Il gene-targeting in colture cellulari associato alla tecnica del trasferimento nucleare oggi rappresenta il sistema d'elezione nella creazione di animali transgenici. Purtroppo la ricombinazione omologa (HR) è poco efficiente soprattutto in cellule somatiche. La positive-negative selection (PNS) è la tecnica di arricchimento usata per geni non attivamente trascritti nel tipo cellulare utilizzato. In questo lavoro abbiamo scelto come locus bersaglio la b-lattoglobulina bovina e testato tre nuove cassette di selezione negativa, che non codificando per antibiotico-resistenze, determinano condizioni di coltura meno tossiche. / Gene-targeting of cultured cells combined with nuclear transfer currently is the most effective procedure to produce transgenic livestock. Nevertheless homologous recombination (HR) is a low frequency event in mammalian cells, above all in somatic cells. Positive-negative selection (PNS) is the enrichment strategy to target genes that are not actively transcribed in the cell type of choice. In this work we chose to target the bovine b-lactoglobulin gene and we tested three new negative selection cassettes in bovine fibroblasts. Such new targeting vectors allow a single selective drug employ and produce less toxic culture conditions.

O presente trabalho investiga um método de detecção de anomalias baseado em sistemas imunológicos artificiais, especificamente em uma técnica de reconhecimento próprio/não-próprio chamada algoritmo de seleção negativa (NSA). Foi utilizado um esquema de representação baseado em hiperesferas com centros e raios variáveis e um modelo capaz de gerar detectores, com esta representação, de forma eficiente. Tal modelo utiliza algoritmos genéticos onde cada gene do cromossomo contém um índice para um ponto de uma distribuição quasi-aleatória que servirá como centro do detector e uma função decodificadora responsável por determinar os raios apropriados. A aptidão do cromossomo é dada por uma estimativa do volume coberto através uma integral de Monte Carlo. Este algoritmo teve seu desempenho verificado em diferentes dimensões e suas limitações levantadas. Com isso, pode-se focar as melhorias no algoritmo, feitas através da implementação de operadores genéticos mais adequados para a representação utilizada, de técnicas de redução do número de pontos do conjunto próprio e de um método de pré-processamento baseado em bitmaps de séries temporais. Avaliações com dados sintéticos e experimentos com dados reais demonstram o bom desempenho do algoritmo proposto e a diminuição do tempo de execução. / This work investigates a novel detection method based on Artificial Immune Systems, specifically on a self/non-self recognition technique called negative selection algorithm (NSA). A representation scheme based on hyperspheres with variable center and radius and a model that is able to generate detectors, based on that representation scheme, have been used. This model employs Genetic Algorithms where each chromosome gene represents an index to a point in a quasi-random distribution, which serves as a detector center, and a decoder function that determines the appropriate radius. The chromosome fitness is given by an estimation of the covered volume, which is calculated through a Monte Carlo integral. This algorithm had its performance evaluated for different dimensions, and more suitable genetic operators for the used representation, techniques of reducing self-points number and a preprocessing method based on bitmap time series have been therefore implemented. Evaluations with synthetic data and experiments with real data demonstrate the performance of the proposed algorithm and the decrease in execution time.

