CC BY
22
Содержание кислой фосфатазы в лимфатических узлах и селезенке опытных животных (М±т)
Таблица 2
Антиген Срок наблюдения , сут
3 7 14 21
селезенка | л/у селезенка 1 л/у селезенка | л/у селезенка | л/у
СТИ-1 14,3±3,1 11,1±1,6 11,0±4,7 7,5±2,3 17,1±1,6 19,7±10,0 25,8±1,6 27,6±2,3
ДАК-конъюгат 23,6±2,0* 19,5±7,8* 23,1±3,1* 20,0±3,9* 22,2±3,1 20,0±1,56 26,5±2,4 22,3±3,1
ДАК+АГ 17,8±2,7 16,3±3,9 15,3±9,0 12,3±10,9* 18,6±7,8 15,3±3,1 19,0±4,7 19,0±4,7
ДАК+АГ+СКВ 21,0±2,3* 19,5±3,1* 15,5±1,6 14,8±1,6* 22,7±3,9* 18,7±3,1 26,5±2,3 27,6±2,3
1 р<0,05
ление размножения патогенных микробов. Этот факт имеет большое значение, поскольку замедление размножения микроорганизмов в ходе инфекционного процесса может снизить тяжесть и изменить исход заболевания.
Установленные в ходе экспериментов данные указывают на перспективность применения исследованных препаратов для создания напряженного иммунитета при сибирской язве и возможность их применения при экстренной профилактике болезни.
СПИСОК ЛИТЕРАТУРЫ
1. Ашмарин И.П., Воробьев А.А. Статистические методы в микробиологических исследованиях. - Л.: Наука, 1962. - 180 с. - 2. Дубровина В. И., Г олубинский Е.П., Борсук Г.И. и др. // Мед. паразитол. и паразитарн. бол. -2001. - № 3. - С. 44-46. - 3. Монцевичюте-Эрингене Е.В. // Патол. физиол. и эксп. терапия. - 1964. - № 4. - С. 7178. - 4. Нарциссов Р.П. // Архив анатомии и гистологии. -1969. - № 5. - С. 85-91. - 5. Ойвин В.А. // Патол. физиол. и эксп. терапия. - 1960. - № 4. - С. 76-85. - 6. Пигаревский
В.Е., Мазинг Ю.А. // Лаб. дело. - 1981. - № 10. - С. 579582. - 7. Сафронова В.М., Локтев Н.А., Рак Л.А., Логвиненко О. В. Цитоэнзимохимические исследования лейкоцитов периферической крови лабораторных животных / Ставроп. н.-и. противочумн. ин-т. - Ставрополь, 1994. - 102 с. -Деп. в ВНТИ РФ 25.05.94; № 648. - 8. Фрейдлин И.С. Методы изучения фагоцитирующих клеток при оценке иммунного
статуса человека: Учеб. пособие. - Л., 1986. - 37 с. - 9. Ivins
B.E., Pitt M.L., Fellows P.F. et al. // Vaccine. - 1998. -Vol. 16, N 11-12. - P. 1141-1148. - 10. Hirsch J.G. // J. Exp. Med. - 1956. - Vol. 103. - P. 613-615. - 11. Kaplow L.S. // Blood. - 1955. - Vol. 10, N 10. - P. 1023-1029. - 12. Park
B.H. // Lancet. - 1968. - Vol. 2, N 7567. - P. 532-534.
V.I.Dubrovina, A.V.Rodzikovsky, O.B.Kolesnikova, T.P.Starovoitova, S.A.Vityazeva, T.A.Ivanova, T.T.Shkaruba
Effect of the Complex Bacillus anthracis Preparation and Immunomodulators upon Functional Activity of the Phagocytic System under the Experiment
Anti-Plague Research Institute for Siberia and the Far East, Irkutsk
The results presented in the work expand our knowledge about the regularities of interactions among microbial and phagocytic cells and outline the directions for the investigations into the mechanisms determining the formation of macroorganism’s resistance to the anthrax pathogen. A chemically bound immunogenic complex of cell walls and B. anthracis antigens was designed for the first time. Immunomodulating activities of arabinoga-lactan and squalene were tested to show these preparations as useful means of correcting the functional state of the mononuclear phagocytic system during contact with the anthrax agent.
