İrem Nur Özkan
Giriş
Çevre Bilimi ve Ekoteknoloji Dergisi’nde yayınlanan bir çalışmada, Huazhong Bilim ve Teknoloji Üniversitesi’nden araştırmacılar, yüzlerce mikrobiyom kültür örneğinin eksik bilgi içeren biyom etiketlenmesinde büyük ölçüde iyileştirme sağladılar. Sinir ağlarından fayda ve bilgi edinmeyi sağlayan yapay zeka tabanlı bir uygulama olan Meta-Sorter’ı hizmete sundular. Mgnify veritabanında, genellikle eksik kalan kısımlara fayda sağladı.
Meta-Sorter uygulaması, iki aşamadan oluşmaktadır. Meta-Sorter’ın ilk aşaması, 134 biyomdan 118.592 mikrobiyal numune ve bunlarla birlikte biyom ontolojilerden faydalanarak 0.896’lık yetkin bir ortalama AUROC’ye önemli bir sinir ağı modelini büyük bir özenle hazırladılar. Bu model, detaylı biyom verileriyle örnekleri hatasız biçimde gruplandırıldı. Daha yenilikçi tahliller için sağlam bir yapı oluşturdular.
İkinci aşama olarak çeşitli nitelikler ile donatılmış, modern örneklerin oluşturduğu güçlüğün üstesinden gelmek için bilgili araştırmacılar, son sekizi yeni olmak üzere 35 biyomdan güncellenen 34.209 numune ile aktarım öğrenimini sentezlediler. Transfer sinir ağı modeli, 0.989’luk mükemmel bir sıralama elde eden AUROC, Karışık Biyom olarak çıkarılan güncel olarak takdim edilen numuneler için biyom verilerini muvaffakiyetli biçimde tahmin edilmiştir.
Meta-Sorter’ın neticeleri sahiden büyüleyici, detaylı biyom açıklamaları olmayan 16.507 numune arasında gruplandırmada %96,7’lik yaygın bir uygunluk oranı elde edilmektedir. Bu icat, arka arkaya gelen hatalar silsilesine kesin bir biçimde sonuca ulaştırdı. Öncelikle çevre araştırmacıları olmak üzere farklı bilimsel otoritelerde veri bulguları için etkileyici modern olanaklar sundu.
Ayrıca Meta-Sorter’ın muvaffakiyeti, yetersiz ve hatalı beyannameli numuneler için biyom ifadelerinde iyileştirilmesine kadar uzanıyor. Belirsiz numunelere bilgili ve otomatik olarak duyarlı gruplandırmalar tayin edilmesi, esas literatürün ötesinde kıymetli veriler elde etmeye yarayan, beyannamelerin muayyen çevresel sınıflandırmalara ayrılması, araştırma neticelerinin güvenilirliğini ve uygunluğunu arttırdı.
Veri havalesi ve ek meta-veri talimatlarının eklenmesi için genelleştirilmiş diplomatlıkla düzenli yenileştirilmesi ile Meta-Sorter, araştırmacıların mikrobiyal çoğunluk beyannameleri tahlil etme ve yorumlama şeklinde devrim yaratma tertipleniyor. Analizler sonucunda mikrobiyom araştırmaları ve ötesinde hatasız keşiflere ulaşım sağlayacaktır.
Kaynak: https://phys.org/news/2023-09-refining-biome-microbial-community-samples.html
Görsel Kaynak: https://phys.org/news/2023-09-refining-biome-microbial-community-samples.html
Editör: Elif Berfin KORGAN