New methodologies for understanding antibiotic resistance mechanisms in translational medicine in gram-positive bacteria
Gram pozitif bakterilerde translasyonel tıpta antibiyotik direnç mekanizmalarını anlamak için yeni metodolojiler
- Tez No: 783467
- Danışmanlar: PROF. DR. ÖZGÜR KURT
- Tez Türü: Doktora
- Konular: Biyoistatistik, Mikrobiyoloji, Biostatistics, Microbiology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Acıbadem Mehmet Ali Aydınlar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Bilim Dalı
- Sayfa Sayısı: 143
Özet
Gram pozitif bakteriler olan Streptococcus pneumoniae, Staphylococcus aureus ve Enterococcus faecium, klinisyenlerin en büyük endişesi ve küresel halk sağlığı sorunlarından biridir. Antimikrobiyal direnç, bu patojenlerden kaynaklanan yüksek morbidite ve mortalite oranları ile ilişkilidir. Makine öğrenimi, azalan genom dizileme maliyetleri nedeniyle gram-pozitif patojen fenotiplerini anlamak, teşhis etmek, tedavi etmek ve tahmin etmek için popüler bir araç haline gelmiştir. Nükleotid k-merler, amino asit k-merler, tek nükleotid polimorfizmler ve bu özelliklerin kombinasyonları zengin genetik bilgiler içermektedir ve bu bilgiler tüm genom dizileme sayesinde ulaşılabilir olmuştur. Bu çalışmamızda, S.pneumoniae, S.aureus ve E.faecium örnekleri farklı makine öğrenimi modelleri kullanılarak fenotip tahmini yapılmış ve sonuçları karşılaştırılmıştır. S.pneumoniae için penisilin, eritromisin ve tetrasiklin, S.aureus için eritromisin, tetrasiklin, gentamisin ve siprofloksasin ve E. faecium için ampisilin ve vankomisin antibiyotikleri kullanılmıştır. Bu modelleri eğitmek için rastgele ormanlar, destek vektör makineleri, stokastik gradyan artırma ve aşırı gradyan artırma gibi çeşitli makine öğrenme yöntemleri kullanılmış ve karşılaştırılmıştır. Modellerin sonuçlarını değerlendirirken, gram-pozitif patojenlerin fenotiplerini yüksek F1 skoru ve doğruluğu ile tahmin edilebildiği görülmüştür ve bu yaklaşımı kullanmak, ileri çalışmalar için AMR tahminini iyileştirmek için kullanılabilir. Bu çalışmada, AMR tahmin modeli kurulumunun temel özelliklerinin ve makine öğrenimi yöntemi seçiminin sonuçları etkilediği görülmüştür.
Özet (Çeviri)
Streptococcus pneumoniae, Staphylococcus aureus, and Enterococcus faecium, which are gram-positive bacteria, are the major concerns of clinicians and one of the global public health problems. Antimicrobial resistance is associated with high morbidity and mortality rates from these pathogens. Due to reduced genome sequencing costs, machine learning has become a popular tool for understanding, diagnosing, treating, and predicting gram-positive pathogen phenotypes. As a result of whole-genome sequencing, k-mer nucleotides, amino acid k-mers, single nucleotide polymorphisms, and combinations of these features provide rich genetic information. This study compares different machine learning models for S.pneumoniae, S.aureus, and E.faecium. For three antibiotics: Penicillin, Erythromycin, and Tetracycline, we compared nucleotide k-mers, amino acid k-mers, and SNPs in S.pneumoniae, S.aureus for four antibiotics: Erythromycin, Tetracycline, Gentamicin and Ciprofloxacin, and E.faecium for two antibiotics: Ampicillin and Vancomycin. We used and compared machine learning methods such as random forests, support vector machines, stochastic gradient boosting, and extreme gradient boosting to train these models. When evaluating the results of models, we can predict phenotypes of gram-positive pathogens with high F1 scores and accuracy. This approach can be used to improve AMR prediction for further studies. In this study, we found that key features of the AMR prediction model setup and the choice of machine learning method affected the results.
Benzer Tezler
- Kuyu içi (VSP) sismik verilerinin konvansiyonel olmayan yöntemlerle kömür aramacılığına yönelik entegre analizi
Integrated analysis of wellbore seismic data by unconventional methods for coal exploration
ALİ CANKURTARANLAR
Doktora
Türkçe
2024
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA EMİN DEMİRBAĞ
- DNA barcoding of seven hermit crab species(Crustacea:Decapoda) from Turkey with phylogeographic comparisons
Türkiye denizlerinde bulunan yedi keşiş yengeci (Crustacea:Decapoda) türünün genetik kataloğunun oluşturulması ve filocoğrafik karşılaştırması
SELEN ÖZSİNAN
Yüksek Lisans
İngilizce
2011
Çevre MühendisliğiBoğaziçi ÜniversitesiÇevre Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. RAŞİT BİLGİN
- Türk müziğinde perde/çeşni dönüşümlerini keşfetmek: 15. yüzyıldan 20. yüzyıla örnek çalışmalar
Exploring perde/çeşni transformations in Turkish music: Case studies from 15th to 20th century
MUHAMMED ZÜLFÜ YALÇIN
Yüksek Lisans
Türkçe
2024
Müzikİstanbul Teknik ÜniversitesiMüzikoloji ve Müzik Teorisi Ana Bilim Dalı
PROF. DR. OZAN BAYSAL
- Identification and characterization of network paths
Ağ yollarının tanımlanması ve karakterizasyonu
EMRE DEMİR
Doktora
İngilizce
2013
UlaşımUniversity of MissouriUlaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. TIMOTHY C. MATISZIW
- Between cosmopolitan and national outlook: The BBC world news' coverage of the Syrian refugee crisis
Kozmopolitan ve ulusal bakış arasında: BBC world news'ün Suriyeli mülteci krizini haberleştirmesi
SERGÜL NGUYEN
Doktora
İngilizce
2021
İletişim BilimleriGalatasaray ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
PROF. DR. İNCİ ÇINARLI