Key words: phagocytes, immunity, Bacillus anthracis STI, antigens, immunomodulators.
Поступила 26.06.06.
УДК 616.981.452:616.9-084
В.А.Сафронов, А.А.Лопатин, С.М.Дальвадянц
ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ В ПРОГНОЗИРОВАНИИ ЭФФЕКТИВНОСТИ СРЕДСТВ СПЕЦИФИЧЕСКОЙ ПРОФИЛАКТИКИ ЧУМЫ
Российский научно-исследовательский противочумный институт «Микроб», Саратов
Приведен краткий анализ проблемы моделирования в иммунологии. Представлены результаты прогнозирования эффективности применения средств специфической профилактики чумы на модели морских свинок, находящихся на разном поствакцинальном уровне, с применением искусственной нейронной сети. На основании экспериментальных данных построена и верифицирована информационная модель иммунологических реакций, протекающих при ревакцинации с учетом косвенных аналитических и интегральных показателей иммунитета. Нейросетевая модель позволяет прогнозировать эффективность иммунизации, выраженную в проценте выживших животных в группе ревакцинированных и подвергшихся заражению чумой.
Ключевые слова: чума, живая чумная вакцина, химическая чумная вакцина, иммунизация, вакцинация, моделирование, прогнозирование, искусственные нейронные сети.
Исследования, выполненные в последние десятилетия на различных видах животных [1, 8, 15], а также ограниченные испытания на волонтерах [7, 21], свидетельствуют о необходимости совершенст-
вования существующей системы специфической профилактики чумы [14, 16]. Применение живой чумной вакцины (ЖЧВ) в качестве единственного иммунизирующего агента не способствует дости-
жению высокого уровня защиты от чумной инфекции [11, 13, 21]. ЖЧВ, оставаясь непревзойденным иммунизирующим препаратом, малоэффективна при повторных ревакцинирующих инъекциях в сроки, предусмотренные официальными документами, поскольку у ранее привитых сохраняется иммунологический фон, блокирующий «нестерильную» фазу иммунитета [2, 4, 5, 8, 12, 14].
Одним из возможных подходов к реконструкции системы иммунопрофилактики чумы является рациональное последовательное применение ЖЧВ для грундиммунизации и химической или убитой чумной вакцины для индукции вторичного ответа, что, по-видимому, позволит значительно повысить роль специфической профилактики в общем комплексе средств борьбы с чумой [1, 7, 9, 15, 18].
Для рационального применения средств иммунопрофилактики необходимо предвидеть эффект от использования того или иного типа вакцины в определенных условиях, что возможно при прогнозировании, основанном на построении математических моделей.
Цель работы - создание математической модели прогнозирования эффективности вакцинации по проценту выживших животных после подкожного заражения с учетом косвенных аналитических и интегральных показателей иммунитета.
В соответствии с целью исследования поставлены следующие задачи: изучение вопроса моделирования в иммунологии и выбор наиболее оптимальной методики; определение свойств системы иммунологических реакций как объекта математического моделирования; определение параметров модели; реализация и верификация полученной математической модели.
Материалы и методы
В основу модели положены результаты лабораторной оценки противочумного иммунитета интегральными и аналитическими методами у морских свинок, привитых ЖЧВ и ревакцинированных в разные сроки ЖЧВ и ХЧВ (Ф1-ОСА). Методом случайной выборки сформированы отдельные группы жи-
вотных, привитых и ревакцинированных в разные сроки, что позволило оперировать средними числами, минимизируя выбросы значений [10]. Беспородных морских свинок (220-350 г) иммунизировали подкожным введением ЖЧВ (1 человекодоза = 3-108КОЕ) в 0,5 мл 0,9 % раствора NaCl. Спустя 90, 180, 270, 360 и 540 сут отдельным группам животных проводилась ревакцинация ХЧВ или ЖЧВ с последующим (через 30 сут) заражением штаммом Yersinia pestis 231 в дозе 5-105 КОЕ (1 LD50 = 12 КОЕ).
В качестве параметров модели выступали: процент выживших после заражения животных, средние значения титра антител к фракции 1 чумного микроба (Ф1) в РПГА после ревакцинации, показатели гиперчувствительности замедленного типа к Ф1 и пестину ПП (полипептидный полисахаридный комплекс), таблица.