O presente trabalho investiga um método de detecção de anomalias baseado em sistemas imunológicos artificiais, especificamente em uma técnica de reconhecimento próprio/não-próprio chamada algoritmo de seleção negativa (NSA). Foi utilizado um esquema de representação baseado em hiperesferas com centros e raios variáveis e um modelo capaz de gerar detectores, com esta representação, de forma eficiente. Tal modelo utiliza algoritmos genéticos onde cada gene do cromossomo contém um índice para um ponto de uma distribuição quasi-aleatória que servirá como centro do detector e uma função decodificadora responsável por determinar os raios apropriados. A aptidão do cromossomo é dada por uma estimativa do volume coberto através uma integral de Monte Carlo. Este algoritmo teve seu desempenho verificado em diferentes dimensões e suas limitações levantadas. Com isso, pode-se focar as melhorias no algoritmo, feitas através da implementação de operadores genéticos mais adequados para a representação utilizada, de técnicas de redução do número de pontos do conjunto próprio e de um método de pré-processamento baseado em bitmaps de séries temporais. Avaliações com dados sintéticos e experimentos com dados reais demonstram o bom desempenho do algoritmo proposto e a diminuição do tempo de execução. / This work investigates a novel detection method based on Artificial Immune Systems, specifically on a self/non-self recognition technique called negative selection algorithm (NSA). A representation scheme based on hyperspheres with variable center and radius and a model that is able to generate detectors, based on that representation scheme, have been used. This model employs Genetic Algorithms where each chromosome gene represents an index to a point in a quasi-random distribution, which serves as a detector center, and a decoder function that determines the appropriate radius. The chromosome fitness is given by an estimation of the covered volume, which is calculated through a Monte Carlo integral. This algorithm had its performance evaluated for different dimensions, and more suitable genetic operators for the used representation, techniques of reducing self-points number and a preprocessing method based on bitmap time series have been therefore implemented. Evaluations with synthetic data and experiments with real data demonstrate the performance of the proposed algorithm and the decrease in execution time.

Made available in DSpace on 2015-05-08T14:57:17Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 3123506 bytes, checksum: 243f3e4e3248e64433561a39646c765d (MD5) Previous issue date: 2013-08-30 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In this work, an Artificial-Immune-System based anomaly detection system applied to Water Supply System is presented. At normal working, the pressure level into the system is controlled by a Fuzzy Control System. As the Water Supply System is composed of pressure sensors, valves, pumps, and other devices, faults in these devices causing abnormal disturbances can occur. An algorithm of Artificial-Immune-System, namely, the Negative Selection Algorithm, is the base of the proposed anomaly detection system. The Negative Selection Algorithm verifies abnormal system conditions based on the normal system conditions. Experimental results show that the proposed system is effective in order to detect anomaly. / Neste trabalho é apresentado um método de detecção automática de falhas, baseado em Sistemas Imunológicos Artificias, aplicado em um sistema de abastecimento de água. Este processo utiliza um Sistema de Controle Fuzzy para manter o nível de pressão estabilizado em seu princípio de operação normal do sistema. Esta plataforma de abastecimento de água é composta por sensores de pressão, válvulas, bombas e outros dispositivos. Falhas nos componentes que compõem a plataforma poderão ocorrer causando perturbações em seu funcionamento. Um algoritmo, extraído dos Sistemas Imunológicos Artificiais, denominado de Algoritmo de Seleção Negativa, é a base de detecção de falhas proposto neste trabalho. Este algoritmo verifica condições de operação anormais baseado nas condições de funcionamento normal do sistema. Resultados das simulações e experimentos acerca da utilização deste algoritmo foram obtidos comprovando a eficiência dessa técnica.

Nur77 is a member of the orphan nuclear receptor family, where it is known to play an important role in apoptosis in both negative selection in T cells and in cancer cell lines. In the development of T cells, it is critical for the immune system to discriminate self from non-self by eliminating auto-reactive cells. It was originally thought that Nur77 initiated apoptosis by activating downstream gene targets. However, it is now clear that Nur77 has its own distinct role outside of the nucleus and the precise mechanisms by which Nur77 induces apoptosis in T cells still needs to be clarified. Calcium plays an important role as a second messenger in various cellular responses, one of which includes apoptosis. The IP3 receptor controls efflux of calcium from the ER and can be activated through TCR activation. This signal induces a rise in cytoplasmic calcium levels ultimately causing cell death through mechanisms that remain unclear. Here, we use a double positive DO11.10 T cell line with tetracycline responsive Nur77, to examine the effects of cytosolic Nur77. Through co-immunoprecipitation experiments we suggest, that the presence of Nur77 disrupts the IP3R/Bcl-2 interaction. In this study, we also investigated the effect of Nur77 on intracellular calcium levels. We show that Nur77 increases baseline calcium levels and causes emptying of ER calcium stores. We suggest a model where cytosolic Nur77 disrupts the IP3R/Bcl-2 interaction by binding Bcl-2 at the mitochondria or ER, causing calcium release through the IP3R and apoptosis of the cell.

