采样”过程主要是指对当前抗原摄取危险信号DS ( Danger Signal) , PAMP ( Pathogen Associated Molecular Pattern) 和安全信号SS ( Safe Signal) , 再根据由专家经验得出的权值矩阵以及权值计算公式计算出输出信号并进行累加的过程, 这里促炎性信号IS对于DC成熟和抗原提呈不是必须的, 但是它可以增强其它信号的作用。当协同刺激分子浓度csm值达到设定好的阈值时, 则认为该DC可以进行状态转换。然后根据semi和mat两个输出信号的值判断状态转移的方向, 如果mat > semi则该DC转变为m DC, 否则转变为sm DC。
标准DCA算法采用从DC池中随机抽取若干DC对当前抗原采样, 进而随着输入抗原的增加而成熟分化。这样的设计使得DC的成熟策略对抗原的评价计算具有滞后性, 导致抗原环境发生转变时误检率较高, 检测率降低。通过分析Greensmith提出的DCA算法对Breast Cancer数据集进行仿真实验的结果, DCA算法对于该数据集的误分类主要出现在正常数据与异常数据的过渡阶段, 这是因为每一个i DC在初始时期会收集大量抗原, i DC根据周围信号的不同分化为不同的形态, 如果分化为sm DC, 那么由i DC收集的抗原都会被提呈为正常数据。为了克服这些问题, 本文提出了一种改进的DCA, 在迭代的第t代时, DCA的输入包括安全信号的值SS, 危险信号DS和抗原Ag。
2 图像分类
图像分类是对图像进行分割和特征提取, 然后采用分类算法建立分类模型, 最终利用模型对待分类图像进行分类。图像的分类可以用模式之间的特征相似度计算进行匹配, 即通过计算多维特征空间中的特征向量间的相似距离来度量。
在图像分类中, 假设给定N个目标对象, 即N个模式, 共包含K个分类, 每个对象属于K个分类中的某一类, 计算每个对象与某个分类的中心点之间的加权欧式距离总和, 分配目标对象所属的分类。分类问题有以下公式所描述:
其中, xi ( i = 1, 2, …, N) 是第i个模式的空间位置, zj ( j = 1, 2, …, K) 是第j个分类的中心点, 有以下公式可得:
其中, Nj是第jth个分类中的模式数目, wij是第jth分类xi模式的连接权, 其值为1 或0 ( 如果xi模式和j集相关联, wij为1, 否则为0) 。
本文中的图像为动物目标和背景两大类的像素组成, 以主动学习方式描述彩色图像中的相近色度和纹理特性。
3 基于树突状细胞算法的图像分类方法
免疫算法实现的是多样性识别, 它的识别目标具有一定的分散性、独立性, 在多目标识别方面比同类进化算法有更强的优势。图像分类用图像的底层特征向量来代替整个图像的象素编码, 底层特征包括颜色、纹理、图形等图像基本内部特征。
3. 1 特征空间描述
为了详细介绍用于图像分类的免疫算法, 首先描述特征空间的表示, 本文主要考虑了分类图像的颜色和纹理特征。
( 1) 颜色矩特征
颜色特征可采用直方图、色彩聚合矢量、颜色矩和颜色集等方法表示[1，2], 本文采用颜色矩方法。颜色矩方法的思想在于图像中任何的颜色分布均可以用它的矩来表示。此外, 由于颜色分布信息主要集中在低阶矩中, 因此仅采用颜色的一阶矩、二阶矩和三阶矩就可以表达图像的颜色分布。一阶中心矩、二阶中心矩和三阶中心矩分别表示图像或子区域图像的平均颜色、标准方差和三次根非对称性, 其表示式分别为:
其中, A为图像的像素总数, hi j为图像空间二维坐标 ( i, j) 处合成后的HSI像素值。图像可以用颜色矩特征向量 ( μ, σ, s) 进行描述, 两幅图像之间的相似度可以用对应的颜色矩特征向量之间的加权欧式距离来度量。
( 2) 基于共生矩阵的纹理特征