При формировании обучающей выборки использовалась интерполяция с применением алгоритма кубического сплайна для вычисления промежуточных значений указанных параметров (таблица) в периоды между 90, 180, 270, 360, 540-ми сутками.
Общий объем обучающей выборки составил 400 примеров, каждый из которых представляет собой набор из 10 значений: время с момента вакцинации (в сутках); титр антител к Ф1 у животных из фоновой группы; реакция гиперчувствительности замедленного типа к Ф1 у животных из фоновой группы (диаметр в миллиметрах); реакция гиперчувствительности замедленного типа к ПП у животных из фоновой группы; процент выживших животных из фоновой группы (привитых ЖЧВ); тип вакцины; титр антител к Ф1 у животных из группы ревакцинированных; реакция гиперчувствительности замедленного типа к Ф1 у животных из группы ревакцинированных; реакция гиперчувствительности замедленного типа к ПП у животных из группы ревакцинированных; процент выживших животных, зараженных из группы ревакцинированных.
В соответствии с поставленной целью моделирования в качестве выходного параметра выбран процент животных, выживших после заражения из группы ревакцинированных, остальные значения
Динамика показателей противочумного иммунитета у морских свинок, привитых ЖЧВ и ревакцинированных ЖЧВ и ХЧВ
Параметры
Тип Сроки, сут
вакцины 90 180 | 270 | 360 540
Показатели титра антител к фракции 1 Фон* 2.37±0.1 2.12±0.34 1.76±0.2 1.14±0.2 1.05±0.13
чумного микроба в РПГА (п=10) 1/234 1/132 1/57 1/14 1/11
1? М±т ЖЧБ 2.4±0.02 2.68±0.1 2.2±0.3 2.68±0.2 2.87±0.2
средний титр 1/251 1/479 1/158 1/478 1/735
ХЧБ 3.3±0.26 3.55±0.1 3.4±0.1 3.55±0.1 2.05±0.3
1/1995 1/3548 1/2512 1/3548 1/112
Г иперчувствительность Фон* 16,8±0,6 16Д±0,5 14,6±0,8 13,3±0,5 10,4±0,5
замедленного типа к Ф1 (М±т), мм ЖЧБ 27,6±0,8 16,6±1,4 15,0±1,2 17,6±0,8 22Д±0,7
ХЧБ 19Д±0,7 21,9±0,8 17,3±1,5 17Д±1 15,2±0,7
Г иперчувствительность Фон* 17,0±0,2 15,6±0,7 15,2±0,7 14,5±0,8 11,8±0,02
замедленного типа к ПП (М±т), мм ЖЧB 25,9±0,8 16,9±0,8 16,9±1,2 15,9±0,8 20,3±0,5
X4B 20,7±0,8 20,5±0,8 17,2±1,2 15,2±0,7 15,9±0,8
Процент выживших животных (М±т) Фон* 72,5±6,3 67,7±4,9 62,2±6,8 42,0±7,8 0
ЖЧЬ 70,0±8,3 72,0±8,2 72,0±6,3 78,0±6,5 87,0±6Д
X4B 85,0±6,5 93,0±4,6 86,7±6,3 80,0±6,3 53,4±9Д
* Показатели привитых животных (фоновая группа).
обучающей выборки использовались как входные.
Поскольку эвристическая ценность заключается в способности предсказать значение определенного параметра в условиях, которые не были заранее заложены в модель, вся выборка случайным образом распределена на две части. Половина примеров из обучающей выборки предъявлена искусственной нейронной сети (ИНС) для обучения, остальные использованы в качестве тестовых при контроле качества полученной модели. Использовался программный эмулятор ИНС с одним скрытым слоем, обучаемый по алгоритму с обратным распространением ошибки Neural Network Wizard 1.5 (BaseGroup Lab) на Windows платформе и компьютер стандартной комплектации уровня Pentium IV.
