Geri Dön

Detection of antibiotic resistance in bacteria via machine learning approaches

Yapay öğrenme yaklaşımlarıyla bakterilerde antibiyotik direnç tespiti

  1. Tez No: 627282
  2. Yazar: HAMDİ ERKUT
  3. Danışmanlar: DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN, DOÇ. DR. ELİF ÖZKIRIMLI ÖLMEZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyoinformatik ve Sistem Biyolojisi Bilim Dalı
  13. Sayfa Sayısı: 82

Özet

Beyaz veba olarak da anılan verem günümüzde en ölümcül bakteri kaynaklı hastalıklardan biridir. Bu hastalığa sebep olan tür Mycobacteriaceae ailesinden verem çubuk bakterisidir. Bakterilerin antibiyotiklere karşı direnç kazanabilmeleri yüzünden verem hastaları arasındaki ölüm oranı artmaktadır. Bu tez farklı yapay öğrenme algoritmalarının, verem tedavisinde kullanılan dört birinci sıra antibiyotiğe karşı geliştirilmiş direnç tespitinde kullanımını incelemektedir. Her bir model için 23 hedef gen üzerindeki değişiklikler girdi olarak kullanılmıştır. h37rv kimliğine sahip olan verem çubuk bakterisi genomu değişiklik tespitinde temel olarak alınmıştır. h37rv kimlikli kalıtsal materyale sahip olan bakteriler birinci sıra antibiyotiklerin hepsine duyarlıdır. Çeşitli yapay öğrenme algoritmaları incelendi ve birbiriyle kıyaslandı. Geleneksel modellerin performanslarının çok katmanlı algılayıcılardan daha yüksek olduğunu gözlemledik. Bilgi erişimi alanında kullanılan çeşitli veri gösterimlerinin antibiyotik direnç tespiti üzerindeki etkileri de incelenmiş ancak makine öğrenmesi modellerinin performanslarını arttıracak bir etkiye sahip olduğu çıkarımı yapılamamıştır. Ek olarak SHAP ismi ve\-ri\-len makine öğrenmesi anlamlandırma tekniği ile mutasyonların antibiyotik direnç tahminine katkıları incelenmiştir. Her bir hedef ilaç için en yüksek SHAP değerine sahip on mutasyonu direnç berlirleyici olarak ileri sürüyoruz.

Özet (Çeviri)

Tuberculosis, which is sometimes referred as white plague, is one of the most dangerous diseases caused by bacteria in our era. The species causing the sickness is in the family of Mycobacteriaceae and called mycobacterium tuberculosis. Bacteria are able to acquire resistance to antibiotics, so mortality rate among tuberculosis patients is increasing. This thesis examines different machine learning algorithms to detect antibiotic resistance to four first-line drugs in tuberculosis treatment. Variants on 23 target genes are included as input for each model. The base mycobacterium tuberculosis genome, which is used to detect variants on each sample in the data set, is the genome with id h37rv. Bacteria having h37rv as genome, are susceptible to all first-line antibiotics. Different machine learning algorithms are investigated and compared to each other. We observe that traditional machine learning algorithms have higher performance than multilayer perceptrons do. The impact of different data representations used in information retrieval on antibiotic resistance detection is also examined and we can not find any clear evidence for them to improve machine learning models' performances. Additionally, the contributions of mutations are ranked via the SHAP methodology used in the interpretation of machine learning models. We propose ten mutations with the highest SHAP values for each target drug as resistance determinants.

Benzer Tezler

  1. Karides ve midyelerden izole edilen escherichia coli'lerde fenotipik olarak beta-laktam, aminoglikozid ve kinolon dirençliliğinin araştırılması

    The investigation of beta-lactam, aminoglycoside and quinolone resistance phenotypically in escherichia coli which are isolated from shrimps and mussels

    BAHAR ERGÜL

    Doktora

    Türkçe

    Türkçe

    2019

    Mikrobiyolojiİstanbul Üniversitesi-Cerrahpaşa

    Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. SEYYAL AK

  2. Açil homoserin lakton moleküllerinin elektrokimyasal metod ile algılanması

    Detection of acyl homoserine lactone molecules via electrochemical method

    ŞEVVAL MARAL ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    BiyolojiMarmara Üniversitesi

    Biyoloji Ana Bilim Dalı

    DOÇ. DR. NÜZHET CENK SESAL

    PROF. DR. ATIF KOCA

  3. Hastane kaynaklı gram negatif non fermentatif bakterilerde antibiyotik direnci, antibiyotik direnç mekanizmaları ve antibiyotik direnç gelişimine neden olan risk faktörlerinin belirlenmesi

    Investigation of patterns and mechanisms of antibiotic resistance and risk factors associated with antibiotic resistance in gram negative non fermentative bacteria isolated from hospital setting

    UTKU KAVRUK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2007

    Klinik Bakteriyoloji ve Enfeksiyon HastalıklarıGATA

    Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı

    DOÇ.DR. ORAL ÖNCÜL

  4. Patojenlerin tayini için nanomalzeme modifiye elektrokimyasal biyosensörlerin geliştirilmesi ve uygulaması

    Development and application of nanomaterial-modified electrochemical biosensors for the detection of pathogens

    HÜSEYİN OĞUZHAN KAYA

    Doktora

    Türkçe

    Türkçe

    2024

    Eczacılık ve FarmakolojiEge Üniversitesi

    Analitik Kimya Ana Bilim Dalı

    PROF. DR. HAKAN KARADENİZ

    PROF. DR. SEDA NUR TOPKAYA ÇETİN

  5. Enterobacterales türlerinde karbapenemaz üretiminin bd CPO panel ile araştırılması ve real time PCR yöntemiyle karşılaştırılması

    Investigation of carbapenemase production in enterobacterales species with BD CPO panel and comparison with real time PCR method

    BURAK KÜÇÜK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    MikrobiyolojiKahramanmaraş Sütçü İmam Üniversitesi

    Tıbbi Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. MURAT ARAL