基于甲型流感病毒的免疫反應(yīng)代理模型構(gòu)建以及估參問題的研究.pdf

1、近些年，各種病毒大規(guī)模傳播的情況時(shí)有發(fā)生，給人類的健康甚至生命安全帶來了嚴(yán)重威脅。其中，很具有代表性的就是甲型流感病毒（Influenza A Virus，IAV）。為了加強(qiáng)人們對(duì)病毒的免疫抵抗能力并且抑制病毒的蔓延，學(xué)者們對(duì)免疫系統(tǒng)進(jìn)行了大量的研究實(shí)驗(yàn)。在眾多研究方法中，模擬建模實(shí)驗(yàn)一直倍受青睞。其中，基于Agent代理的模型（Agent based models，ABM）和微分方程模型（Differential equations，

2、DE）是兩種應(yīng)用最為廣泛的模擬建模方法。相對(duì)于臨床實(shí)驗(yàn)和生物實(shí)驗(yàn)，模擬建模研究方法利用虛擬的模型縮短了科研的實(shí)驗(yàn)周期，提高了科研效率。在應(yīng)對(duì)流感疫情時(shí)，模擬建模方法能夠快速建立模型，在最短的時(shí)間內(nèi)掌握傳染機(jī)制，避免大規(guī)模疫情的出現(xiàn)。這兩種建模方法給科研工作帶來了極大的幫助，但是也存在著無法被忽視的缺陷。ABM模型在估參時(shí)無法有效的與實(shí)驗(yàn)數(shù)據(jù)結(jié)合，所以導(dǎo)致估參效果差；另外，復(fù)雜的ABM模型還需要依賴于強(qiáng)大的計(jì)算機(jī)軟硬件資源，估參效率低。D

3、E模型雖然在估參方面表現(xiàn)優(yōu)異，但是在建模方面卻無法對(duì)復(fù)雜的免疫系統(tǒng)進(jìn)行多維度多層次的刻畫描述。
　　本文為了解決ABM模型和DE模型在免疫系統(tǒng)建模研究方面的缺陷，研究提出了代理回歸方法（IABMR）。首先，本方法建立了一個(gè)基于代理Agent的免疫系統(tǒng)模型，模擬人體肺部在甲型流感病毒感染下的免疫反應(yīng)情況；然后，把粒子群優(yōu)化算法和Loess回歸模型進(jìn)行整合，結(jié)合真實(shí)實(shí)驗(yàn)數(shù)據(jù)，完成了免疫系統(tǒng)的建模與估參研究。研究方法具體過程如下。免疫系

4、統(tǒng)建模階段。在分析了細(xì)胞生物學(xué)知識(shí)與實(shí)際情況之后，本文把系統(tǒng)中的同一種細(xì)胞群細(xì)化為三種細(xì)胞狀態(tài)，增加了模型的維度和層次。同時(shí)，確定了系統(tǒng)中的兩層交互關(guān)系：不同種類的細(xì)胞之間的相互作用；同種細(xì)胞不同狀態(tài)之間的相互作用。在此基礎(chǔ)之上，建立細(xì)胞狀態(tài)轉(zhuǎn)換圖和轉(zhuǎn)換方程。最后，利用基于Agent的建模方法，模擬刻畫了在IAV感染下多維度的肺部免疫系統(tǒng)的ABM模型。尋優(yōu)估參階段。首先利用稀疏網(wǎng)格配點(diǎn)法生成一個(gè)四維輸入?yún)?shù)向量空間。然后提取ABM模型多

5、次運(yùn)算之后的輸入數(shù)據(jù)和輸出數(shù)據(jù)對(duì)Loess非參回歸進(jìn)行訓(xùn)練，直到建立針對(duì)免疫系統(tǒng)的Loess回歸模型。非參回歸可以對(duì)同一數(shù)據(jù)進(jìn)行多次不同擬合，以探索數(shù)據(jù)中可能隱藏的某種關(guān)系。最后，把粒子群智能優(yōu)化算法PSO與Loess回歸模型結(jié)合，對(duì)ABM模型進(jìn)行參數(shù)尋優(yōu)。實(shí)驗(yàn)結(jié)果與分析階段。本文在完美實(shí)現(xiàn)IABMR本身算法的基礎(chǔ)上，進(jìn)行了多組對(duì)比實(shí)驗(yàn)。首先，對(duì)方法本身進(jìn)行縱向效果對(duì)比。通過對(duì)向量空間大小、實(shí)驗(yàn)重復(fù)次數(shù)、數(shù)據(jù)噪聲以及樣本時(shí)間點(diǎn)個(gè)數(shù)等關(guān)鍵

6、參數(shù)進(jìn)行不同配置的設(shè)置，比較每種配置的平均相對(duì)誤差。結(jié)果顯示，參數(shù)向量空間越大，重復(fù)次數(shù)越多，噪聲越小以及樣本時(shí)間點(diǎn)越多都對(duì)實(shí)驗(yàn)結(jié)果有正向影響。然后，把 IABMR方法與貪心 ABM方法以及 ODE模型進(jìn)行橫向?qū)Ρ葘?shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，IABMR算法的估參效率和精確度都高于貪心 ABM算法，并且模型刻畫的精細(xì)程度也優(yōu)于ODE模型。綜上，本文把基于Agent的建模理念、Loess非參回歸以及粒子群優(yōu)化等智能算法進(jìn)行了有效的結(jié)合。建立的IAB