建立隨機森林模型以全基因體定序資料預測沙門氏菌抗藥性

Taipei Medical University Institutional Repository > 管理學院 > 大數據科技及管理研究所 > 博碩士論文 > Item 987654321/61232

請使用永久網址來引用或連結此文件: http://libir.tmu.edu.tw/handle/987654321/61232

題名:	建立隨機森林模型以全基因體定序資料預測沙門氏菌抗藥性 Using Random Forest to Predict Antimicrobial Resistance for Salmonella Based on Whole Genome Sequencing Data
作者:	周哲宇 CHOU, CHE-YU
貢獻者:	大數據科技及管理研究所碩士班童俊維
關鍵詞:	沙門氏菌抗藥性;全基因體定序;隨機森林;機器學習 Antimicrobial resistance;Machine learning;Random forest;Salmonella;Whole-genome sequencing
日期:	2021-07-09
上傳時間:	2021-12-29 15:09:15 (UTC+8)
摘要:	近年來抗生素濫用的問題日益嚴重導致各種致病細菌的抗藥性提升，沙門氏菌 (Salmonellaenterica) 是在全球常見的腸胃道感染菌種，若是感染沙門氏菌會有急性腸胃炎的症狀產生，在世界衛生組織 (World Health Organization, WHO) 的報告中提到每年在世界各國都有大量的沙門氏菌感染確診個數，多個研究顯示許多沙門氏菌已經對多個抗生素產生抗藥性。目前國際上在生物資訊領域越來越多使用全基因體定序(Whole-genome-sequencing, WGS) 資料分析的研究，使得全基因體定序資料應用的領域越來越廣，在細菌抗藥性的研究中也會透過全基因體定序了解菌種的基因片段資訊，並從基因片段資訊中得到細菌與抗生素的關聯性。本研究以國內蒐集的 321 筆沙門氏菌菌株全基因體資料與 24 個抗生素對各菌株的最小抑制濃度 (Minimum inhibitory concentration, MIC) 來建構機器學習模型，以全基因體資料萃取的特徵預測 MIC 值，利用訓練資料建立針對各抗生素的 24 個隨機森林 (Random Forest) 模型，並進行獨立測試結果得到預測 MIC 值的平均誤差為 0.919，並且將 MIC 值與國際上抗藥性閾值比較，判斷菌株是否具有抗藥性的平均正確率達 90%以上，也與國際上現行的抗藥性分析方法比較並且有更好的表現;為了使模型能夠應用於實務上，達到快速且有效判斷菌株是否具有抗藥性預測，將計量特徵轉換為二元特徵並且找出少數重要的特徵重新建立模型，也有很好的預測表現，最後藉由兩種資料的模型重要特徵找出共同影響多種抗生素抗藥性的 183 個重要基因。 Due to the antibiotic abuse problem, the antimicrobial resistance of various pathogenic bacteria has increased in recent years. Salmonella is a species commonly found in the gastrointestinal tract. The WHO report mentioned that there are a large number of people confirmed Salmonella infections around the world every year. Some research indicated that Salmonella has developed resistance to antibiotics. Whole-genome sequencing is a trend in bioinformatics, especially in the research of microbial drug resistance. In this study, we developed machine learning models for predicting antimicrobial resistance based on the whole-genome sequencing data of Salmonella. The independent test results showed an average accuracy rate of over 90%. Models were also used to explore the important gene fragments that affect the antimicrobial resistance of Salmonella. In addition, we compared the developed models with state- of-the-art methods and showed a superior performance of our method. In order to enable the model to be applied in practice and to quickly and effectively determine whether the strain has resistance or not, we converted the measurement features into binary features and further identified important features to retrain the model. The retrained model also has a good predictive performance. Finally, the important features of the models identify 183 important genes that affect multiple antibiotics resistance.
描述:	碩士指導教授：童俊維委員：王家琪委員：張詠淳
資料類型:	thesis
顯示於類別:	[大數據科技及管理研究所] 博碩士論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	181	檢視/開啟

檢視Licence

在TMUIR中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....