免疫危险理论（共5篇）
免疫危险理论 篇1
1. 引言
随着计算机科学技术的高速发展,对技术的智能化要求越来越高,人们往往会从复杂而有效的生物系统的运作原理中获取灵感,近年来提出了若干的学习系统。其中,生物免疫系统能够有效地区分有害抗原和自身组织,进而去除抗原保证生物体的健康,是一个复杂而高级的系统。将其运作原理数字化处理后针对特定应用而产生的计算模型就是我们俗称的AIS,从一定程度上具备了很强的学习、识别、记忆和特征提取能力[1]。
人工免疫学模拟机体免疫的原理是根据不同的应用领域,将正常的系统调用、文件、合法的网络链接等定义为self,而将异常入侵定义为nonself,采用反向选择的方法,利用已知的self培养识别器,识别和消灭未知的异常入侵。尽管传统的self—nonself识别模型被广为接受,但是机体免疫中仍有很多问题采用self-nonself模型解释不通[2,3]。
在青春期、怀孕、衰老等情况下“自我”发生变化,但为什么不发生免疫应答?为什么哺乳的母亲不排斥她的胎儿和她的早期并不是自我的泌乳的乳房?其他的一些问题还包括:一些自身免疫系统的疾病,以及由此引发的肿瘤也能激发免疫反应(即某些self也会引发免疫反应);还有成功的器官移植(被移植的器官也是nonself,但不引发免疫反应)。
因此,基于机体self—nonself识别机制建立的人工免疫系统也存在如下问题:反向选择还不完善,会引发自身免疫反应;self和nonself界限模糊,难以区分。self是随时间变化的,先前被认为是nonself的可能过一段时间就变成了self,所以先前被认为是能识别nonself并进入记忆识别器集的识别器,过一段时间后再拿来识别可能就会产生自身免疫反应。
鉴于这些问题,机体免疫学中的危险理论由美国免疫学家Polly·Matzinger于1994年提出,是机体免疫学中比较新颖的一种学说。机体免疫学家提出了一种新的理论,这种理论被称之为危险理论(Danger Theory)。英国诺丁汉大学的Uwe Aickelin博士2002年将机体免疫学中近年来受到关注的“危险理论”引入到人工免疫系统[2],用于解决人工免疫系统中存在的识别问题。
2. 危险理论方法
Matzin ger提出危险理论与Burnet的自己—非己理论(self/nonself,SNS)不同,认为免疫系统不能区分SNS,只区分危险信号(Danger Signal,DS)的有无,即危险信号促进静息抗原提呈细胞(Antigen-Presenting Cells,APCs)活化,从而提呈抗原,产生免疫应答,在无危险信号存在时,T细胞对抗原产生耐受。一个受刺激的细胞发出一个警报信号,而临近的抗原被抗原提呈细胞捕获,能够进入局部淋巴细胞并把抗原提呈给淋巴细胞[2]。危险信号建立一个围绕自己的危险区,在危险区匹配抗原产生抗体的B细胞受到刺激,并经过克隆扩增过程。不匹配或者太远的细胞不受到刺激。
2002年英国University of Bradford成立的研究小组对危险理论进行了系统深入的研究,最早把危险理论应用于入侵检测[2,4]。目标是建立一个能定义、检测和发现危险信号的危险理论计算模型。认为基于危险理论的入侵检测系统集中如何通过各种警报的对比做出反应从而检测到入侵攻击。主要成果是将凋亡警报和死亡警报同入侵攻击行为联系起来,利用二者的相关性作为危险信号的基础,使用关联算法作为危险模式的算法,警报自动调节检测系统使其具有较强的自适应性。
免疫危险理论(danger theory,DT)[5]最早由Matzinger提出,它改变了传统人工免疫系统AIS基于SNS的免疫识别方法。其主要思想如下:
(1)自适应免疫系统要区分的不是自体/非自体,而是危险信号(danger signal);
(2)当免疫细胞受损或非正常死亡时,会产生危险信号时,进而触发免疫反应;
(3)自适应免疫中的细胞不攻击它们的宿主。
可以看出,免疫危险理论DT的免疫反应是个体认为受到危险时的刺激反应,并不是对非自体的反应;同时,在免疫危险理论中,外来病菌(如肠道乳酸菌)与免疫细胞可以共存,这与传统AIS的实现思想相悖。
按照危险理论的观点,先天性免疫层对适应性免疫层有导向作用。是否启动淋巴细胞识别抗原,是由系统的状态是否“危险”决定的。危险理论的这种导向性特征,对其它两种安全模型是有益的补充,基于危险理论的计算机免疫系统的工作流程如图1所示。
图1说明免疫细胞受损或者非正常死亡时会释放报警信号,该信号分散覆盖在这个细胞周围的一小片区域内。抗原提呈细胞(antigen presenting cells,APCs)受到刺激后将轮流刺激自适应性免疫系统中的淋巴细胞产生免疫反应。在危险理论中,外源蛋白(可通过注入方式实现)不存在危险,进而被忽略;同样,由于肿瘤细胞不经历死亡过程,因此不会发出警告信号,所以免疫系统对之不会产生免疫反应。正因为危险信号仅用于激活APCs,B细胞和T细胞依据信号signal1和signal2分别被激活(signal1是免疫细胞到抗原模式或者抗原片段的纽带,它是由抗原提呈细胞发出的;signal2也是一种由T协同细胞发出的“求助”信号,用于激活一个B细胞,或者由抗原提呈细胞发出的用于激活T细胞的信号)。
正因为危险理论DT较好地阐释了AIS无法解释和实现的自然免疫现象,DT成为当前信息安全领域的研究热点之一,并在计算机病毒检测[6]、网络入侵检测[7]、网络安全监控与评估[8]等方面已取得了一定进展。
3. 危险信号定义
生物学原型的危险理论认为,组织内的细胞死亡分为两种,一种是细胞正常的死亡,称之为细胞“凋亡(apoptosis)”;另一种是细胞的非正常死亡,被称为“坏疽(necrosis)”。凋亡是细胞死亡的一种规则形式,是生物体新陈代谢的需要,当凋亡发生时,细胞外的受体发信号给吞噬细胞,把凋亡的细胞移出系统。凋亡不会引发免疫应答。
计算机中可能有的危险信号应该在感染发生的初期就能显露出来,以便把破坏降到最低程度,而且能快速、自动测量得到。计算机中可能有的危险信号有以下这些[9]:
(1)过高或过低的内存占用率;
(2)不恰当的硬盘行为;