纹理特征用于对图像中的空间信息进行一定程度的定量描述。纹理特征提取的一种有效方法是以灰度级的空间相关矩阵即共生矩阵为基础的。共生矩阵算法是基于图像中某一灰度级结构重复出现的概率情况来描述纹理信息[6], 反映图像灰度关于方向、相邻间隔、变化幅度的综合信息, 是分析图像的局部模式和排列规则的基础。根据灰度共生矩阵可计算提取出多个纹理特征值, 它反映了图像灰度分布关于方向、局部邻域和变化幅度的综合信息。
在图像中任意取一点 ( x, y) , 其共生矩阵的元素P ( i, j | d, θ) 描述在 θ 方向上, 相间距离为d的一对像素分别具有灰度值i和j的出现概率, 矩阵的阶数为图像中的灰度层数。共生矩阵是距离和方向的函数, 在规定的图像区域内统计符合条件的像素对数[7]。在灰度共生矩阵P ( i, j | d, θ) 的基础上提取纹理特征量。本文利用其中4 个最常用的特征: 熵 ( Ent) , 能量 ( Ene) 对比度 ( Con) 和相关量 ( Cor) 进行纹理特征向量描述, 对应公式如下:
其中 μxμy和 σxσy分别是px, py的均值和均方差。
3. 2 相关定义
用于图像分类的DCA中的几个概念定义如下:
定义1 抗原定义图像中将被分类的像素集为抗原Ag。考虑相邻区域像素的特征, 邻域像素内, 像素由颜色及纹理特征进行描述。本文融合了基于颜色和纹理的图像识别方法。
从颜色和纹理特征表示免疫抗原和分类元素, 抗原及分类元素的特征向量描述为:
其中, ( μR, μG, μB) 表示一阶矩的红、绿和蓝颜色矩; ( σR, σG, σB) 表示二阶矩中红、绿和蓝颜色矩; ( θR, θG, θB) 表示三阶矩中红、绿和蓝颜色矩。Ent、Ene、Con、Cor分别代表纹理的熵、能源、对比度和相关量。
定义2 信号信号输入与相应分类的数据集相对应。
1) 危险信号DS
表示目标 ( 动物An) 类的特征值与像素领域特征值G ( i, j) 之间的距离。
2) 安全信号SS
表示背景类的特征值与像素领域特征值之间的距离。
两种信号分别由DS和SS表示:
3. 3 算法描述
本文提出的基于树突状细胞的图像分类算法过程如下:
(1) 初始化
初始化树突状细胞种群和算法参数及创建树突状细胞库DCs。对图像中的每个像素计算其邻域的颜色和纹理特征, 并将其定义为抗原集合。所有抗原提呈为树突状细胞种群, 每个树突状细胞节点对一种抗原进行采样。
( 2) 信号处理
循环从DC种群中随机抽取图像像素来对当前抗原采样, 采样过程主要是对当前抗原摄取危险信号DS。按式 ( 5) 和式 ( 6) 计算输入信号DS和SS, 并进行异常识别, 将抗原和信号数据提呈到系统进行相关检测, 计算得到输出信号, 并根据输出结果进行状态转换与迁移。输出信号表明抗原的异常程度[8]。
( 3) 数据更新
该阶段的主要任务是对树突状细胞库中的DC进行不断更新, 删除迁移出系统的细胞并补充新的细胞。
树突状细胞种群以权值矩阵形式表示, 每次循环中, 对每个树突状细胞需要分别计算累加值CSM和C, 协同刺激分子浓度CSM用于判定DC是否进行状态转换, C为临时输出值。第t次循环的CSM和C的值分别由式 ( 12) 和式 ( 13) 给出:
当协同刺激分子浓度csm值达到设定好的阈值Mthreshold时, 则认为该DC可以进行状态转换, 将临时输出C作为输出像素环境值Cout, 当前DC成熟迁移出DC池, 剩余未成熟DC直接参与下次抗原采样。
( 4) 聚类阶段
计算成熟环境抗原值MCAV ( Mature Context Antigen Value) , 并对当前采样抗原像素进行评价。抗原周围环境的成熟程度用被提呈为成熟环境次数占此类抗原被提呈总次数的百分比表示, 即成熟环境抗原值MCAV, MCAV也同样表示该抗原对系统的危险程度, 其值可由式 ( 14) 计算获得:
其中, mat表示采样过该抗原之后变成“成熟”DC的数量; semi表示采样过该抗原之后变成“半成熟”DC的数量。抗原的正常异常由危险度MCAV进行分类确定。半成熟的环境表示抗原像素是动物分类, 成熟的环境表示抗原像素是背景分类。
4 实验及结果分析
图像分割的一种策略是像素分类。本文通过相近像素分类提出了一种图像聚类的方法。
实验使用一组动物图像。收集的50 张图像组成了动物图像库。样本图像中都包括各种动物及背景, 具有不同的颜色。图像集与将被分类的图像被提呈, 构成输入信号。图像大小为480 × 480 像素。对于每个像素, 设定邻域Ng为一个 ( 20 × 20 ) 像素的窗口区域内, 以相关像素为中心, 评价其彩色成分中的颜色矩及纹理信息。抗原特征向量由RGB空间的三种颜色矩 ( 9个元素) 和4 个纹理特征构成。
引入迁移阈值Mthreshold, 它用于目标和背景重叠情况下的像素处理, 在算法运行过程中通过控制i DC的迁移阈值, 加速或者减缓i DC的分化成熟。对抗原MCAV矩阵进行评估, 每个像素有一个MCAV系数, 与阈值进行比较是否达到成熟迁移。
算法中参数设定, 设树突状细胞库中包含200 个细胞, 迭代次数为50, 迁移阈值Mthreshold为20。
将被识别图像的像素作为DCA算法的抗原输入, 图像分类结果如图2 所示。
实验证明, 改进的DCA与传统DCA的分类结果具有相同的趋势, 它继承了DCA的本质, 但是改进的DCA具有更多的优点: 实验结果可以再现, 输出的结构可以预测, 提高了识别率的同时减少了算法的运行时间。
将本文模型与SNS模式进行比较, 分别用两种模型对相同的图像数据集进行分类测试。
图3 是两种算法经历50 次迭代环境状态转变识别率对比关系, 从中可以看出, 原有DCA算法的检测率要明显低于改进的DCA算法, 并且传统DCA算法的检测率有明显的波动。对比而言, 改进后的算法整体检测率都高于原DCA算法, 且稳定性较好。
图 3 两种算法的识别率比较
从图4 可以看出, 在对相同样本图像进行分类时, 本文中提出的改进方法所用时间要明显低于SNS方法。这主要是因为, DCA识别原理就是要不匹配自体, 而抗原本生就是同自体相对的两者不会发生匹配。由于传统DCA算法的随机性容易使产生的DC出现极优或者极差的问题, 从而使算法运行时间较慢, 改进方法简化了参数, 并为了保持DC的多样性, 将部分未成熟检测器的产生过程采取传统的随机方式, 从而可以很大程度上降低算法的运行时间。
图 4 两种算法的运行时间比较
5 结语
基于危险理论学说的树突状细胞算法以危险信号为先导, 只识别系统中发出危险信号的细胞周围区域的抗原, 可以降低系统的计算开销, 实际操作性更强。但由于传统树突状细胞算法存在大量的随机参数, 造成系统的误识别率较高。本文通过分析图像识别的特点, 提出了用于图形分类的改进树突状细胞算法, 考虑图形相邻区域像素的特征, 定义抗原由像素颜色及纹理特征构成。算法中简化了参数设置, 建立了更精确的异常程度指标, 使算法获得了较快的收敛速度和稳定的识别性能; 改进的树突状细胞算法具有实验结果可以再现、输出的结构可以预测等优点。并通过实验表明, 与SNS分类方法相比, 改进的DCA算法在减少运行时间的同时提高了图像的识别率。
参考文献
[1]Greensmith J, Aickelin U, Cayzer S.Introducing dendritic cells as a novel immune-inspired algorithm for anomaly detection[C]//ICARIS-05, LNCS 3627, 2005:153-167.
[2]Matzinger P.Friendly and dangerous signals:is the tissue in control?[J].Nature Immunology, 2007, 8 (1) :11-13.
