Mikrobiyomu klinik kararlara taşımak istediğinizde, ilk sorunuz şudur: “Bu sonuçlara gerçekten ne kadar güvenebilirim?”
Bu yazı, MassBiome’un hastalık risk analizinin arkasındaki bilimsel ve istatistiksel zemini hekimlere anlaşılır biçimde anlatmak için hazırlandı. Ticari sır niteliğindeki teknik detaylara girmeden, hangi güvenilirlik kriterlerine baktığımızı ve bu kriterleri nasıl test ettiğimizi paylaşacağız.
1. MassBiome Ne Yapar, Ne Yapmaz?
Önce sınırları netleştirelim:
- MassBiome bir tanı testi değildir.
- Bağırsak mikrobiyotasını tür düzeyinde (species level) profilleyerek, bu profili;
- Sağlıklı bireyler ve
- Belirli hastalık tanısı almış on binlerce bireyin mikrobiyom verisiyle
karşılaştırır.
- Çıktı olarak; 22’den fazla hastalık için mikrobiyal benzerlik/uzaklık oranları üretir:
- “Hastalığa yatkınlık” (mikrobiyom profili, o hastalık fenotipine ne kadar benziyor?)
- “Korunma” (mikrobiyom profili, o fenotipten ne kadar uzak?)
Yani MassBiome, hekime şu tür bir cümleyi güvenle kurma zemini sağlar:
“Bu sonuçlar hastalığınız olduğunu göstermiyor; fakat bağırsak mikrobiyomunuz, X hastalığı tanısı almış bireylerin mikrobiyomuna şu oranda benziyor/benzemiyor. Bu bizim için ek bir risk/potansiyel koruma göstergesi.”
2. Ham VERİDEN GÜVENİLİR MİKROBİYOM PROFİLİNE
Klinik yorumun güvenilir olabilmesi için, önce “ölçtüğümüz şeyin” güvenilir olması gerekir. Burada iki temel mesele var:
- Ne ölçüyoruz?
– Dışkı örneğinden izole edilen DNA üzerinden bağırsak bakterilerinin 16S rRNA genini.
– Sadece V3–V4 gibi kısa bir bölge değil, yaklaşık 1500 bp’lik tam 16S (V1–V9) bölgesi. - Nasıl ölçüyoruz?
– Oxford Nanopore uzun okuma teknolojisi ile,
– Tür düzeyinde daha yüksek çözünürlük sağlayan bir yaklaşım kullanıyoruz.
Bu süreçte izlenen başlıca kalite adımları:
- Saklama ve stabilite:
- Massive Bioinformatics’in geliştirdiği koruyucu solüsyonla, oda sıcaklığında 4 haftaya kadar bakteri dağılımı bozulmadan korunabildiği, stabilite testleri ile gösterildi.
- DNA izolasyon bias’ı:
- Farklı ticari kitler test edilerek, hem DNA verimi hem de mikrobiyal dağılımda yarattığı sapma açısından en iyi performans veren kit standardize edildi.
- Dizileme derinliği (read sayısı):
- “Rarefaction” analizleri ile, 10.000 okuma seviyesinden sonra tür çeşitliliğinin doygunluğa ulaştığı ve fazladan okumanın klinik anlamı kayda değer değiştirmediği gösterildi. Bu nedenle MassBiome protokolü, örnek başına en az 10.000 kaliteli 16S okumasını hedefler.
- Taksonomik atama ve bias azaltma:
- 16S rRNA geni, farklı türlerde farklı kopya sayısına sahip olabilir. Bu, ham sayımların yanıltıcı olmasına yol açar. MassBiome, tür düzeyinde bolluk hesaplarını 16S kopya sayısına göre normalize eder, yani “hangi bakteriden gerçekten ne kadar var?” sorusuna daha gerçekçi yanıt vermeye çalışır.
Sonuç: Hekimin eline geçen mikrobiyom profili, teknik olarak mümkün olan en az bias’lı ve tür düzeyinde çözünürlüğü yüksek bir “başlangıç noktasıdır”.
3. Hastalık RİSK ANALİZİ İçin Kullanılan VERİ TEMELİ
Bir testin klinik anlamı, dayandığı veri tabanının gücüyle doğru orantılıdır. MassBiome hastalık risk analizinde:
- On binlerce bireyden oluşan, literatürde yaygın kullanılan uluslararası mikrobiyom veri tabanları ve
- Massive Bioinformatics’in kendi çalışmalarıyla oluşturduğu referans setler kullanılır.