(3)预料之外的文件更改频率,用校验值或文件大小来衡量;
(4)不正常终止的UNIX进程发出的SIGABRT信号等等。
本文研究的危险信号是一个集合,由各种系统变量产生的危险信号共同构成。
定义1危险信号DS(Danger Signals)危险信号是所有与系统失衡相关的系统变量的变化的集合DS={dsi|i∈N},它是系统变量变化的子集DS哿DV。
本文将所有系统变量的变化视同为“可能的”危险信号,即DS哿DV,对与危险无关的系统变量变化的筛选,交由人工APCs细胞群体和TLRs受体的自然演化和识别完成,随群体代数的更迭,与危险无关的变化会在演化过程中自然被淘汰,不被识别。
事实上,本文所指的危险信号有双重含义,一方面它是个泛指的概念,表示所有危险信号的集合,在定义1中记为DS。另一方面它也特指单个的信号,记为dsi。
4. 危险信号的计算
4.1 云模型
变化是导致系统状态失衡的潜在原因,也是进行危险分析的基础和样本。要实现对系统平衡状态和安全状况的分析,捕捉变化、描述变化是关键,因此需要建立一套完整的变化描述体系,为系统平衡状态的分析提供依据[10]。计算机中系统状态的变化存在不确定性。在系统未受攻击的平衡状态,系统状态遵循一定的规律,然而,计算机系统可能遭受的攻击是不可预料的,不确定的。攻击的产生是随机事件,且攻击的产生往往不是那么清晰,是一模糊事件。正因为遭受入侵时,系统的异常变化是不确定的,因此本文中的危险信号也具有不确定性。
数学是一切自然科学的基础,它所描述的是自然科学的共有规律,无论是生命科学还是计算机科学归结到根本上都遵循数学原理。计算机中的各种软件资源归结到根本上,都是数据,云模型是描述不确定性的工具,借用云模型的方法提取危险信号,有天然优势。通过计算云滴从属于云的隶属度,可以判断一个系统状态是否隶属于另一个状态,即两个状态之间是否存在变化,是否有危险信号产生。
云的定义[11]:设U是一个用精确数值表示的定量论域,C是U空间上的定性概念,若定量值x∈U,且x是定性概念C的一次随机实现,x对C的确定度μ(x)∈[0,1]是有稳定倾向的随机数:
μ:U→[0,1]坌x∈U x→μ(x)则x在论域U上的分布称为云,每一个x称为一个云滴。
云的数字特征用期望值Ex,熵En。超熵He三个数值表示。它们反映了定性概念整体上的定量特征。
期望Ex(Expectation):云滴在论域空间分布的期望。通俗地说,就是最能够代表定性概念的点。
En(Entropy):定性概念的不确定性度量,由概念的随机性和模糊性共同决定。一方面熵是定性概念随机性的度量,反映了能够代表这个定性概念的云滴的离散程度;另一方面又是定性概念亦此亦彼性的度量,反映了在论域空间可被概念接受的云滴的取值范围。
超熵He(Hyper Entropy):超熵是熵的不确定性的度量,即熵的熵。
正态云模型是在概率论的正态分布和模糊集合的钟形隶属函数的基础上发展起来的全新模型。正态分布在理论和实际中应用非常广泛。但如果决定随机现象的因素单独作用不是均匀的小,相互之间并不独立,有一定程度的相互依赖,就不能够符合正态分布的产生条件,不构成正态分布。正态云模型弱化了正态分布的前提条件,决定不确定现象的随机因素单独作用可以不是非常均匀地小;各因素相互之间可以不完全独立。这里用超熵衡量偏离正态分布的程度,将正态分布扩展为“泛正态”[12]。在本文中我们使用的系统参数的变化满足“泛正态”的条件,可以用正态云模型描述。
4.2 基于隶属度的危险信号计算
设Xi为某一时刻的系统变量的采样值,将Ex0作为参照,计算Xi的期望落在Ex0中的隶属度,从而判断两个状态是否相似(即Xi是否近似隶属于Ex0)。
以X为例,X{xi|i=0,1,…,n},其中xi表示以t为采样间隔时间所选取的n个采样点。
t:系统变量的采样间隔时间。
Ex:以已知采样点为云滴,采用无确定度信息的逆向云算法得出的系统变量云的期望值,我们称之为云的重心。在这一点处,系统变量肯定是正常的。
已知样本点xi:i=0,1,…,n
根据xi计算这组数据的样本均值一阶样本绝对中心矩样本方差
En:以已知采样点为云滴。采用无确定度信息的逆向云算法得出的系统变量云的熵值。熵的大小直接决定了在论域中可被模糊概念所接受的范围,在这里,熵是系统变量可以被认为是正常的范围。
He:以已知采样点为云滴,采用无确定度信息的逆向云算法得出的系统变量云的超熵。
δ:隶属度的阈值,通过实验观察由手工定制。
由以下公式计隶属度:
由于云是一种类似概率的表达形式,隶属度为0的绝对情况较少,当隶属度小于一定范围时,实际上可以认为两者已不相似,已产生变化。而隶属度越大,变化就越小,隶属度越小相反变化越大。因此危险信号的计算如下[13]:
这里定义的危险信号都是基于单个系统变量的,其取值常常具有不确定性,用精确的方法求解,经常得不到较好的效果。云模型是求解不确定性问题的工具,用求隶属度的方法计算危险信号,可用于提取不确定的危险信号,适用范围较广。
4.3 利用“危险”协同nonself激发免疫响应
将危险理论的思想用于AIS能帮助我们构建一个更有效的人工免疫系统。在这个系统中,对于self和nonself的分辨依然有用。但不再是决定性因素,只有当“危险”与nonself同时出现时,才激发免疫响应,其框架图如图2所示。
如果同时感知到“危险”信号和识别到nonself,则确认该nonself为非法入侵,激发免疫响应;若只有nonself出现,没有“危险”产生,则认为该nonself原本应为self,是被误识别为nonself的,不激发免疫响应;若只有“危险”产生,没有识别到nonself,则很可能引发异常的是未被识别器覆盖的未知nonself,此时就需要对该信号进行一段时间的追踪,此时可对发生变化的相应文件采取隔离。若引起的“危险”在短时间内并不消失,也可以判定有非法入侵产生。
5. 结束语
人工免疫中的self—nonself识别模型存在识别局限性。危险理论以危险作为识别对象,可有效避免self—nonself识别中难以解决的问题。本文从危险是变化产生的这一角度,借鉴云模型的概念判定危险信号的发生,提出了基于危险理论的人工免疫模型,利用“危险”和nonself的识别共同激发免疫响应,发出报警信号。