[3]Greensmith J.The dendritic cell algorithm[D].PhD thesis, School of Computer Science, University of Nottingham, 2007.
[4]Gu F, Greensmith J, Aickelin U.Theoretical formulation and analysis of the deterministic dendritic cell algorithm[J].BIOSYSTEMS, 2013, 111 (2) :127-135.
[5]杨晨旭, 吴耿锋, 胡珉.一种改进的树突细胞算法[J].计算机工程, 2009, 35 (23) :194-197.
[6]谢菲, 陈雷霆, 邱航.基于纹理特征提取的图像分类方法研究及系统实现[J].计算机应用研究, 2009, 26 (7) :2767-2770.
[7]刘丽, 匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报, 2009, 14 (4) :622-635.
树突状细胞因子1 篇8
1 资料与方法
1.1 临床资料
2008年7~12月于我院进行DC疫苗治疗的患者17例, 男15例, 女2例;年龄40~70岁, 平均50岁。GPS评分均在70分以上, 其中, 肾癌10例, 前列腺癌2例, 肺癌、肠癌共5例。
1.2 治疗方法
培养DC疫苗的组织可来源于外周血, 本组患者采集自外周血50~60 ml, 在符合GMP的实验室进行单核细胞的培养、分离、诱导抗原负载、配置和皮下免疫等过程, 7~14 d后回输给患者。DC疫苗的回输方法为皮下注射和静脉输注, 皮下注射在抽血后第7、9、11、13 d分4次注射, 分别在锁骨上、腹股沟、腋窝淋巴丰富处注射, 4次为1个疗程, 每次选择2处进行注射。DC治疗1个疗程约需20 d, 包括外周血单个核细胞采集, 4次皮下DC注射, 2次静脉CIK输注, 12次细胞因子输注及相关的临床观察和检测程序。
2 结果
在17例患者中, 除1例因并发症死亡外, 其他都顺利完成了疗程。有3例在治疗过程中出现低热和寒战, 经过物理降温和抗过敏治疗均恢复正常。17例患者克服了治疗前的紧张情绪, 表现为食欲增加、睡眠改善、精神状态好转等。患者能积极配合治疗, 对治疗过程中出现的不良反应能够正确对待, 使细胞免疫治疗取得了满意疗效。
3 护理
3.1 皮下注射及回输过程中的护理
采取标本进行DC疫苗培养时需严格执行无菌操作。DC疫苗为生物制剂, 解冻后的存放时间不能超过30 min, 如配成滴注液, 则点滴时间不超过30 min。为避免标本凝固, 可先以肝素原液充分润滑注射器后再采取标本。
3.2 DC的不良反应及处理
DC疫苗的常见不良反应为发热、寒战、流感样症状, 注射部位红肿、酸痛、瘙痒不适等。发热常发生于静脉点滴期间或24 h内, 因此在输注后24~48 h内应观察体温, 每日4次。患者回输DC疫苗时, 应注意在每个疗程交替注射的肢体, 每个注射的皮丘间隔3~5 cm, 注射后使用无菌纱布覆盖注射部位, 至药液吸收皮丘消失, 以防患者抓挠皮丘处。
3.3 心理护理
健康教育在DC疫苗治疗中显得尤为重要。对于大多数患者来说, 都存在复杂的心理障碍, 尤其经历了术后复发及放、化疗的患者。在进行DC疫苗治疗前, 护士应对患者进行针对性健康教育和心理指导, 让患者充分了解治疗的原理、效果、治疗过程中可能出现的不良反应及治疗期间注意事项等, 消除患者的疑虑, 以便患者能更好地进行自我护理。对本院收治的17例患者采用自理模式进行护理, 使患者增强了对身体康复的信心。
4 讨论
树突状细胞疫苗在肿瘤治疗中具有显著特点: (1) 传统治疗手段如放疗、化疗, 在治疗肿瘤的过程中对正常组织细胞损伤大, 毒副作用强。树突状细胞疫苗针对肿瘤细胞表达的肿瘤相关抗原或肿瘤特异性抗原发生特异性反应有效激活免疫系统, 杀伤肿瘤细胞, 对正常组织却几乎没有损伤。 (2) 树突状细胞免疫疫苗诱导的免疫记忆功能可产生持久的抗肿瘤反应, 防止肿瘤复发。DC疫苗的应用过程中, 注射部位及注射点皮肤准备对DC疫苗疗效非常重要, DC疫苗一定要在淋巴引流丰富区域, 皮下注射。
笔者认为细胞免疫治疗前充分的心理护理及正确的注射方法和部位, 对提高疗效、减少治疗过程中并发症有重要意义。加强治疗过程中的观察和护理, 患者就可以顺利完成治疗, 提高机体免疫功能, 提高生存质量和生存率。
参考文献
[1]贺兰湘, 张桂梅, 冯作化.负载不同形式肝癌抗原的树突状细胞抑瘤功能的比较[J].细胞与分子免疫学杂志, 2005, 21 (1) :100-117.