Bu referanslarda;
- Hem sağlıklı bireyler,
- Hem de şu gibi klinik fenotipler yer alır (örnekler):
- Tip 1 ve Tip 2 diyabet
- Obezite, NAFLD
- Crohn, ülseratif kolit, IBS, celiac, GERD
- Adenom, kolorektal kanser, mide neoplazmları
- Parkinson, Alzheimer
- Depresyon, ADHD, REM Uykusu Davranış Bozukluğu
- Hashimoto ve diğer otoimmün durumlar
- Clostridium enfeksiyonları gibi özel enfeksiyon tabloları
Her bir birey için:
- Tür düzeyinde mikrobiyal bolluk profili
- İlgili hastalık/sağlıklı etiketi mevcuttur.
Bu yapı, makine öğrenmesi için ideal bir eğitim zemini sağlar.
4. MAKİNE ÖĞRENMESİ MODELLERİ Nasıl DEĞERLENDİRİLİYOR?
Bir hekimin doğal sorusu şudur:
“Bu model, gerçekten doğru sınıflandırma yapıyor mu? Yanılma payı nedir?”
MassBiome, burada klasik istatistik ve makine öğrenmesi dünyasının şeffaf performans metriklerine dayanır. Örneğin:
- Accuracy (Doğruluk):
– Tüm örnekler içinde, doğru sınıflandırılanların oranı. - Precision (Özgüllük benzeri bakış):
– “Bu hastalık var” dediği örneklerin ne kadarında gerçekten o fenotip var? - Recall (Duyarlılık):
– Gerçekten hasta olanların ne kadarını doğru yakalıyor? - F1 skoru:
– Precision ve Recall’un harmonik ortalaması; dengesiz veri setlerinde (hasta/sağlıklı sayısının farklı olduğu durumlarda) önemli bir özet metrik. - R² (Açıklanma oranı):
– Modelin, gözlenen varyansı ne kadar açıkladığını gösteren istatistik.
Örnek performans sevİyelerİ
Her hastalık için tek tek model oluşturulup, bu metrikler hesaplanır. Örnek olarak:
- Ülseratif kolit:
- Doğruluk (Accuracy) ≈ %96
- F1 skoru ≈ %96
- R² ≈ 0.91
- Kolorektal kanser:
- Doğruluk ≈ %97
- F1 skoru ≈ %97
- R² ≈ 0.92
- Tip 2 diyabet:
- Doğruluk ≈ %94
- F1 skoru ≈ %93
- Parkinson hastalığı:
- Doğruluk ≈ %92
- F1 skoru ≈ %91
Bu seviyeler, modelin “rastgele tahmin” yapmadığını, klinik olarak anlamlı bir ayırt edicigücü olduğunu gösterir. Ancak burada kritik nokta şudur:
Bu skorlar, tanı koymak için değil, mikrobiyal benzerlik/uzaklık desenlerini güvenilir şekilde tespit etmek için kullanılır.
MassBiome raporlarında bu nedenle “%X yatkınlık” ifadesi, “%X kesin hastalık” anlamına gelmez;
“Mikrobiyom profiliniz, bu hastalığı taşıyan bireylerin profiline şu kadar benzer” anlamına gelir.
5. “Benzerlİk / Uzaklık” DİLİ Neden Önemlİ?
Klinik olarak:
- Tek bir biyobelirteç veya tek bir testle tanı koymak çoğu zaman mümkün değildir.
- Mikrobiyom analizi, laboratuvar ve klinik tablonun tamamlayıcı bir parçası olmalıdır. (Bkz. Rapor Tanıtımı)
MassBiome bu yüzden rapor dilini özellikle şu çizgide tutar:
- “Aşağıdaki Hastalıkları Taşıyan Bireylerin Mikrobiyom Profilinden Benzerliği”
→ Mikrobiyom deseniniz, bu hastalık profiline yakın; risk/şüphe açısından dikkate değer. - “Mikrobiyom Profilinizin, Aşağıdaki Hastalıkları Taşıyan Bireylerin Mikrobiyom Profilinden Farklılığı”
→ Mikrobiyom deseniniz, bu hastalık profiline uzak; korunma yönünde bir desen olabilir.
Bu yaklaşım hekime şunu yapma imkânı verir:
- Gereksiz alarm üretmeden,
- Var olan klinik tabloya mikrobiyal bir katman eklemek,
- Özellikle kronik ve dirençli vakalarda, “neden bu hasta beklendiği gibi yanıt vermiyor?” sorusuna yeni bir bakış açısı kazandırmak.
6. Patojen ve BİYOBELİRTEÇ Katmanı: Daha Somut KLİNİK Bağlantı
Makine öğrenmesi tabakasına ek olarak MassBiome:
- Patojen bakterileri tür düzeyinde tarar.