Orientador: Fábio Roberto Chavarette / Resumo: Este trabalho é dedicado ao desenvolvimento de uma metodologia baseada no monitoramento da integridade estrutural em aeronaves com foco em técnicas de computação inteligente, tendo como intuito detectar, localizar e quantificar falhas estruturais utilizando os sistemas imunológicos artificiais (SIA). Este conceito permite compor o sistema de diagnóstico apto a aprender continuamente, contemplando distintas situações de danos, sem a necessidade de reiniciar o processo de aprendizado. Neste cenário, foi empregado dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado continuado. Também foi possível quantificar o grau de influência do dano para as cinco situações de danos. Para avaliar a metodologia foi montada uma bancada experimental com transdutores piezelétricos que funcionam como sensor e atuador em configurações experimentais, que podem ser anexadas à estrutura para produzir ou coletar ondas numa placa de alumínio (representando a asa do avião), sendo coletados sinais na situação normal e em cinco situações distintas de danos. Os resultados demonstraram robustez e precisão da nova metodologia proposta. / Abstract: This work is dedicated to the development of a methodology based on the monitoring of structural integrity in aircraft with a focus on intelligent computing techniques, aiming to detect structural failures using the artificial immune systems (AIS). This concept allows to compose the diagnostic system capable of learning continuously, contemplating different situations of damages, without the need to restart the learning process. In this scenario, two artificial immunological algorithms were employed, the negative selection algorithm, responsible for the pattern recognition process, and the clonal selection algorithm responsible for the continuous learning process. It was also possible to quantify the degree of influence of the damage for the five damage situations. To assess the methodology, an experimental bench was mounted with piezoelectric transducers that act as sensors and actuators in experimental configurations, which can be attached to the structure to produce or collect waves on an aluminum plate (representing the wing of the airplane), being collected signals in the normal situation and in five different situations of damages. The results demonstrate the robustness and accuracy of the proposed new methodology. / Doutor

The nonobese diabetic mouse (NOD) is an excellent animal model to study type 1 diabetes. As with some humans, disease in the NOD mouse is effected by a combination of genetic and environmental factors. At least 20 insulin dependent diabetes (Idd) susceptibility loci have been identified so far, both in humans and in the NOD mouse. In this thesis, the overall aim has been to understand the genetic basis of diabetes in the NOD mouse by assessing immunogically-related phenotypes. As lymphocytes are the main players in the onset and progression to overt diabetes, we searched for physiological abnormalities in T and B cells, which could contribute to the breakdown of tolerance to pancreatic antigens. Ultimately, we postulate that abnormalities in the T or B cell compartments, under the genetic control of a previously defined diabetes susceptibility regions (Idds) could unravel the biological mechanisms underlying diabetes susceptibility and facilitate the identification of etiological polymorphisms involved in the disease. NOD T cells are defective in upregulating CTLA-4 upon in vitro activation. Previous studies have shown that this defect is, at least in part, controlled by gene(s) in the Idd5 region on chromosome 1. In paper I, we provide evidence that defective upregulation of the CTLA-4 in NOD T cells is not controlled by the Idd5.1 and Idd5.2 regions, but rather by genes linked to the telomeric region of chromosome 1 and to the Idd3 locus, for which the prime candidate gene is Il-2. Interestingly, we could restore some of the defective CTLA-4 expression in NOD T cells by the addition of exogenous IL-2 during T cell activation in vitro. In paper II, we show that NOD thymocytes are resistant to superantigen-mediated negative selection and that this trait is under control of the Idd5.2 region. Interestingly, it appears to operate in a T cell non-autonomous manner. In paper III, we describe a competitive advantage of NOD thymocytes to mature when they co-develop with B6 thymocytes in embryo aggregation chimeras. These results imply that defects exist in the positive/negative selection mechanisms in the NOD thymus. Apart from T cells, B cells also play an important role in the initiation of diabetes in NOD mice, probably as antigen presenting cells. In paper IV, we report that the genetic basis of an enlarged marginal zone (MZ) B cell population observed in the NOD mice is linked to the Idd9/Idd11 region. Together, these findings contribute to the dissection of the molecular mechanisms underlying diabetes pathogenesis, and shed light on the contribution of central and peripheral tolerance mechanisms to this process.