免疫危险理论 篇2
关键词：免疫危险理论,银行免疫系统,运行机制,研究
一、引言
金融是现代经济的核心,而银行又是金融的核心。银行是否安全和稳健,对于国家经济发展和社会稳定具有非常重要的影响。随着经济一体化趋势的增强和金融竞争与创新发展的加剧,风险管理能力的提升正成为现代商业银行核心竞争力的关键元素,如何强化风险管理,有效防范和应对银行风险,正成为银行业不可回避的重要问题。
二、文献综述
近年来,国内学者针对企业免疫系统及其运行机制的研究非常活跃。王以华(2006)借鉴免疫理论,对组织免疫的理论基础、运行机制及相关影响因素进行了阐释;吕萍(2007,2009)借鉴免疫理论,从组织免疫视角对组织免疫行为、运行机制等问题进行了研究;程国平(2011)对企业免疫应答的对象、流程进行了研究,对构建企业免疫系统应答机制所需注意的问题进行了探讨;张剑光(2012)研究了企业免疫力、企业异己和企业细胞的概念,系统阐述了企业免疫系统的构成和层次结构;卢加元(2013)从企业病毒的传染特性角度,研究了企业“病毒”及其免疫机制;李全喜(2014)构建了供应链核心企业质量免疫系统的基本结构,并对其免疫应答的类型、内涵和流程进行阐述和比较分析;潘祥武(2015)从免疫理论视角出发,对企业质量免疫应答原理与能力提升路径进行了研究。
毋庸置疑,上述成果对构建企业免疫系统以及建立良好的运行机制等具有很好的指导作用。但是,现有的理论研究框架对企业运行中的一些现象依然无法得到圆满的解释,如企业创新作为一种内部异己(王以华等,2006),理应被企业免疫系统所清除,但为什么还有太多的企业热衷于创新?其次,现有成果大多针对企业免疫系统及运行机制进行了概念化的研究,而将免疫系统应用于银行业,并对银行风险识别、预警等相关免疫机制做出清晰而充分阐释的相关研究则鲜见报道。鉴于此,本文尝试借鉴免疫危险理论研究成果,以农村商业银行(以下简称“农商行”)流程银行为研究对象,研究银行免疫系统及其运行机制,以此丰富和完善企业免疫系统理论的研究,帮助银行提高在复杂环境中的生存能力。
三、免疫危险理论
在免疫学中,免疫识别理论有两种,一种是传统的自我-非我(SNS)理论,一种是危险理论(danger theory,DT)。SNS理论认为:免疫识别主要区分自我和非我的抗原,如果识别出入侵机体的抗原是非我,则立即启动免疫应答机制。但是,SNS理论面临的最大问题是对免疫系统的自我和非我定义过于分明,无法解释自身免疫响应现象。鉴于SNS理论免疫识别机制的不足,1994年,免疫学家Polly Matzinger提出了免疫危险(DT)理论。该理论的主要思想如下:免疫系统要区分的不是自我和非我,而是危险信号(danger signal),危险信号是启动免疫系统应答响应的关键。抗原提呈细胞(antigen presenting cells,APC)是能够摄取、加工处理抗原,并将抗原递呈给淋巴细胞的一类免疫细胞。当正常细胞受到损害便成为受损细胞,受损细胞向抗原提呈细胞APC发出危险信号,并在APC周围形成一个危险区域(危险域)。当APC所捕获的危险信号达到一定程度(浓度)时,此时,APC被激活,并与T细胞产生协同刺激信号,然后,经过一系列细胞间的相互作用,激活T细胞启动免疫应答,杀死抗原,从而使机体健康恢复;当没有危险信号刺激或APC所捕获的危险信号达不到一定浓度时,APC只会使T细胞失活,处于耐受状态。DT模式的运行机制如图1所示。
DT理论避免了SNS理论定义“自体”和“非我”语义上的困惑,可对移植、肿瘤、自身免疫响应等诸多问题做出合理的解释,也能对传统的免疫应答系统进行修正。流程银行作为农商行的一种内部管理创新,是一种特殊的“内部异己”(王以华等,2006),传统的SNS理论无法对此现象进行合理解释,而应用DT理论则能很容易地对此问题进行说明,因此,本文选择DT理论研究银行免疫系统及其运行机制具有合理性。
四、流程银行及其风险
(一)流程银行
流程银行是农商行为适应市场环境的变化,按照最有利于价值创造的原则,对现有业务流程进行再设计,依托信息技术支撑,对组织架构、人力资源、业务系统及企业文化等进行彻底变革,力求在质量、效率、成本、风险和公司价值等方面获得根本性提高,并由此形成以流程为核心的一种全新管理运行模式。与传统的业务模式相比,流程银行具有以下特征:其一,依托信息技术支持,构建服务客户的大渠道和高效流程;其二,建立以客户为中心的扁平化、垂直化的组织架构;其三,构建前、中、后台分工明确,相互分离、制约、支持的工作机制;其四,建立科学的价值管理和绩效考核体系。
近年来,国内多家农商行把打造流程银行作为重要的战略选择,通过积极尝试,已在业务集中处理、完善内部运行机制、新核心系统开发、管理会计试行、客户关系管理以及业务流程改革等方面取得了明显的成效。通过对省内张家港、太仓、泗阳、无锡、东吴等农商行流程银行建设情况的分析,本文归纳出流程银行的实施路径,如图2所示。
由图2可见,一个典型的流程银行包含三个阶段,项目实施前的准备阶段、试运行阶段、项目实施的完善阶段。由于流程银行涉及现有农商行内部组织架构、管理模式、企业文化、业务流程、信息系统和人力资源等诸多环节,必然对农商行原有的体制、机制、观念、文化、工作模式等产生冲击,因而流程银行的实施必将遭遇各类风险,下面具体分析。
(二)流程银行风险
流程银行风险是由于内外部环境的不确定性、项目团队成员认识行动上的偏差、项目实施进程中各种情况发生的随机性,以及项目自身的复杂性和持久性等所导致的结果不确定性。流程银行风险既不同于传统的银行业务流程风险,也不同于一般意义上的金融风险,而是流程银行在业务流程再造过程中发生的、受某种不确定因素影响所造成的偏差,属于工程风险。
一个典型的流程银行项目包含来自农商行内部的风险、外部的风险以及来自第三方的合作风险,如图3所示。通过对张家港、太仓、泗阳、无锡、东吴等农商行流程银行建设情况的调研,梳理出流程银行实施中可能遭遇的若干子风险,如表1所示。
五、银行免疫系统及其运行机制
(一)银行免疫系统
