Potential Biomarker Discovery with Auto-Encoder from 16s Sequence Data in Inflammatory Bowel Disease (IBD)

Bir habitattaki fonksiyonel ve ekolojik dengeye (homeostasis) sahip mikrobiyal komünitelere mikrobiyota denir. Mikrobiyom ise bu komüniteyi oluşturan toplam genetik materyal ve bu genetik materyallerin çevre ile etkileşimine verilen isimdir. Mikrobiyotamız ile simbiyotik bir ilişki içinde olduğumuz yapılan çalışmalarla gösterilmiştir. Yeni nesil DNA dizileme teknolojilerinin yaygınlaşması ve hesaplama kabiliyeti yüksek bilgisayarların gelişmesi ile insan mikrobiyomunu ve sağlığa etkilerini keşfetmeye yönelik çalışmalar artmıştır. Yakın zamandaki araştırmalar birçok hastalıkla, kişinin mikrobiyom profilinin ilişkili olduğunu göstermiştir. Hastalık durumunda tedavinin yöntemini değiştirebilecek nitelikteki mikrobiyom çalışmaları, yüksek potansiyelli translasyonel çıktıları öncelikli alan haline gelmiştir. Ancak oldukça karmaşık olan bu verinin içerisinde hastalığın tanı ya da tedavisinde kullanılabilecek yüksek doğrulukta özniteliklerin bulunması oldukça zordur. Derin öğrenme teknikleri ise çeşitli çalışmalarda özellikle sınıflandırma alanında karmaşık verilerde ilham verici başarılar elde etmektedir. Oto-kodlama (AE) tekniklerinin ortaya çıkışı ise özellik seçme görevi için tasarlanmış bir sinir ağı mimarisidir. Bizim çalışmamızda veriyi yeniden temsil etmede önemli olarak görülen öznitelikler bir oto-kodlayıcısı tarafından belirlenmiş ve sadece belirlenen bu özniteliklerin gruplarda görülme sıklığına bakılarak İBH hastaları ve sağlıklı kontroller XGBoost algoritmasıyla %88.89 doğruluk değeri ile başarılı bir şekilde sınıflandırılmıştır. Önerilen yöntemle İBH hastalığını temsil eden mikrobiyol türler hastalığın tanısı için muhtemel biyobelirteçleri oluşturduğu düşünülmektedir.

Microbial communities with functional and ecological balance (homeostasis) in a habitat are called microbiota. Microbiome is the name given to the total genetic material that makes up this community and the interaction of these genetic materials with the environment. Studies have shown that we have a symbiotic relationship with our microbiota. With the widespread use of new generation DNA sequencing technologies and the development of computers with high computational capabilities, studies to explore the human microbiome and its effects on health have increased. Recent studies have shown that a person's microbiome profile is associated with many diseases. Microbiome studies, which can change the method of treatment in case of disease, and high-potential translational outputs have become a priority area. However, it is very difficult to find high accuracy features that can be used in the diagnosis or treatment of the disease in this very complex data. Deep learning techniques, on the other hand, achieve inspiring success in various studies on complex data, especially in the field of classification. The emergence of auto-coding (AE) techniques is a neural network architecture designed for the feature selection task. In our study, the attributes that were considered important in representing the data were determined by an auto-encoder, and IBD patients and healthy controls were successfully classified with the XGBoost algorithm with an accuracy value of 88.89%, just by looking at the frequency of occurrence of these determined attributes in the groups. With the proposed method, microbial species representing IBD disease are thought to constitute possible biomarkers for the diagnosis of the disease.