Программно реализована двухслойная ИНС с сигмоидальной передаточной функцией. Архитектура сети включала 9 входных нейронов, один полносвязный скрытый слой из 5 нейронов и 1 выходной нейрон. Многократное обучение ИНС позволило определить устойчивую способность к достижению заданного уровня корректно обработанных примеров при прохождении 5000-50000 циклов обучения (эпох). Такие поля обучающей выборки, как титр антител к Ф1, реакция гиперчувствительности замедленного типа к Ф1 и к ПП у животных из фоновой и контрольной группы, подвергались нормализации по формуле (X-MIN)/(MAX-MIN), где MIN - минимальное, а MAX - максимальное значение параметра. Пример из контрольной и обучающей выборок считался распознанным, если ошибка составляла 0,0005 или менее, что соответствует 0,5 % выходного показателя выживаемости морских свинок.
Результаты и обсуждение
Известной особенностью исследования процессов, протекающих при иммунизации, является необходимость в проведении большого количества трудоемких и дорогостоящих опытов. В многофакторных ситуациях сравнение средних реакций у опытных и контрольных групп животных для нахождения оптимального сочетания факторов приводит к необходимости перебора множества вариантов проведения экспериментального исследования. Информация всех предыдущих опытов при этом не используется, что затрудняет учет эффектов взаимодействия факторов и количественную оценку информативности показателей.
Интерес к математическому моделированию обусловлен не только научными, но и экономическими соображениями. Адекватная математическая модель могла бы частично перенести эксперимент в область компьютерных вычислений и предоставить исследователю возможность многократного и оперативного повторения «опыта» (численного эксперимента) в произвольно задаваемых условиях. Однако на современном этапе развития технологии моделирования для таких сложных систем как иммунитет подобный переход затруднен рядом обстоятельств. Как объект моделирования система реакций, протекающих при иммунизации, обладает такими свойствами, как:
сложность - не сводимость всей системы к
сумме ее компонентов;
большое количество параметров - «проклятие размерности», невозможность построения корректной математической модели из-за использования множества неточно определенных параметров;
невозможность однозначно вывести последнее звено причинно-следственной связи из первого [20];
вероятностный характер связей между элементами;
неоднозначность поведения при различных условиях;
неоднородность популяции биомоделей (беспородных морских свинок);
неполнота исходных данных.
В таких условиях традиционный подход к созданию математических моделей, основанный на построении системы дифференциальных уравнений, встречается с серьезными ограничениями как технического, так и принципиального характера.
Применение такого распространенного статистического метода, как регрессионный анализ, позволяет вычислять выходной показатель как сумму численных характеристик параметров, помноженных на определенный коэффициент значимости, подбираемый отдельно для каждого параметра. Более известна такая система оценки как балловая, при этом отдельным факторам (например, титр антител равен или выше 1/360) присваивается определенное количество баллов соответственно их значимости, а сумма этих баллов сравнивается с некоторым критическим значением. Однако оценка тесно взаимосвязанных параметров по отдельности не позволяет достичь высокой степени соответствия биологическому процессу. Неоднородность популяции беспородных морских свинок обусловливает различия в уровне постпрививочной перестройки у отдельных особей и требует индивидуального комплексного учета косвенных аналитических и интегральных показателей иммунитета [5].
Отдельно взятые среднегрупповые косвенные аналитические и интегральные показатели иммунитета позволяют однозначно судить о потенциальной эффективности того или иного ревакцинирующего агента только на определенных сроках после вакцинации (рис. 1).
Экстраполируя результаты исследований с животными на людские контингенты, есть основания предполагать, что могут возникать ситуации, при которых коллектив нуждается в проведении специфической профилактики и при этом находится на промежуточном уровне постпрививочной перестройки.
Характеризуя представленный график с учетом стандартного отклонения средних величин (таблица), можно условно выделить три периода. В течение первого периода (90-290 сут) сохраняется высокий уровень специфической резистентности и наблюдается более высокая эффективность ревакцинирующего введения ХЧВ. При этом ревакцинация морских свинок ХЧВ способствует не только увеличению числа выживших животных, но и снижению развития локализованных форм чумы с 35 до 10 % после разрешающего инфицирования, что свидетельствует о высоком уровне резистентности.
