利用台灣雞肉分切廠分離的多重抗藥性細菌株建構機器學習分類模型
學生姓名:
楊天瑋
指導教授:
林泓廷
學期:
112下
摘 要:
大腸桿菌是一種共生菌，具有引起多種腸道和非腸道疾病的能力，因其具有干擾重要細胞過程的毒力因子。這些細菌還具有極大的抗藥性基因傳播能力，有時甚至將這些基因傳播給親緣關係較遠的細菌，對全球公共衛生構成額外的威脅。本研究的目標在於充分運用MALDI-TOF質譜儀快速分析能力，對從台灣雞隻分切場分離出的抗藥性大腸桿菌分離株進行質譜分析，收集資料建構分類模型來檢測抗藥性。我們使用質譜儀在質量範圍 1 至 20 kDa的線性模式下收集質譜資訊。因為培養環境以及試劑都會影響質譜資料，經過實驗比對後。確定使用 Mueller-Hinton Broth 培養菌株，並使用乙腈 50%、水 47.5%、三氟乙酸 2.5%這比例做為基質溶劑使用。以利於使用質譜資訊進行分類模型建構。收集好質譜資料後使用 ClinProTools 以及Python建構多種分類模型，ClinProTools 建構的模型作為後續比對使用。根據不同演算法使用 Python 建構了7種分類模型。依據準確度、接收者操作特徵曲線下面積 (Area Under the Receiver Operating Characteristic Curve, AUROC)以及精確召回曲線下面積 (Area Under the Precision-Recall Curve, AUPRC)等指標，選擇表現最佳的隨機森林進行後續優化。使用特徵遞迴消除法 (Recursive feature elimination, RFE)得出使用四個特徵進行訓練分類模型較佳，接著使用網格搜尋找出適合參數來進一步優化分類模型。最後對優化好的分類模型進行交叉驗證，本篇最低的分類模型交叉準確率仍有66%，依舊表現出不錯的分類能力。
楊天瑋.pdf