银行作为一个组织严密的经济系统,本身具有自组织、自适应、自调节、风险集中释放等特点,这些特点决定了银行自身就是一个免疫系统。银行免疫系统由免疫细胞、免疫器官、免疫活性物质(抗体)所组成。
免疫细胞:免疫功能的主要执行者,是农商行内部一个个具有较强风险和危机意识、熟练的专业技能、敏锐的问题洞察能力、具备突发事件处理经验、时刻关心和维护银行利益和安全的员工(包括一线员工和领导),他们能够在流程银行实施过程中消除不稳定因素,确保流程银行的顺利实施。
免疫器官:由若干个免疫细胞聚合在一起,加上必要的资源就构成了银行的免疫器官。银行免疫器官可以是农商行内部专职的风险应对部门,如风险管理委员会、合规风险管理部、质量管理部门、稽核审计部门等,也可以是银行的经营部门、运营管理部,他们在业务开展的同时,按照严格的规范和规章制度执行免疫功能。
抗体:处置危险、威胁的方案或具体措施,包括各类规章、制度(比如首席风险官制度)、应急预案等。
免疫危险系统与银行免疫系统之间的概念进行映射,见表2。
(二)银行免疫系统运行机制
由表2可知,银行免疫系统的危险信号是流程银行实施中所遭遇的各种风险。按照DT理论,危险信号会给银行组织的某个环节(或流程)造成威胁,从而在某个区域(危险域)产生受损细胞,作为银行免疫系统的抗原提呈细胞APC会感知到危险信号;当危险信号达到一定程度(风险阈值)时,APC会激活免疫系统,使其发挥免疫应答功能;而免疫系统对不产生危险、以及达不到一定程度的危险信号产生“耐受”,如图4所示。
图4中,免疫过程分为四个环节,一是免疫识别过程,这个环节是银行免疫系统抗原提呈细胞APC感知危险信号的过程,相当于生物体免疫系统的免疫识别过程,主要完成对风险的识别;二是风险评估过程,这个环节相当于生物体免疫系统的活化增殖阶段,主要是抗原提呈细胞APC完成对危险信号程度(浓度)的评估,包括风险能否成为现实的危险或威胁,可否诱发其他危机,如果有危机,将在什么时候发生,以及影响空间和范围有多大等等。当风险危险程度小于风险阈值时,APC不激活免疫系统,银行免疫系统处于耐受状态;当风险危险程度高于风险阈值时,则APC激活免疫系统,银行免疫系统进入应答环节(风险应对);三是应答过程,这个环节相当于生物体免疫系统的免疫反应阶段,分为初次应答和二次应答。初次应答利用已有的抗体库,对所识别的危险进行免疫清除;如现有的抗体库无应对危险的规则(类似于抗原初次入侵生物体),银行免疫系统会在危险(抗原)的不断刺激下产生新的抗体,最终完成对危险(抗原)的消除,这是二次应答过程,银行免疫系统通过初次应答和二次应答完成对各类危险、危机的应对;四是免疫记忆生成过程,通过学习、经验总结与交流等,形成新的免疫记忆库(风险案例库),同时,通过免疫反馈机制,对初次危险免疫应答中的抗体库(风险应对规则)进行更新,使银行免疫系统形成持续性免疫记忆,便于对下次遇到相同的危险做出快速应答。
(三)危险信号与危险程度
抗原提呈细胞APC及时感知危险信号,以及对危险信号危害程度(危险程度)的判别是决定银行免疫系统能否发挥免疫功能的关键,因此,农商行对流程银行各环节的风险进行全面排查,并对排查出的风险(危险信号)及其危害程度(危险程度)等进行评估和风险定级至关重要。下面,以农商行企业贷款信用风险为例,对危险信号的排查,以及危险信号危害程度(危险程度)的定级进行讨论。
假设,对于企业贷款信用风险的业务单元域U(危险域),U={x1,x2,x3,...,xn},其中,危险信号记为,n是危险信号数。
对域而言,通过排查危险信号可能来源于:企业资产负债表中的危险信号、企业损益表中的危险信号、现金流量表中的危险信号、经营管理状况的早期危险信号、管理人员行为的危险信号、与银行关系变化的危险信号、担保方面的危险信号、企业上下游客户和相关部门反映的危险信号、从国家或地方的经济政策、产业结构调整方面反映的危险信号等。对每个危险信号,按照其危害程度(危险信号浓度)可以划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ,如表3所示。
对于企业资产负债表中的危险信号,还包括如:企业资产负债率、流动比率、现金流量、销售收入、利润、应收应付款项等指标与同期、年初或上期比较,是否连续多期持续出现不利变化。如危险信号中的考察项未出现任何变化,则认定危险程度在安全可控范围内(表3中的绿灯区);如出现一次不利变化,则认定危险信号的危险程度达到控制区(表3中的黄灯区);如出现二次不利变化,则认定危险信号的危险程度达到警告区(表3中的橙灯区);如果连续多期持续出现不利变化,则危险信号的危险程度被认定为危险区(表3中的红灯区)。本例中,可将危险程度达到控制区的视为风险阈值,作为银行免疫系统的抗原提呈细胞APC,应对此予以高度关注,做好预警措施,对危险程度超过风险阈值的危险信号,需激活银行免疫系统,适时进行风险应对。
综上所述,本文借鉴免疫危险理论研究成果,以国内部分农村商业银行的流程银行为研究对象,通过对流程银行实施路径以及风险的分析,系统研究了银行免疫系统及其运行机制,在此基础上,通过事例对银行免疫系统危险信号的排查,以及危险信号危害程度(危险程度)的定级途径进行了说明。本文研究认为:农村商业银行可根据业务特点,将危险信号划分为:绿灯、黄灯、橙灯和红灯,与此相对应的危害程度分别是安全、控制、警告和危险。作为银行免疫系统的抗原提呈细胞APC,应高度关注危害程度在黄灯区的危险信号,并及时做好危险预警措施,一旦危险信号的危害程度达到或超过警告区,则需立即激活银行免疫系统,进行适时的风险应对。希望本文的研究能对指导当前农商行的风险管理实践起到促进作用。
参考文献
[1]王以华、吕萍、徐波等:《组织免疫研究初探》,《科学学与科学技术管理》2006年第6期。
[2]吕萍、王以华:《组织免疫系统的构建及运行机制-对大亚湾电站的案例研究》,《科学学与科学技术管理》2007年第5期。
[3]吕萍、王以华:《组织免疫行为和机制研究》,《管理学报》2009年第5期。
[4]程国平、张剑光、徐新:《企业免疫系统的应答机制研究》,《中国地质大学学报(社会科学)》2011年第3期。
