Potential Biomarker Discovery with Auto-Encoder from 16s Sequence Data in Inflammatory Bowel Disease (IBD)

Abstract

Bir habitattaki fonksiyonel ve ekolojik dengeye (homeostasis) sahip mikrobiyal komünitelere mikrobiyota denir. Mikrobiyom ise bu komüniteyi oluşturan toplam genetik materyal ve bu genetik materyallerin çevre ile etkileşimine verilen isimdir. Mikrobiyotamız ile simbiyotik bir ilişki içinde olduğumuz yapılan çalışmalarla gösterilmiştir. Yeni nesil DNA dizileme teknolojilerinin yaygınlaşması ve hesaplama kabiliyeti yüksek bilgisayarların gelişmesi ile insan mikrobiyomunu ve sağlığa etkilerini keşfetmeye yönelik çalışmalar artmıştır. Yakın zamandaki araştırmalar birçok hastalıkla, kişinin mikrobiyom profilinin ilişkili olduğunu göstermiştir. Hastalık durumunda tedavinin yöntemini değiştirebilecek nitelikteki mikrobiyom çalışmaları, yüksek potansiyelli translasyonel çıktıları öncelikli alan haline gelmiştir. Ancak oldukça karmaşık olan bu verinin içerisinde hastalığın tanı ya da tedavisinde kullanılabilecek yüksek doğrulukta özniteliklerin bulunması oldukça zordur. Derin öğrenme teknikleri ise çeşitli çalışmalarda özellikle sınıflandırma alanında karmaşık verilerde ilham verici başarılar elde etmektedir. Oto-kodlama (AE) tekniklerinin ortaya çıkışı ise özellik seçme görevi için tasarlanmış bir sinir ağı mimarisidir. Bizim çalışmamızda veriyi yeniden temsil etmede önemli olarak görülen öznitelikler bir oto-kodlayıcısı tarafından belirlenmiş ve sadece belirlenen bu özniteliklerin gruplarda görülme sıklığına bakılarak İBH hastaları ve sağlıklı kontroller XGBoost algoritmasıyla %88.89 doğruluk değeri ile başarılı bir şekilde sınıflandırılmıştır. Önerilen yöntemle İBH hastalığını temsil eden mikrobiyol türler hastalığın tanısı için muhtemel biyobelirteçleri oluşturduğu düşünülmektedir.