Рис. 1. Динамика противочумного иммунитета у морских свинок, привитых ЖЧВ, и способность ЖЧВ и ХЧВ стимулировать вторичный ответ на разных уровнях специфической перестройки:
-------фон, %;----- рев. ЖЧВ, %;--------рев. ХЧВ, %
По оси абсцисс - время с момента вакцинации ЖЧВ, в сут (90-540); по оси ординат - процент животных, выживших после заражения (0-100). Высокий уровень защиты животных при вакцинации ЖЧВ заметно снижается с 270-х суток и к 540-м суткам падает до нуля. Ревакцинация ЖЧВ начиная с 90-х суток обеспечивает стабильно невысокий процент выживших животных, однако с 270-х суток наблюдается подъем, и к 540-м суткам практически достигается уровень, обеспечивающий защиту такому же числу животных, как на 30-е сутки после ее первичного введения
Второй период - «равновесие» (290-430 сут) вызывает наибольший интерес, поскольку представляет собой значительный промежуток времени, в течение которого невозможно статистическими методами однозначно определить более эффективное ревакцинирующее средство - ЖЧВ или ХЧВ. В неоднородной популяции морских свинок в этот период уровень иммунологической перестройки у половины животных в исследуемой группе остается высоким, в то время как вторая половина животных его утрачивает. Основанием при выборе препарата для ревакцинации в течение периода «равновесия» являются результаты иммунологического контроля. При этом если для коррекции индивидуального или коллективного иммунитета данные иммунологического контроля вполне позволяют определить препарат выбора для ревакцинации, то проведение подобных мероприятий в массовом масштабе практически невозможно.
Третий период (430-540 сут) характеризуется утратой иммунологической памяти. В этой связи наибольшую эффективность проявляет ЖЧВ, в то время как применение ХЧВ малорезультативно. Причем введение ЖЧВ в этот период следует рассматривать как повторную вакцинацию, а не ревакцинацию.
В таких условиях необходим математический аппарат, действующий не по заранее заданному алгоритму, а вырабатывающий собственный, наиболее полно описывающий нелинейные взаимосвязи параметров процесса на основании обработки экспериментальных данных.
Среди методов математического моделирования особое место в классе информационных моделей занимают ИНС, которые имитируют не структуру системы, а ее ответные реакции в определенных условиях, работая по принципу «черного ящи-
ка» [3, 17, 19]. Применение аппарата ИНС для моделирования системы иммунных процессов обусловлено не только вышеописанными ограничениями классического подхода, но и высоким потенциалом данной технологии. Наибольшую эффективность ИНС проявляют в задачах распознавания образов [19]. Рассматривая множество характерных сочетаний косвенных аналитических и интегральных показателей иммунитета, наблюдаемых в эксперименте, как множество определенных образов, можно свести задачу прогнозирования к построению системы кластеризации образов.
ИНС представляют собой самообучающиеся системы, построенные по принципу коннективизма, состоящие из множества простых взаимосвязанных элементов, обрабатывающих сигналы в ходе параллельных каскадных вычислений, направленных от входных «нейронов» к выходным [3, 17]. Создание нейросетевой модели предполагает выбор подходящей архитектуры сети и проведение градиентной оптимизации, называемой обучением ИНС. При обучении нейронной сети происходит верификация информационной модели на ряде примеров входных и соответствующих им выходных сигналов, формирующих обучающую выборку. Успешно обученная ИНС корректно обрабатывает входные сигналы и выдает корректный результат, в том числе и на тех примерах, которые не предъявлялись при обучении, т.е. нейросетевая модель способна к обобщению фактического материала [19].
Вопрос о качестве полученной математической модели необходимо рассматривать относительно поставленной цели исследования. В данном исследовании на базе ИНС построена система интерпретации косвенных аналитических и интегральных показателей иммунитета с целью осуществления максимально точного, количественного прогноза выживаемости животных в группе, подвергшейся заражению чумой. Данная система является компьютерной программой, работающей под управлением операционной системы Windows. Методика проведения моделирования при помощи обученной ИНС - это работа с электронной таблицей, при этом, заполняя ячейки «входа» целочисленными значениями используемых параметров, вычисляется выходной параметр выживаемости животных, выраженный в процентах.