[5]张剑光、郭驰:《企业免疫系统的“病毒”应答机制研究》,《企业研究》2012年第2期。
[6]卢加元:《企业“病毒”及其运行机制研究》,《企业经济》2013年第3期。
[7]李全喜、王楠:《供应链核心制造企业质量免疫应答研究》,《科技管理研究》2014年第14期。
[8]潘祥武、王楠:《企业质量免疫应答原理与能力提升路径研究》,《重庆交通大学学报(社会科学)》2015年第8期。
[9]谭华舟:《浅析农商行流程银行建设的路径选择和框架——基于太仓农商行流程银行改革的实践》,《区域金融研究》2015年第2期。
免疫危险理论 篇3
人工免疫理论的及其算法已经成熟的应用于网络安全领域,危险理论[2]是人工免疫理论研究中取得的最新成果。危险理论模型已经被证明在入侵检测系统具有较高的检测率。该文将利用危险理论算法对P2p应用层流量建立算法模型,使用其免疫模型来获得P2P中的最大化带宽资源,最小化跨域的流量,最低化节点开销,从而通过分析计算来提高带宽资源,降低跨域的流量和节点开销。
1 DCA算法模型
Green Smith给出了危险理论的树突状细胞算法(Dendritic Dell Agorithm,DCA)的基本模型[3]。树突状细胞(dendritic cell,DC)都有3种状态,即:未成熟状态(Im Mature DC,Im DC)、半成熟状态(Semi-Mature DC,Sm DC)和成熟状态(Full Mature Dendritic Cell,Fm DC(图1)。
DCA算法规定DC单元主要散布于外围机体组织中,树突状细胞负责病原体细胞的识别过程,收集抗原所处的环境信息,并将采集到的信息予以处理,最后提呈给免疫细胞。DC单元的三种状态实时进行检测来判断“危险”或“安全”。比较Sm DC信号的浓度是否达到阈值判定系统是否安全,Fm DC信号的浓度是否达到阈值确定系统是否危险,而树突状细胞DC是否需要进行状态转换,由协同刺激信号(co-stimulatory molecules,CSM)来决定的,因此,树突状细胞算法的关键取决于CSM的值。
2 DCA的网络流量模型
P2P系统优劣一个重要的标准在于资源内容的广泛性和网络中大量冗余存在,若一个P2P系统中的client节点自主选择下载优秀节点集合,即自主取得最优链接,同时又有较小的时间开销。
由上节可知CSM的值在DCA中重要的作用,而CSM通常由成熟环境抗原值(Mature Context Antigen Value,MCAV)的计算结果而确定[4],MCAV是完全成熟的抗原数量与提呈的抗原总数量之间的比值:
MCAV=M/Ag
首先,将P2P结点连接初始化时的TCP时间序列定义抗原信号。
本文中将抗原定义为Client连接初始化时对随机的节点选择连接的数据包扫描结果,其中将产生的事件向量表示为:
∑Ag=(α1,α2,α3,…,αn)
为一个三元组,表示为:
式中:Τ为时间属性,记为T(αi),表示事件α1发生的时间;Ο为宿主属性,记为O(αi),表示事件α1的发起宿主;V为速率,记为结点的V(αi)的TCP传输速率;C为特征串,记为结点的C(αi)的特征串;ω存放发生的数据内容。
规定所有事件都是按时间排序的,即对所有的i≥1,T(αi)
MCAVave是当前P2P环境中的抗原的MCAV平均值。
3 较优节点集的选取算法
DC依照MCAVave计算结果进行抗原的识别和提呈处理,然后利用了危险理论[5]的机体应答方式进行结点的优劣选择,系统有一个初始的“较劣结点”识别集(抗体集)。用来建立这个集合的训练数据集合是已经区分了较优结点(安全)/较劣结点(危险)并附含处理意见的抗原集合。
分析过程为:
1)在“较劣”抗原集中取给定数量向量,形成一个最初的较劣抗体集;
2)依照免疫耐受算法,训练抗体集;
3)根据这个较劣结点抗体集合对随机结点进行匹配并给出可能的评估行为。
4)快速扫描节点,计算P2P环境中随机的节点的抗原的MCAV平均值并与给定的阈值进行匹配,更新抗体集选取最优节点列表。
4 仿真试验结果分析
本研究对于典型的VOD服务进行仿真试验,为了衡量节点的服务质量情况,在相同的硬件和网络带宽下传输相应的大小的视频流进行仿真试验。试验环境采用10联想万全服务器,CPU为双核3.0MGHz,内存为2GB。每台服务器模拟10台虚拟主机,即p2p网络中的客户机,在这个模拟平台上,对流媒体视频点播资源的获取所消耗的时间进行了对比实验。
根据第2节的算法对于每个不同IP地址的节点,应用DCA算法来进行结点的优劣选择,算法的程序用C++编写,当设置给定成熟环境抗原值阈值5时,对节点进行初始化表1所示。
实验主要验证DCA-P2P系统与传统的P2P系统两种不同模式的资源组织方式查找及传输流媒体资源所消耗的时间。从中可以看出,在查询和传输某个资源时结点选取种和资源组织方式的优劣。如图2所示,利用DCA建立的P2P系统与传统P2P系统文件传输100MB、200MB、300MB、500MB和1000MB的数据所消耗的时间进行比较,结果表明在传输大量的数据时,该文建立的P2P系统的效率明显高于原P2P系统,其原因是系统不断更新获得最优的节点列表,文件的传输性能得到最大化,因此,可以断定利用DCA建立的P2P系统在非随机选取较优结点中有明显的优势。
5 结论
本文采用危险理论算法来对P2p应用层流量分析,利用了人工免疫中机体应答方式进行结点的优劣选择,使改进的P2P在运行过程中不断更新选取得到最优的节点列表。实验结果表明,该文提出的DCA-P2P系统大大提高了的传统P2P系统中应用层流量优化的服务向应用提供非随机的节点选择的效率,从而也提文件的传输率,并且大大降低了系统的时间开销,该模型在农业水文流量监测中也有重要意义。
参考文献
[1]唐明董,张国清,杨景,等.P2P流量优化技术综述[J].电信网技术,2009.1:1-7.
[2]Forrest S,Hofmeyr S A.Computer immunology(DRAFT)[J].Communications of the ACM,1997,40(10):88-96.