[2]谢绍建, 闫庆辉, 单保恩, 等.传染自体胃癌细胞总RNA的树突状细胞诱导个体免疫化治疗的体外实验[J].细胞与分子学杂志, 2006, 22 (1) :92-95.
[3]LanzavecchiaA, Sallusto F.Regulation of T cell immunity by dendritic cells[J].Cell, 2001, 106 (3) :63-266.
[4]Scanlan MJ, Jager D.Challenges to the development of antigen specific breast cancer vaccines[J].Breast Cancer Res, 2001, 3 (2) :95-98.
[5]高斌, 陈红松, 李若冰, 等.慢性乙型肝炎患者外周血树突状细胞亚群相对数量特点的分析[J].免疫学杂志, 2005, 16 (5) :85.
树突状细胞因子1 篇9
传统免疫学认为人体免疫系统根据自我—非我SNS (selfnonself) 理论来保护机体免受外部入侵, 但是很多现象都不能以传统的免疫学理论解释, 例如人体没有对所吃的食物与肠道的细菌发生免疫反应。Polly Matzinger在1994提出了生物免疫危险理论模式, 认为人体免疫应答是由危险信号所引发, 并不是由非我触发。免疫系统并不是抵制一切外来物质, 即对非我物质的抵制也是有针对性的, 凡是诱发危险信号的非我才会引发人体免疫应答[1]。英国诺丁汉大学的Aickelin教授等人首次将危险理论引入到人工免疫系统[2], Julie Greensmith在其基础上于2005年首次提出基于危险理论的树突状细胞算法DCA[3], 目前, 该算法已应用于静态机器学习数据集的分类[3], 离线条件下的小规模网络端口扫描检测[5]。DCA代表了人工免疫系统领域研究重点的转变, 由完全基于适应性免疫系统功能逐渐聚焦于先天性免疫系统机理[4]。传统免疫学依赖于模式系统来识别病原体, 然而, DCA并不依靠否定选择算法中使用的模式匹配来识别抗原, 因此, DCA比传统免疫算法具有更好的扩展性。
DCA是一种基于群体的系统, 使用树突状细胞作为代理, 每个细胞摄取组织中的抗原, 同时接收环境中与抗原相关的信号。DC融合收集的抗原以及输入的信号, 通过加工计算得到输出信号, 根据评价得到抗原所处环境的危险程度进而采取相应的措施[6]。与传统SNS算法相比较, DCA算法不需要大量训练样本, 具有简单、快速的特点。但是, DCA中DC的成熟策略对抗原的评价计算具有滞后性, 导致抗原环境发生转变时误检率较高, 检测率降低。针对此问题, 文献[7]提出一种改进的DCA算法, 在算法中加入“时间窗”以及衰减因子等机制, 有效降低了算法的误检率, 然而算法的稳定性以及动态适应性不太理想。本文综合考虑识别性能、稳定性和误检率等多种因素对算法的影响, 对DCA算法改进优化。
1 DCA原理及实现
1.1 DC生物机理
DC是一种白细胞, 在机体组织和器官中扮演巨噬细胞的作用在二级淋巴器官中作为一种抗原提呈的运载工具。所谓抗原提呈, 是指抗原被抗原提呈细胞 (M, DC等) 摄取, 加工后以免疫性肽的形式呈现于提呈细胞表面, 最终被免疫活性细胞识别的过程, 它是免疫反应的起始阶段, 由此发动免疫应答过程。本质上, DC的功能就是在组织中摄取各种抗原和蛋白质碎片, 并将抗原样本呈递给淋巴结中的原态T细胞。根据周围组织液中内源性和外源性信号的不同, DC可以有以下三种不同的形态:
(1) Immature DC, 简称i DC
i DC是DC的初始状态, 驻留在组织中, 首要功能是收集和移除组织液中的各种碎片并对其加工处理 (这些碎片可能是自体细胞分子, 也可能是外来物质) 。i DC需要MHC (major histocompatibility complex) 分子的配合, 才能将抗原提呈给T细胞。但是, i DC并不表达炎性细胞因子, 无法激活T细胞, 因此, 当i DC与T细胞相遇时会令T细胞失活。