Для контроля качества модели примеры из тестовой части обучающей выборки (не использованные при обучении) подавались на «вход» ИНС, при этом вычисленный результат сравнивался с истинным значением процента выживших животных. Если спрогнозированное значение отличалось от истинного (определенного в эксперименте) более чем на 0,5 %, то пример из тестовой части обучающей выборки считался не распознанным. Уровень не распознанных примеров у полученной ИНС составил менее 1 % , что косвенно демонстрирует высокую обобщающую способность данной модели.
Для дополнительной верификации модели проведены испытания на экспериментальных данных, не вошедших в состав обучающей выборки. В частности, при ревакцинации ХЧВ на 210-е сутки экспериментально определено значение гиперчув-
ствительности к Ф1 и ПП, а также процент выживших животных в фоновой и контрольной группах. Отклонение от спрогнозированного значения составило (2±0,05) % (М±т, среднее ± стандартная ошибка).
Данные, полученные при изучении математической модели, позволили уточнить срок, на котором наблюдается равный эффект от повторного «ревакцинирующего» введения ЖЧВ и ХЧВ, составивший 370 сут при уровне 79 % выживших животных. Для изучения влияния уровня иммунологической перестройки на эффективность ревакцинации ЖЧВ и ХЧВ на 370-е сутки проведена серия численных экспериментов с подстановкой показателей фоновой группы на 310, 340, 370, 400 и 430-е сутки, что соответствует смещению фоновых показателей на -60, -30, 0, +30 и +60 сут соответственно. Согласно проведенным исследованиям [5] на 310-е сутки сохраняется относительно высокий уровень иммунологической перестройки, о чем свидетельствует выживаемость 55 % животных, при этом к 430-м суткам после вакцинации уровень иммунологического фона снижается, обеспечивая 24 % выживших животных.
Результаты прогнозирования показывают, что на 370-е сутки для ХЧВ при высоком иммунологическом фоне (-60 сут) процент выживших животных составляет 86,9±0,37, при низком уровне (+60) соответственно 74,2±0,41. Для ЖЧВ наблюдается снижение процента выживших животных при высоком иммунологическом фоне (-60 сут) до 76,9±0,19 в то время как низкий фоновый уровень (+60 сут) обеспечивает при повторном ее введении (80,1±0,2) % (рис. 2).
Эффективность повторного введения соответствующего вакцинного препарата подвержена прямому влиянию уровня иммунологического фона, сохраненного с момента вакцинации. Применение математической модели позволило количественно охарактеризовать зависимость выживаемости мор-
х
'X
і
г-“* Г-' “
'■'1
73—
-60 -30 0 30 60
Рис. 2. Выживаемость морских свинок при ревакцинации ЖЧВ и ХЧВ на 370-е сутки по результатам моделирования в зависимости от уровня иммунологического фона:
- ЖЧВ; - - ■- - - - ХЧВ
По оси абсцисс - условное время смещения показателей фоновой группы в сутках (от -60 до +60), характеризующее уровень иммунологического фона; по оси ординат - процент животных, выживших после заражения (73-87)
ских свинок от уровня иммунологической перестройки при повторной иммунизации. Согласно результатам прогнозирования, повышение уровня иммунологического фона приводит к повышению эффективности ревакцинирующего введения ХЧВ, вне зависимости от срока, прошедшего с момента вакцинации, при этом, как показано на рис. 2, эффективность ревакцинации ЖЧВ снижается. Срок, прошедший с момента вакцинации, следует рассматривать как второстепенный фактор при выборе ревакцинирующего агента, поскольку для различных особей гетерогенной популяции беспородных морских свинок характерна индивидуальная динамика развития иммунного ответа. Как уже отмечалось, к 370-м суткам половина вакцинированных особей утрачивает иммунологическую память, при этом вторая половина животных сохраняет определенный уровень иммунологической перестройки. Использованные в данном исследовании среднегрупповые показатели динамики иммунитета морских свинок позволили выявить общие закономерности развития иммунного процесса, при этом полученная математическая модель применима для анализа частных случаев проведения ревакцинирующих инъекций.