[3]GREEN SMITH J,AICKELIN U,TWYCROSS J.Articulation and clarification of the dendritic cell algorithm[C]//Proc of the 5th Interna tional Conference on Artificial Immune Systems,2006:404-417.
[4]HUI WANG.Dendritic Cells Algorithm of DT Intrusion Detection Model[J].Journal of Guangxi University for Nationalities(Natural Sci ence Edition),2011(02):42-44.
免疫危险理论 篇4
1 对象与方法
1.1 对象
1.1.1 调查点选择:
采用多阶段整群随机抽样方法,根据浙江省地理分布,分平原、山区、沿海三层,每层随机选2个市,每个市随机选1个区或县,每个区或县随机选1个居委会或行政村,整群调查到所需样本量为止,共全程接种4 273人。
1.1.2 接种对象:
每点内随机选取一定数量的无乙肝病史,无乙肝疫苗接种过敏史与接种史,知情同意的18岁以上健康成人,抽血检测血清HBsAg,HBsAg阴性者接种乙肝疫苗。全程接种后1个月时抽血检测血清抗-HBs。
1.1.3 调查对象:
将免疫失败者(血清抗-HBs小于10mIu/ml)作为病例,按照1∶1匹配的比例,随机选择与病例同性别、年龄相差在3岁内、同村的免疫成功者(抗-HBs大于10mIu/ml)作为对照。
1.2 调查方法和内容
1.2.1 调查方法:
所有病例和对照按照统一设计的调查表格内容进行面对面问卷调查。
1.2.2 调查内容:
一般情况(年龄、性别、职业等)、生活习惯(吸烟、饮酒)、体重指数、乙肝家庭史、乙肝病毒暴露史等。其中:吸烟定义为平均每天大于1支;饮酒定义为平均每天饮白酒大于50克;体重指数(BMI):BMI=体重(kg)/身高(m2),体重正常或低下:BMI<24;超重:BMI =24~27.9;肥胖:BMI≥28。乙肝家庭史指同居住的家庭成员中有HBsAg阳性者。
1.3 检测
1.3.1 HBsAg检测:
采用酶标(ELISA)法,试剂盒由上海实业科华生物技术有限公司生产,HBsAg阳性判别标准:样品OD值/阴性对照平均OD值≥2.1。
1.3.2 血清抗-HBs抗体检测:
血清抗-HBs检测采用双抗原夹心时间分辨免疫荧光分析法(IFM),抗-HBs诊断试剂盒(IFM法)由苏州新波生物技术有限公司生产。免疫成功者判别标准:抗体滴度≥10 mIU/ml。
1.4 资料整理和统计学分析
采用Excel进行数据录入、整理,运用SPSS13.0软件进行统计分析,采用χ2检验对各个变量进行单因素分析,对单因素分析有统计学意义的变量进行多因素条件logistic回归分析。
2 结果
2.1 一般情况
本次全程接种4 273人,其中男性1 810人,女性2 463人。免疫成功3 919人,免疫成功率91.7%;免疫失败354人,免疫失败率8.3%,免疫失败者实际有效调查330人,其中男141,女189,失访率6.8%。
2.2 单因素分析
将11个变量根据资料性质进行转换或赋值,对连续性变量、二分类变量、有序多分类变量按危险性从低到高的顺序分别赋值0,1,2…(见表1)。采用χ2检验对各个变量逐个进行单因素分析,结果显示:吸烟、饮酒、肥胖、乙肝家族史4个因素有统计学意义(见表2),而针灸史、手术史、内镜诊疗史、拔牙补牙史、输血、服免疫抑制药、有免疫缺陷病7个因素无统计学意义。
2.3 多因素分析
将单因素分析有统计学意义的因素纳入多因素条件logistic回归模型,按α=0.05判别水准,结果显示有乙肝家族史、肥胖、吸烟等3个因素是危险因素。见表3。
3 讨论
乙肝疫苗接种后无应答和弱应答的原因极其复杂[1],涉及疫苗因素、机体因素、接种因素、母亲乙肝病毒感染指标的状况等多方面,不同的研究[2,3]其研究对象和内容各有侧重,研究结果也不一致。本研究结合成人的行为特点和可能暴露因素进行调查,研究结果对我省成人乙肝预防有指导意义。
吸烟与免疫失败的关系还有争论,章一丰等[3]认为吸烟是免疫失败发生的危险因素,而袁跃彬等[4]认为不是。本研究结果显示吸烟是免疫失败发生的危险因素,可能与乙肝疫苗的免疫应答依赖于T细胞,吸烟者吸入的尼古丁会损害机体免疫系统,尤其是会损害T细胞有关。
吕兰秋等[5]认为单纯性肥胖儿童T细胞免疫功能下降,本研究显示肥胖是免疫失败发生的危险因素,其原因是否也与儿童肥胖一样,导致免疫力下降所致,还有待进一步研究。
本研究结果显示乙肝家族史是免疫失败的重要危险因素(OR值11.969),可能与日常生活密切接触而隐性感染,导致免疫耐受有关[6,7]。提示尽早对乙肝患者的家庭成员进行免疫接种,防止家庭成员感染而出现耐受。
一般研究[8]认为服用免疫抑制药、有免疫缺陷病影响免疫成功率,但本研究未发现有统计学联系,这可能与参加本次疫苗接种的对象均为健康的自愿者,实际服用免疫抑制药(6例)、有免疫缺陷病史(6例)的人极少有关。
摘要：目的:探讨成人乙肝疫苗免疫失败的危险因素,为采取干预措施提供依据。方法:采用配对病例对照研究方法,对330对病例和对照进行问卷调查,应用SPSS13.0软件进行统计分析。结果:共全程接种4 273人,免疫失败率为8.3%,单因素分析显示:体重指数(BM I)、吸烟、饮酒、乙肝家族史与免疫失败有统计学关联(P<0.01),多因素分析显示:吸烟、肥胖、有乙肝家族史是乙肝疫苗免疫失败发生的危险因素,OR值分别是1.0292.722、3.19825.760和3.99935.820。结论:控制体重、禁烟、预防家庭内交叉感染可促进免疫成功。
关键词：成人,免疫,乙肝疫苗,危险因素
参考文献
[1]尹爱红,张延学.乙型肝炎疫苗免疫后低应答和无应答的影响因素的探讨[J].中国计划免疫,2002,8(2):104-106.
[2]温海辉,黄飞雁,陈思东,等.乙型肝炎疫苗接种后无弱应答的发生及其影响因素的条件Log istic回归分析[J].预防医学论坛,2006,12(4):422-425.