(2) Mature DC, 简称m DC
m DC可以提呈抗原并表达炎性细胞因子来激活T细胞。i DC在机体组织中收集抗原, 当其周围的危险信号和PAMP (pathogen associated molecular pattern) 达到一定浓度时就会从组织迁移到引流淋巴结中, 在淋巴结中的T细胞与DC提呈的抗原高概率的匹配, 激活T细胞引起免疫应答。i DC在迁移过程中转变成m DC并产生促炎性细胞因子 (IL-12) 和协同刺激分子CSM (costimulatory molecule) 。
(3) Semi-Mature DC, 简称sm DC
细胞正常死亡时会释放凋亡细胞因子 (如:TNF-α因子) , 当其浓度达到一定程度时, i DC就会转变成sm DC并从机体组织迁移到淋巴结中, sm DC释放协同刺激分子CSM并将收集的抗原提呈给T细胞, 但是sm DC释放抗炎性细胞因子 (IL-10) 抑制抗原与T细胞匹配, 从而使机体对该抗原耐受。
1.2 DCA设计
通过仔细研究DC的生物机理功能和角色, Greensmith对DC行为进行建模, 设计实现了DCA, 并将其用于Breast Cancer数据集分类和网络端口扫描检测仿真实验, 实验结果表明DCA具有较高的检测率。DCA是基于DC群体的算法, 对抗原和抽象信号形式的数据流进行相关检测, 输出信息表明抗原的异常程度。群体中每个DC执行抗原和信号采集。DC存储采集的抗原, 并将输入信号转换为输出信号[8]。抗原的异常程度用被提呈为成熟环境抗原次数占此类抗原被提呈总次数的百分比表示, 即成熟环境抗原值MCAV (Mature Context Antigen Value) 。DCA算法框图如图1所示。
DCA输入信号包括危险信号DS (Danger Signal) , PAMP (Pathogen Associated Molecular Pattern) , 安全信号SS (Safe Signal) 和发炎信号IS (Inflammation Signal) 。DC对输入的4种信号进行处理, 产生3种输出信号:协同刺激信号csm, 半成熟信号semi和成熟信号mat。这里发炎信号IS对于DC成熟和抗原提呈不是必须的, 但是他可以增强其它信号的作用。
DCA根据输入信号计算输出信号表示为:
其中, CX表示输入信号的浓度, WX表示相应信号的权值, 信号权值矩阵如表1所示。
DCA算法伪代码如下:
2 DCA算法改进优化
通过分析Greensmith提出的DCA算法对Breast Cancer数据集进行仿真实验的结果, DCA算法对于该数据集的误分类主要出现在正常数据与异常数据的过渡阶段, 这是因为每一个i DC在初始时期会收集大量抗原, i DC根据周围信号的不同分化为不同的形态, 如果分化为sm DC, 那么由i DC收集的抗原都会被提呈为正常数据。同理, 分化为m DC之后所有收集的抗原就会被提呈为异常数据。由此可知, 处于过渡阶段的数据随着算法的运行必然出现误分类。另外, 对数据集的边界数据由于算法运行一遍可能无法使DC成熟, 导致无法评价数据, 需要进行多次迭代。针对原有DCA算法以上这些不足, 本文对该算法进行了改进优化。
定义1抗原提呈群体DCs。
DCs={DC1, DC2, …, DCn}
DCi={ω|ω=
定义2输入抗原群体Ags。
Ags={Ag1, Ag2, …, Agm}
Agj={ζ|ζ=
定义3后续抗原与当前抗原之间的相似性Aff为:
定义4成熟环境抗原值MCAV为:
本文在Greensmith提出的DCA算法基础上做了如下改进:
(1) 设置动态迁移阈值Dthreshold。在算法运行过程中通过控制i DC的迁移阈值, 加速或者减缓i DC的分化成熟。
(2) 保留未成熟DC集合。将参与上一个抗原采样但是未能成熟的DC继续参与下一个抗原的采样, 增加DC的成熟速率, 提高算法的运行效率。
