Yapay öğrenme yaklaşımlarıyla bakterilerde antibiyotik direnç tespiti

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.