Для первого периода (90-290 сут после вакцинации) расчетные показатели выживаемости животных свидетельствуют о более высокой эффективности ХЧВ (17+2 %). В течение периода «равновесия» (290-430 сут) осуществление прогноза для определения более эффективного ревакцинирующего препарата демонстрирует необходимость проведения индивидуального иммунологического контроля. При этом высокие фоновые показатели следует рассматривать как достаточное основание для применения в качестве ревакцинирующего препарата ХЧВ. Третий период (430-540 сут) характеризуется более высокой эффективностью повторного введения (24+5,8 %) ЖЧВ, причем к 540-м суткам наблюдается такой же процент выживаемости (87) как и на 30-е сутки после ее первичного введения, что свидетельствует о полной утрате иммунологической памяти и возможности реализации «нестерильной» фазы.
Разработанный подход к оценке эффективности препаратов специфической профилактики чумы на модели морских свинок может распространяться и на людские контингенты, что, в известной мере, подтверждается результатами расширенных авторских испытаний по определению эффективности введений ХЧВ и ЖЧВ ранее привитым волонтерам [6].
Таким образом, одним из возможных подходов к моделированию системы иммунологических реакций может явиться нейросетевое моделирование. Применение искусственных нейронных сетей позволило провести углубленный анализ экспериментальных данных и создать математическую модель, позволяющую с высокой точностью прогнозировать эффективность повторного применения различных препаратов специфической профилактики на любом поствакцинальном уровне, что может способствовать совершенствованию системы иммунопрофилактики и, тем самым, повышению ее роли в общем комплексе средств борьбы с чумой.
СПИСОК ЛИТЕРАТУРЫ
1. Бывалов А.А., Паутов В.И., Чичерин Ю.В. и др. // ЖМЭИ. - 1984. - № 4 . - С. 74-76. - 2. Гинсбург Н.Н. Живые вакцины. - М.: Медицина, 1969. - С. 336. - 3. Г орбань
A.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука, 1996. - С. 276. - 4. Дальва-дянц С.М., Белобородов Р.А., Сероглазов В.В. и др. // Матер. науч.-практ. конф., посв. 100-летию образования противочумной службы России. - Саратов, 1997. - Том 1. -С. 200-201. - 5. Дальвадянц С.М., Дятлов И.А., Еремин С.А., Кутырев В.В. // Пробл. особо опасных инф. -Саратов, 2003. - Вып. 86. - С. І23-132. - 6. Дальвадянц
С.М., Дятлов И.А., Еремин С.А., Кутырев В.В. // Пробл. особо опасных инф. - Саратов, 2006. - Вып. 1 (91). -
С. 57-61. -7. Дальвадянц С.М., Королев В.В., Сероглазов В.В. и др. // Матер. науч-практ. конф., посв. 100-летию образования противочумной службы России. - Саратов,
1997. - Том 1. - С. 201. - 8. Дальвадянц С.М., Пономарев Н.Г., Белобородов Р. А. и др. // Сост. и перспект. профи-лакт. чумы. - Саратов, 1978. - С. 158-159. - 9. Евстигнеев
B.И., Кутырев В.В., Дальвадянц С.М. и др. // Диагн., леч. и профилакт. опасных инф. забол. Биотехнология. Ветеринария: Матер. юбил. науч. конф., посв. 70-летию НИИ микро-биол. МО РФ. - Киров, 1998. - С. 86-87. - 10. Карпухин Т.И., Шапиро Н.И, Андриевская Р. А. // Инф. и парази-тарн. бол. - М.: Медицина, 1979. - С. 191. - 11. Коробкова Е.И. // Пробл. особо опасных инф. - 1968. - Вып. 3. - С. 147156. - 12. Коробкова Е.И. Живая противочумная вакцина. -М.: Медгиз, 1956. - 256 с. - 13. Коробкова Е.И. Профилактика инфекций живыми вакцинами. - М.: Медгиз, 1960. -
C. 303-323. - 14. Котлярова Р.И. Значение дозы и кратности вакцинации и ревакцинации в иммуногенезе при чуме: Авто-реф. дис. ... канд. мед. наук. - Саратов, 1965. - 22 с. -15. Лебединский В.А., Чичерин Ю.В., Паутов В.Н. и др. // ЖМЭИ. - 1982. - № 5. - С. 60-63. - 16. Майер К.Ф. // Инф. бюл. - М., 1968. - № 119. - С. 5-10. - 17. Питенко А.А.