[3]章一丰,陈洁,潘南燕,等.成人10μg重组(CHO细胞)乙肝疫苗免疫效果分析[J].医学研究杂志,2007,36(9):423-424.
[4]袁跃彬,郑新华,王仲倩,等.不同剂量重组酵母乙型肝炎疫苗成人免疫效果及安全性研究[J].中华传染病杂志,2003,21(6):423-424.
[5]吕兰秋,傅君芬,梁黎,等.单纯性肥胖儿童T细胞免疫功能及其影响因素分析[J].临床儿科杂志,2006,24(9):751-753.
[6]郑淑鹏,译.HBV隐性感染与乙肝疫苗无应答[J].国外预防医学进展,1992,5:26.
[7]姜玮丽.乙肝疫苗免疫应答低下者血清HBV DNA检测分析[J].河南预防医学杂志,1998,9(4):191-192.
免疫危险理论 篇5
1. 危险化学品的分类
凡具有爆炸、易燃、毒害、腐蚀、放射性等危险性质, 在运输、装卸、生产、使用、储存、保管过程中, 在一定条件下能引起燃烧、爆炸, 导致人身伤亡和财产损失等事故的化学物品, 统称为危险化学品[1]。
危险化学品按照《危险货物分类和品名编号》进行分类, 共分九类, 分别是:第一类:爆炸品。第二类:气体。第三类:易燃液体。第四类:易燃固体、易于自燃的物质、遇水放出易燃气体的物质。第五类:氧化性物质和有机过氧化物。第六类:毒性物质和感染性物质。第七类:放射性物质。第八类:腐蚀性物质。第九类:杂项危险物质和物品[1]。
根据危险化学品的易燃、易爆、有毒、腐蚀等危险特性, 危险化学品事故可划分为:危险化学品火灾事故;危险化学品爆炸事故;危险化学品中毒和窒息事故, 危险化学品灼伤事故;危险化学品泄漏事故;其他危险化学品事故[2]。
2. 经典的危险化学品定量分析检测技术
危险化学品检测方法多采用高精度的仪器设备检测, 按照仪器分析的基本原理主要有:光学分析法、电化学分析法、色谱分析法、生物传感技术和其他分析法 (见表1) 。
(1) 光学分析法。
光学分析法是基于光作用于物质后产生的辐射信号或所引起的变化来进行分析的方法, 可分为光谱法和非光谱法两类。
(1) 紫外-可见分光光度法。
紫外-可见分光光度法:是基于物质对紫外-可见光辐射的选择性吸收来进行分析测定的方法。本法具有快速、简便、重现性好等优点, 但由于干扰因素较多, 选择性较差, 多用于汞、铅、镉的测定。
(2) 石墨炉原子吸收法。
利用石墨管高温下使样品原子化, 通过炉内光路产生吸收的原理来测定。该法具有灵敏度高, 选择性好, 方法简便, 分析速度快等优点, 但石墨管耗价昂贵, 且不能同时测定多个元素[3,4,5,6]。Caldas等 (2009) 利用石墨炉原子吸收法检测巴西朗姆酒中砷、铜、铅的含量。Janyeid Karla Castro Sousab等 (2008) 利用石墨炉原子吸收法在石油样品中检测铜的含量。
(3) 火焰原子吸收法。
火焰原子吸收法是由化学火焰提供能量, 使被测元素原子化。该法应用最早, 而且至今仍在广泛使用 (北京大学化学系, 1997) 。Shokrollahi等 (2008) 利用火焰原子吸收法测定在各种环境样品中Cu2+的含量。Bakirdere等 (2008) 利用火焰原子吸收法测定了在路边土壤和植物样品中铅、镉、铜的含量。
(4) ICP-AES法 (电感藕合等离子体原子发射光谱分析法) 。
ICP-AES法是电感藕合等离子炬管为激发光源的一种光谱分析方法。ICP激发光源是一种具有6000~7000K的高温激发光源, 由高频放电产生的。外形与化学火焰相似的电火源, 其激发光源 (炬管) 为分析试样组份元素提供蒸发。原子化或激发的能量, 是原子发射光谱仪中一个极其重要的组成部分。试样溶液经雾化后, 随载气氩带入炬焰的中心通道中而被原子化和激发, 产生多元素分析谱线[7,8,9]。
(5) 荧光分析法。
某些物质受紫外光或可见光照射激发后能发射出比激发光波长较长的荧光。物质的激发光谱和荧光发射光谱, 可以用作该物质的定性分析。当激发光强度、波长、所用溶剂及温度等条件固定时, 物质在一定浓度范围内, 其发射光强度与溶液中该物质的浓度成正比关系, 可以用作定量分析。荧光分析法的灵敏度一般较紫外分光光度法或比色法高。
(6) 原子荧光分析法。
在一定条件下, 气态原子吸收辐射光后, 本身被激发成激发态原子, 处于激发态上的原子不稳定, 跃迁到基态或低激发态时, 以光子的形式释放出多余的能量, 根据所产生的原子荧光的强度即可进行物质组成的测定。物质的基态原子受到光的激发后, 会释放出具有特征波长的荧光, 据此可对物质进行定性分析。物质的定量分析可通过测定原子荧光的强度来实现[10]。
(2) 电化学分析法。
电化学分析是应用电化学原理和实验技术建立的分析方法。通常是将待测组分以适当的形式置于化学电池中, 然后测量电池的某些参数或这些参数的变化进行定性和定量分析。但因检出灵敏度低, 特异性差, 而且操作麻烦费时, 不能满足测定的要求。一般不用来检测重金属。
(3) 色谱分析法。
色谱法是一种极有效的分离技术, 借助两相间分配系数的差异而使混合物中各组分分离, 并对组分进行测定的方法。色谱法的特点是:高效能、高灵敏度、高选择性和分析速度快。
气相色谱法是以气体为流动相, 以涂在惰性载体或柱内壁上的高沸点有机化合物或表面活性吸附剂为固定相的柱色谱分离技术。作为气相色谱分析的化合物的要求具有挥发性和热稳定性, 因此无机物作为气相色谱分析, 首先要转变其化学形式使其具有挥发性及热稳定性。金属离子与一些有机试剂作用生成的螯合物符合此要求, 金属螯合物的特点是可以定量反应, 容易得到纯化合物, 适合于环境污染物的痕量分析[11]。伊拉克发生的误食含有有机汞种子的中毒事件中甲基汞的监测就是采用气相色谱法检测的。
(4) 其他分析法。