The main purpose of the natural immune system is to protect the body against any unwanted foreign cells that could infect the body and lead to devastating results. The nature immune system has different lymphocytes to detect and destroy these unwanted foreign patterns. The natural immune system can be modeled into an artificial immune system that can be used to detect any unwanted patterns in a non-biological environment. One of the main tasks of an immune system is to learn the structure of these unwanted patterns for a faster response to future foreign patterns with the same or similar structure. The artificial immune system (AIS) can therefore be seen as a pattern recognition system. The AIS contains artificial lymphocytes (ALC) that classify any pattern either as part of a predetermined set of patterns or not. In the immune system, lymphocytes have different states: Immature, Mature, Memory or Annihilated. Lymphocytes in the annihilated state needs to be removed from the active set of ALCs. The process of moving from one state to the next needs to be controlled in an efficient manner. This dissertation presents an AIS for detection of unwanted patterns with a dynamical active set of ALCs and proposes a threshold function to determine the state of an ALC. The AIS in the dissertation uses evolutionary computation techniques to evolve an optimal set of lymphocytes for better detection of unwanted patterns and removes ALCs in the annihilated state from the active set of ALCs. / Dissertation (MSc (Computer Science))--University of Pretoria, 2007. / Computer Science / unrestricted

Submitted by FERNANDO PARRA DOS ANJOS LIMA null (engfernandoparra@gmail.com) on 2016-10-31T11:47:54Z No. of bitstreams: 1 Fernando Parra A. Lima.pdf: 3667307 bytes, checksum: 0d206b9c09566cdb11de101b84976228 (MD5) / Approved for entry into archive by Felipe Augusto Arakaki (arakaki@reitoria.unesp.br) on 2016-11-07T16:42:09Z (GMT) No. of bitstreams: 1 lima_fpa_dr_ilha.pdf: 3363973 bytes, checksum: d8849cdd159a11920c497d025a8ae16a (MD5) / Made available in DSpace on 2016-11-07T16:42:09Z (GMT). No. of bitstreams: 1 lima_fpa_dr_ilha.pdf: 3363973 bytes, checksum: d8849cdd159a11920c497d025a8ae16a (MD5) Previous issue date: 2016-09-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura. / This work develops a methodology to realize voltage disturbance diagnosis in electrical distribution systems, based on Artificial Immune Systems (AIS). It is a proposition of a new paradigm in AIS environment, which provides a continuous learning (plasticity). This conception allows composing a diagnosis system able to continuous learn, when new disturbances appear due to the constant evolution of the power systems, without needing to reinitialize the learning. This way, two artificial immune algorithms are used, such as the negative selection algorithm executing the pattern recognition process, and the clonal selection algorithm, executing the learning process. The main application of this new method is to aid the system operation during disturbances, as well as, supervise the system protection and be able to carry on the evolution of the electrical systems acquiring knowledge continuously. To evaluate the efficiency and the performance of this new method, voltage disturbance simulations were executed in electrical distributions systems with 5, 33, 84 and 134-bus in ATP/EMTP software. Results show robustness and efficiency when compared with those in the literature.

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura. / Doutor