MİKROBİYOM VERİLERİ İÇİN MAKİNE ÖĞRENME ALGORİTMALARININ KARŞILAŞTIRILMASI

ÖZLEM AKAY, GÜLFER YAKİCİ

Fenerbahçe Üniversitesi Sağlık Bilimleri Dergisi - 2025;5(2):206-224

 

Yeni nesil dizileme (NGS) teknolojilerinin uygulanması, kan örneklerinde hem kültürlenebilen hem de kültürlenemeyen mikroorganizmaların tanımlanmasını sağlayarak, sistemik enfeksiyonlarda ve bağışıklık tepkilerinde potansiyel rollerini ortaya koymuştur. Ancak, mikrobiyom verilerinin karmaşıklığı ve yüksek boyutluluğu, analiz için önemli zorluklar sunmaktadır. Bu çalışmada, lojistik regresyon, rastgele orman (RF), karar ağacı ve destek vektör makineleri (SVM) dahil olmak üzere çeşitli makine öğrenimi (ML) algoritmalarının, kan mikrobiyotasının 16S rRNA gen dizileme verilerini kültürlenmiş ve kültürlenmemiş gruplara sınıflandırmadaki performansı değerlendirilmiştir. Çalışmada kullanılan veri seti, Kalfin ve Panaiotov’dan elde edilen 16S rRNA gen dizileri ile oluşturulmuş olup, toplamda 18.093 OTU ve 62 gözlem içermektedir; bunlar arasında kontrol örnekleri de bulunmaktadır. Altı kontrol örneği çalışmadan çıkarıldıktan sonra, sağlıklı bireylerden alınan kültürlü ve kültürsüz kan örneklerine ait 56 örnek üzerinde analizler yapılmıştır. Bulgular, rastgele orman (RF) algoritmasının en yüksek sınıflandırma performansını sergilediğini ve kültürlenmiş ve kültürlenmemiş kan mikrobiyotası arasında başarılı bir şekilde ayrım yaptığını göstermiştir. Çalışmada, mikrobiyom araştırmalarında ML tekniklerinin potansiyeli değerlendirilmiş ve bu tekniklerin mikrobiyom verilerinin analizindeki etkinliği ve doğruluğu, araştırılmıştır.