质谱法是将待测物质的分子转变成带电粒子, 利用稳定的磁场使带电粒子按照质量大小顺序分离开来, 形成有规则并可以检测的质谱[12]。等离子体质谱法 (Inductively coupled plasma mass spectrometry) 的应用被认为是20世纪80年代痕量元素及同位素分析的一项重要进展。
(5) 生物传感技术。
生物传感器是高科技的电子技术和生物工程技术相结合的产物, 由固定化并具有化学分子识别的生物材料、换能器件及信号放大装置构成, 能够选择性地对样品中的待测物发出响应, 并把待测物质的浓度转化为电信号, 根据电信号大小定量测出待测物质的浓度。生物传感器的选择性的好坏完全取决于它的分子识别原件, 而其他性能则和它的整体组成有关。
Andrew等 (1998) 利用光学纤维反射传感器固定化Br-PADAP估测重金属的含量, 对重金属锌的检测灵敏度可达31ppb, 而检测时间只有6min。Kukla等 (1999) 利用胆碱酯酶、脲酶、葡萄糖氧化酶等多酶系统来制成多酶电化学传感器, 以酶膜残留的活性来判断重金属含量。Ibolya等 (2000) 利用发光酶固定化生物传感器来检测重金属汞、镉、铜、锌, 检测限约为10-15μmol/L。Alexander等 (2000) 利用含有荧光基因细菌发出的荧光检测重金属砷。Lehmann (2000) 和Riether等 (2001) 开发出一种专门测量铜离子的电流型生物传感器。生物传感器的研究和开发在重金属残留分析领域相对滞后, 这种酶电极的主要缺陷是灵敏度不太高, 特异性不强, 回收率低, 重复性较差, 电极使用寿命短难以真正满足重金属残留快速检测的要求, 实际应用也不多。
3. 胶体金免疫层析技术
(1) 方法简介。
图1胶体金免疫层析试纸条结构
胶体金免疫层析技术是一种将胶体金标记技术、免疫检测技术和层析分析技术等多种方法有机结合在一起的固相标记免疫检测技术。它的原理是:以条状纤维层析材料为固相, 通过毛细作用使样品溶液在层析条上泳动, 并同时使样品中的待测物与层析材料上针对待测物的受体 (抗原或抗体) 发生高特异性、高亲和性的免疫反应, 层析过程中免疫复合物被富集或截留在层析材料的一定区域 (检测带) , 运用可目测的标记物 (胶体金) 而得到直观的实验现象 (显色) 。而游离标记物则越过检测带, 与结合标记物自动分离 (见图1) 。这种分析技术具有操作简单快速, 可单份测定, 无须特殊仪器等优点, 适合于各种快速检测场合, 尤其适用于在事故发生过程中对危险化学品进行快速检测[13]。
(2) 胶体金免疫层析技术的发展。
胶体金用于免疫学检测研究是20世纪80年代发展起来的一项新技术, Muller等 (1980) 应用该技术对牛痘病毒进行了免疫电镜研究, Geoghegan等 (1980) 和Leuvering等 (1981) 应用胶体金进行了被动凝集试验, Leuvering等 (1983) 利用胶体金做了人妊娠诊断研究, Manara等 (1982) 用过氧化物酶和金染色进行了细胞膜双标记的免疫电镜研究, Wybran等 (1985) 应用金染色对淋巴细胞亚群做了计数研究。总之, 胶体金在免疫检测中的初步应用已显示了广阔前景[14]。
(3) 胶体金免疫层析技术在检测危险化学品中的应用。
(1) 重金属的检测。
国内外已经建立了针对有机污染物的免疫胶体金检测方法, 并且将该方法用于重金属离子的分析检测, 迄今为止, 免疫胶体金检测技术已经成功用于水中的铟、汞、镉、铅和铀等的检测。
刘斌等研究了纳米Ti O2分离富集水样中痕量镉的最佳反应条件, 应用自制抗Cd (Ⅱ) -i EDTA (Isothiocya-nobenzyi-EDTA) 螯合物的单克隆抗体, 建立了快速检测环境水样中重金属镉残留的胶体金免疫层析法。对实测样品的检测耗时约90min, 该方法对Cd的定量下限可达5μg/L, 适用于环境水样中的检测[15]。
向军俭等研制检测水样品中镉离子残留的胶体金免疫层析快速检测试纸条, 对试纸条进行灵敏度、特异性和稳定性验证, 并检测添标水样。结果制备的试纸条对镉离子的最低检测限为100 ng/ml;除了与Hg2+-EDTA有交叉反应外与Fe3+、Pb2+、Cu2+等类似物无交叉反应;试纸条在常温下放置8周稳定性良好;检测添标水样的结果与ICP-AES的检测结果一致, 可作为水样中重金属镉离子残留现场检测和监控的有效手段[16]。
(2) 农药的检测。
万积成等通过研究胶体金法与气相色谱法在检测毒死蜱中的应用, 证实胶体金试纸条在检测蔬菜中毒死蜱残留的可靠性。与气相色谱法相比较, 胶体金试纸检测毒死蜱操作简便、观察直观、快速、省时, 其特异性、敏感性较高, 可作为毒死蜱农药残留自我检测的手段[17]。
万积成等采用胶体金法半定量方法检测的试样, 再用液相色谱-串联质谱法定量检测试样中吡虫啉。结果发现胶体金试纸检测为阳性与阴性样品经液相色谱-串联质谱检测的符合率达到了100%。添加的cut off值样品的回收率为88.4%。结论:与液相色谱-串联质谱相比较, 胶体金法检测吡虫啉具有操作简便、直观、快速、省时的特点, 其特异性、敏感性较高, 适用性强, 可作为吡虫啉农药残留自我检测的手段应用[18]。
赵友全等利用甲霜灵胶体金试纸条用于现场快速检测进出口蔬菜甲霜灵农药残留量。在对试纸条光谱测量分析的基础上, 研制出一种基于图像测量的便携式甲霜灵试纸条显色分析仪器, 该仪器集成了样品滴定、定时检测、显色度分析、身份认证等多种功能, 实现了试纸条的自动检测、显色度数值分析和数据存储[19]。
肖琛等应用胶体金免疫层析技术研制出一种准确、快速、简便检测氰戊菊酯农药残留的试纸条。实验结果表明, 该快速检测试纸条100%抑制浓度为800ng/m L (检测线无色) , 检测时间为10min, 批次内和批次间重复性为100%。采用该试纸条检测农产品中残留的氰戊菊酯特异性强、灵敏度高而且无需特殊仪器设备, 适用于农产品中氰戊菊酯残留的快速检测[20]。
(3) 表2列出了小分子相关的文章。
4. 结语