Makine öğrenmesi bazlı sınıflandırma kullanarak nörogelişimsel hastalıklar için ayırt edici özelliklerin bulunması

Majör Depresyon Bozukluğu (MDB) dünyada öne gelen nörogelişimsel bozukluklardan birisidir ve kompleks doğası onu günümüz bilim insanları tarafından hala daha tam anlamıyla çözülemeyen bir probleme dönüştürmüştür. Geçtiğimiz yıllarda MDB gibi bozuklukların beyin-bağırsak ilişkisi üzerinden bağırsak mikrobiyomunun önemi analiz ve modelleme yöntemleriyle incelenerek bilim insanlarının dikkatini çekmeye başlamıştır. Bu çalışmada Amerikan Bağırsak Projesi'ne ait 361 Kontrol ve 23 MDB hastanın dışkı örnekleri kullanılmıştır. Qiita üzerinden elde edilen biyoinformatik analizinden sonra veri setinin özellikleri incelenmiştir ve alfa ve beta çeşitlilik indekslerine bakılarak hastaların yaş bilgisi haricinde herhangi bir istatistiksel anlamlılık bulunamamıştır. Çeşitli Diferansiyel Bolluk Analizi (DBA) yöntemleri kullanılarak potansiyel biyolojik belirteçler bulunmaya çalışılmıştır ve buradan elde edilen sonuçlar makine öğrenme modellerine yüklenerek alternatif bir DBA filteresi uygulanmış veri seti kullanılarak orjinal veri setiyle kıyaslanıp önemli belirteçler bulunmuştur. Makine modellerinin arasında en iyi modeller Random Forest ve XGBoost iken, kesişimlerine bakıldığında literatürdeki bazı çelişkilere rağmen bakterilerden Bifidobacterium adolescentis türü ve Odoribacter, Ruminococcus, ve Adlercreutzia cinslerinin MDB için potansiyel biyolojik belirteçler olabileceği bulunmuştur. Modellerin sonucuyla B. adolescentis türünün MDB hastalarında azaldığını, geriye kalanların ise arttığı bulunmuştur. Bu biyolojik belirteçler için destekleyici bulgular olmasına rağmen, bağırsak mikrobiyom verileri incelenirken alternatif modelleme ve filtreleme seçenekleri ve dış etkenlerden cinsiyet, stres ve beslenme tipi gibi faktörleri de ele alınmalıdır.