Методы информатики / Под. ред. А.Н.Горбаня. - Красноярск,
1998. - С. 205. - 18. Самойлова Л.В. Динамика развития иммунитета к чуме после прививки живой чумной вакциной и особенности иммуногенеза при этой вакцинации: Автореф. дис. ... канд. мед. наук. - Саратов, 1963. - 19. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика / Пер. с англ. -М.: Мир, 1992. - С. 240. - 20. Фролов И.Т. Очерки методологии биологического исследования. - М.: Мысль, 1965. -
С. 185. - 21. Kutyrev V.V., Dalvadjans S.M., Djatlov S.A. Perspectives of vaccine prophylaxis of plague 8th International Symposium on Yersinia. September 4-8. - Finland, 2002. -P. 108. - 22. Meyer K.F., Cavanaugh D.C., Bartelloni P.J. etal. // J. Infect. Dis. - 1974. - Vol. 129. - P. 13-18.
V.A.Safronov, A.A.Lopatin, S.M.Dalvadyants
Artificial Neuron Networks Used to Predict the Efficacy of Specific Plague Prevention Preparations
Russian Anti-Plague Research Institute "Microbe ", Saratov
Presented in the work is a brief analysis of the problem of modeling experiments in immunology. The efficacy of applying specific plague prevention drugs was predicted using the neural network on the model of Guinea pigs with varying post-vaccination status. Based on these experimental data, an informational model of immunologic reactions was developed and verified for the cases of revaccination, taking into account indirect analytical and integral immunity characteristics. The model of neural network makes it possible to predict the efficacy of the immunization expressed as a percentage of surviving animals within the group of those revaccinated and subsequently challenged with plague.
Key words: plague, live plague vaccine, chemical plague vaccine, immunization, vaccination, modeling, prognosis, neural network.
nocTynnna 25.05.06.
УДК 616.981.51:616-097
Т.Н.Щуковская, В.В.Фирстова, А.Л.Кравцов, С.Н.Клюева, Ю.А.Попов, Н.И.Микшис
ОЦЕНКА ПРИОБРЕТЕННОГО ИММУНИТЕТА ПРОТИВ СИБИРСКОЙ ЯЗВЫ ПО СТЕПЕНИ ПОВРЕЖДЕНИЯ ЛЕЙКОЦИТОВ КРОВИ IN VITRO АНТРАКСИНОМ
Российский научно-исследовательский противочумный институт «Микроб», Саратов
Исследовано влияние антраксина в плане повреждающего действия на лейкоциты крови мышей линии BALB/c при наличии и отсутствии поствакцинального противосибиреязвенного иммунитета. Методом проточной цитофлуориметрии обнаружено, что происходит повреждение только сенсибилизированных лейкоцитов на уровне внутриклеточных дегенеративных изменений, типичных для теста альтерации нейтрофилов и сопутствующих, как известно, механизму гибели лейкоцитов по типу апоптоза. Предложено использовать проточно -цитофлуориметрический метод учета реакции лейкоцитов in vitro на антраксин для оценки напряженности по-ствакцинального противосибиреязвенного иммунитета.
Ключевые слова: B. anthracis СТИ-1, антраксин, лейкоциты, проточная цитофлуориметрия, апоптоз.
Оценка клеточного звена приобретенного иммунитета после вакцинации против сибирской язвы осуществляется с использованием кожной пробы с антраксином (in vivo). Альтернативные кожной пробе тесты in vitro не разработаны. Противотуляре-мийный иммунитет также оценивают по кожной аллергической реакции с тулярином. На основании экспериментальных данных установлено, что у людей при поствакцинальном или постинфекционном противотуляремийном иммунитете интенсивность повреждения (гибели и лизиса) нейтрофильных
лейкоцитов цельной крови тулярином in vitro (реакции лейкоцитолиза) в присутствии специфических антител коррелирует с результатами постановки кожных проб [7, 14]. Бозможность использования реакции лейкоцитолиза взамен кожной пробы с тулярином [7] позволяет исключить дополнительную антигенную нагрузку на организм человека.
Реакция повреждения сенсибилизированных лейкоцитов антраксином в условиях in vitro не изучалась. Характер повреждения лейкоцитов может быть интенсивным на уровне всей клетки вплоть до