(3) 加入后续抗原对当前抗原的评价因子α。从当前抗原向后延伸k个, 计算每个后续抗原与当前抗原的相似性值Aff, 评价因子α定义为:
(4) 加入发炎细胞因子IS。Greensmith提出的DCA算法中介绍了发炎细胞因子的作用, 但是在对Breast Cancer数据集的实际算法应用中并没有用到, 生物中IS有放大其他信号的作用, 这里将IS作为一种调节因子, 与评价因子α一起共同调节DC的迁移状态。
评价因子α越小说明后续抗原与当前抗原越具有相似的致病性, 应下调IS、上调Dthreshold, 以减缓i DC的成熟, 使该i DC继续采样后续的抗原。新的迁移阈值和发炎因子分别表示为:
α越大, 则后续抗原与当前抗原致病性不同, 应上调IS、下调Dthreshold, 加速i DC成熟, 防止其采样到后续抗原, 从而有效降低数据误分类的可能。新的迁移阈值和发炎因子分别表示为:
其中, Δt (α) 和Δt' (α) 是与α有关的增量。
改进DCA算法的流程如下:
Step1初始化DC池, 产生100个i DC;
Step2对于每个抗原数据, 从DC池中随机抽取n个i DC对该抗原采样, 抽象出输入信号浓度CP, CDS和CSS;
Step3计算后续k个抗原对当前抗原的评价因子α, 据此调整发炎信号IS和动态迁移阈值Dthreshold;
Step4根据输入信号浓度以及发炎信号IS计算输出信号浓度Ccsm, Csemi和Cmat;
Step5将Ccsm与Dthreshold对比, 若Ccsm>Dthreshold则当前i DC成熟迁移出DC池, 剩余未成熟i DC直接参与下次抗原采样, 并将采样i DC补充至n个;
Step6计算MCAV值, 并对当前采样抗原进行评价;
Step7若还有新抗原, 则转Step2, 否则转Step8;
Step8算法终止。
3 实验与结果分析
3.1 实验方案
本文选用文献[3]中使用的标准UCI Wisconsin Breast Cancer数据集作为实验数据, 该数据集包含700条数据, 正常数据有460条异常数据有240条, 每条数据有10个属性, 其中前9个属性代表一个潜在癌变细胞的各种特征, 第10个属性是一个分类标签, 将数据分类为正常与异常。实验将9个数据属性中的细胞大小、细胞形状、裸核和正常核仁属性作为危险信号DS的来源:对于这四个属性, 先求出所有正常数据中每个属性的平均值, 针对每个数据, 计算出相应属性数据值与平均值的绝对差, 四个属性对应绝对差的平均值即为危险数据值。将簇大小属性作为安全信号SS和PAMP信号的来源。首先得出所有数据的簇大小属性的中位数, 针对每个数据, 将簇大小属性值与该中位数进行对比, 若属性值大于中位数, 则将安全信号设为属性值与中位数的绝对差, 将PAMP设为0;反之, 将PAMA设为属性值与中位数的绝对差, 将安全信号设为0。举例如表2和表3所示。
若不考虑发炎信号, 对该样本数据根据式 (1) 计算Ccsm为:
实验1按正向+反向数据的顺序使算法经历一次环境状态转变, 如取100条正向数据后跟100条反向数据。
实验2按正向+反向+正向+反向数据的顺序使算法经历三次环境状态转变。
实验3按正向+反向+正向+反向+正向+反向数据的顺序使算法经历五次环境状态转变。
参数设置将Dthreshold初始化为4, MCAV设为0.65, 每次从DC池中随机抽取10个i DC对当前抗原进行采样, 向后选取10个后续抗原对当前抗原进行评价, 算法运行10遍。
3.2 实验结果
三次实验检测率对比关系如图2、图3和图4所示。
3.3 结果分析
从图2可以看出, 让算法经历一次环境状态转变原有DCA算法和改进后的算法对比检测率都较高, 差异不是很大, 但从曲线的分布来看改进后算法的检测率要高于原有算法。图3是算法经历三次环境状态转变新老算法的检测率对比关系, 从图中可以看出来, 原有DCA算法的检测率要明显低于新算法。图4是算法经历五次环境状态转变检测率对比关系, 可以看出原DCA算法的检测率有明显的波动。对比而言, 改进后的算法整体检测率都高于原DCA算法, 且稳定性较好。
