学习危险理论

2024-05-10 11:58
文章标签 学习 理论 危险

本文主要是介绍学习危险理论,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在人工免疫领域里,有四种较为主流的算法:1.阴性选择法;2.人工免疫网络;3.克隆选择算法;4.危险理论和树突细胞算法。

其中危险理论是1994年有 Polly Matzinger提出的理论,该理论引发了免疫学界一场新的革命,堪称近几年来免疫学最重要的理论突破。

它打破了Forrest提出的阴性选择法中的自我与非我的传统理论。Matzinger认为在人体免疫中依旧存在正常的非我物质(如肠道中的事物和益生菌)以及非正常的自我物质(如癌细胞),因此免疫系统的动力并非抵御非我,而是对生命体检测和抵御危险的需求。


危险理论的主要观点是受损细胞发出危险信号激活抗原提呈细胞(APCs),并在受损细胞周围建立危险领域,危险域中的抗原物质将被巨噬细胞等APCs捕获并转交给本地淋巴结点,再提呈给淋巴细胞。B淋巴细胞分泌抗体,与抗原进行匹配,只有在危险域内与抗原成功匹配的淋巴细胞才会被激活,并克隆扩增。


总结:在危险理论中有两个触发点,1.抗原抗体匹配;2.在受损细胞危险域内


在应用危险理论时,应明确以下几点:

抗原必须是须有唯一标识的属性(如恶意代码或MAC地址),但抗原决定簇是一个集合或数组。

危险特征可以提取多个,用于形成受体,即抗体的基本组成单位。

抗体的功能是:1.自我防御 2.自我清除。每一个抗体具有检测范围,即检测半径Dr。如果抗原抗体之间的距离Dis(Ag,Ab)<Dr,则抗体可以用于检测抗原,抗体生成后被添加到抗体库内。

明确抗原、抗体、受体、淋巴细胞、健康细胞、受损细胞、危险信号和APCs分别对应应用模型中的何种物质。

决策中心:用于接受和处理危险信号,获取抗原提呈(接受抗原),建立危险域,生成并分发抗体。

抗体库:存放所有特征抗体,新生成的抗体会被添加到该库中。

自我特征库:储存正常的自我特征。用于通过阴性选择法生成抗体。


在危险特征中,应分清楚危险等级和危险半径。


这篇关于学习危险理论的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/976380

相关文章

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识