Ağaç tabanlı makine öğrenmesi yöntemleri ile genomik verilerin sınıflandırılmasına yönelik klinik karar destek sisteminin geliştirilmesi

Amaç: Bu çalışmanın amacı, MTX ile nefrotoksisitesi olan ve patolojisi olmayan sıçanlardan alınan böbrek doku örneklerinin genomik analizleri sonucu elde edilen büyük verilerin biyoinformatik analizlerinin yapılması ve sonuçların görselleştirilmesi amacıyla bir yazılım geliştirilmesidir. Ayrıca verilerin makine öğrenmesi yöntemlerinden ağaç tabanlı öğrenme yöntemleri ile modellenmesi ve açıklanabilir yapay zeka yöntemleri ile modelin yorumlanabilirliğini sağlayarak nefrotoksisite tanısına yönelik olası biyobelirteçlerin belirlenmesi amaçlanmıştır. Materyal ve Metot: Bu çalışmada 20 adet dişi Wistar Albino cinsi sıçan alınarak oluşturulmuş bir deney düzeneğinden elde edilen genomik veriler kullanılmıştır. Biyoinformatik analiz yapmak için R programlama dili kullanıldı. Modellerde ağaç tabanlı makine öğrenmesi yöntemlerinden karar ağaçları, Random Forest, AdaBoost, Baged CART ve XGBoost modelleri kullanılmıştır. XGBoost modelinin yorumlanabilirliğini artırmak için Local Interpretable Model-Agnostic Explanations ve SHapley Additive Explanations yöntemleri kullanılmıştır. Modellerin ve açıklanabilir yapay zeka yöntemlerinin analizinde Python programlama dili kullanılmıştır. Bulgular: Çalışmada kullanılan genomik veri seti 16.386 lncRNA ifadesini içermektedir. Biyoinformatik analiz sonuçlarına göre nefrotoksisite ve kontrol grupları için lncRNA ların 35 tanesi yukarı regülasyon göstermiş iken 17 tanesi aşağı regülasyon göstermiştir. Boruta değişken seçimi ile seçilmiş olan lncRNA lar ile yapılan modellemeler sonucunda performans ölçütlerine göre XGBoost yöntemi en başarılı makine öğrenimi yöntemi olmuştur. SHAP'ın bir sonucu olarak, Nefrotoksisite için öngörücü biyobelirteç adaylarından en önemli ilk üçü rna-XR_591534.3 (LOC103691816), rna-XR_351582.4 (LOC102555118), rna-XR_005499541.1 (LOC120099962) idi. Sonuç: Bu çalışma yapılan biyoinformatik analiz, modellemeler ve modelleme yorumlanabilirliği sonucunda nefrotoksisitesi olan sıçanlar ile kontrol grubunda yer alan sıçanların lncRNA ekspresyon verileri kullanılarak nefrotoksisite için olası genomik biyobelirteçleri belirlenmiştir. Anahtar Kelimeler: Açıklanabilir Yapay Zeka, Ağaç Tabanlı Öğrenme, Karar Destek Sistemi, Genomik, Makine Öğrenmesi, Sınıflandırma, Yapay Zekâ