上述实验的结果也证实了原有DCA算法在正向数据与反向数据的过渡阶段存在误分类, 且随着过渡次数的增加错误率越高的现象, 从而导致算法的整体检测率降低。文献[7]在原有DCA算法的基础上加入“时间窗”以及衰减因子等机制对算法进行改进, 有效提高了算法的检测率, 但是从实验的结果来看正反向数据过渡阶段的分类效果仍不理想, 且动态适应性不高, 随着过渡阶段的增加仍会暴露出较高的误检率。本文提出的改进DCA算法, 由于加入了后续抗原对采样抗原的评价因子以及发炎信号, 并且随着算法的运行动态的调整DC的迁移阈值有效的调整DC的成熟策略, 从而使算法能更好地适应数据环境的状态转变, 在过渡阶段仍能保持较高的检测率。
4 结语
本文首先对DCA算法进行了简单的介绍, 包括生物机理以及算法设计实现。探讨了原有DCA算法存在的不足, 并提出了自己的改进优化措施:在原DCA算法的基础上加入后续抗原对采样抗原的评价因子, 并根据计算结果动态的变换i DC的迁移阈值, 使算法能根据当前所处环境的状态有针对性地对数据进行分类。同时, 还加入了具有放大其他信号作用的发炎信号, 从而使算法能快速对环境的变化作出响应。最后将改进算法用于标准数据集Breast Cancer与原有DCA算法进行对比。实验结果表明, 改进后的算法无论是在稳定性还是检测率方面都有较明显的改善。
摘要：针对原有树突状细胞算法DCA (Dendritic Cell Algorithm) 在环境状态转变时存在误分类, 且随着状态转变的次数越多错误率越高的问题, 在原算法的基础上通过设置动态阈值, 加入后续抗原对当前采样抗原的评价因子, 以及具有放大其他信号功能的发炎信号等策略对其进行改进, 将改进算法应用于标准数据集Breast Cancer。实验结果表明, 与原DCA算法相比, 该算法的稳定性和识别率都有一定改善。
关键词：树突细胞算法,动态阈值,评价因子,稳定性
参考文献
[1]Matzinger P.Friendly and dangerous signals:is the tissue in control?[J].Nature Immunology, 2007, 8 (1) :11-13.
[2]Aickelin U, Bentley P, Cayzer S.Danger theory:The link between AIS and IDS?[C]//ICARIS-02, LNCS 2787, 2003:147-155.
[3]Greensmith J, Aickelin U, Cayzer S.Introducing dendritic cells as a novel immune-inspired algorithm for anomaly detection[C]//ICARIS-05, LNCS 3627, 2005:153-167.
[4]Greensmith J.The dendritic cell algorithm[D].School of Computer Science, University of Nottingham, 2007.
[5]Greensmith J, Aickelin U.Dendritic cells for SYN scan detection[C]//Proc.of GECCO’07.London, UK:ACM Press, 2007:49-56.
[6]Greensmith J, Aickelin U, Twycross J.Articulation and clarification of the dendritic cell algorithm[C]//ICARIS-05, LNCS 4163, 2006:404417.
[7]杨晨旭, 吴耿锋, 胡珉.一种改进的树突细胞算法[J].计算机工程, 2009, 35 (23) :194-197.