- Örneğin, Klebsiella pneumoniae veya Clostridium perfringens %1’in üzerinde saptandığında raporda açıkça belirtilir ve ilgili branşa (örn. gastroenteroloji, enfeksiyon hastalıkları) yönlendirme önerisi yapılır.
- Biyobelirteç bakteriler için referans aralıklar kullanır:
- Akkermansia muciniphila, Faecalibacterium prausnitzii, Parabacteroides distasonis, Bacteroides fragilis, Fusobacterium nucleatum vb.
- Bu bakteriler; obezite, insülin direnci, inflamatuvar bağırsak hastalıkları, mukozal bariyer bütünlüğü ve metabolik sağlıkla ilişkili olarak literatürde yer alır.
Bu iki katman, hekim için daha klasik bir klinik okuma zemini sağlar:
“Şu tür bakteriniz, sağlıklı referans aralığın altında/üstünde ve bu, literatürde şu klinik durumlarla ilişkilendiriliyor.”
7. Sonuç: KLİNİK GÜVENİLİRLİK Nasıl ÖZETLENEBİLİR?
Bir hekim gözüyle baktığınızda, MassBiome’u şöyle düşünebilirsiniz:
- Tür düzeyinde güçlü bir mikrobiyom profili üretir (uzun okuma 16S, normalize bolluklar).
- Bu profili, on binlerce bireyden oluşan sağlıklı/hasta referans veri setleriyle karşılaştırır.
- Doğruluğu yüksek ML Modelleriyle:
- 22+ hastalık için mikrobiyal benzerlik ve uzaklık desenlerini çıkarır.
- Performansını; accuracy, precision, recall, F1, R² gibi klasik ve şeffaf metriklerle değerlendirir.
- Elde ettiği sonuçları:
- Tanı koydurucu değil,
- Risk ve koruyucu desenleri gösteren,
- Tedavi
- Klinik kararları destekleyen bir formatta raporlar.
Son söz:
MassBiome, mikrobiyom verisini “ham bilgi” olmaktan çıkarıp, istatistiksel olarak test edilmiş, klinik açıdan yorumlanabilir bir karar destek katmanı hâline getirir.
Tanıyı hâlâ siz koyarsınız; MassBiome ise, özellikle karmaşık ve kronik vakalarda, “gözden kaçan mikrobiyal resmi” görünür kılmak için yanınızdadır.
EK: Hastalık tAHMİNİ Performansının TEKNİK ÖZETİ (Makro F1 Skorları)
MassBiome Fekal Mikrobiyom Analiz Raporu’nda, hastalık tahmin performansı “Hastalıkların Tahmininde Doğruluk ve Duyarlılık Değerlendirmesi” başlığı altında sunulur. Bu bölümde kullanılan temel metrik Makro F1 skorudur.
Makro F1 skoru, modelin doğruluk ve duyarlılık değerlerinin harmonik ortalamasını alarak, her bir hastalık sınıfı için sınıflandırma başarısını dengeli biçimde gösterir. Böylece hem “hasta” hem “sağlıklı” sınıflar eşit ağırlıkta değerlendirilir; nadir görülen hastalık grupları da göz ardı edilmez.
Raporda, iki ayrı kategori altında hastalıklar ve karşılık gelen Makro F1 skorları listelenir:
1. Hastalık Sayfasında Taranan Hastalıklar
Bu bölümde mikrobiyom profiliyle ilişkilendirilen ve “Hastalıklara Yatkınlık / Korunma” sayfasında raporlanan hastalıkların Makro F1 skorları özetlenir. Örneğin:
- Adenoma – Makro F1 skoru: 0.9528
- Ateroskleroz – Makro F1 skoru: 0.9814
- İrritabl Bağırsak Sendromu (IBS) – Makro F1 skoru: 0.9347
- Otoimmün Hastalıklar – Makro F1 skoru: 0.9468
- Çölyak Hastalığı – Makro F1 skoru: 0.9205
- Clostridium Enfeksiyonları – Makro F1 skoru: 0.9648
- Kolorektal Kanser / Kolon Kanseri – Makro F1 skoru: 0.9713
- Kabızlık – Makro F1 skoru: 0.9409
- (Raporun ilgili sayfasında, diğer taranan hastalıklarla birlikte tam liste tabloda sunulur.)
Bu skorlar, MassBiome’un her bir hastalık için bağırsak mikrobiyomundan elde ettiği sinyali, istatistiksel olarak ne kadar güvenilir yakaladığını gösterir. 0.92–0.99 aralığındaki değerler, modelin dengesiz veri setlerinde dahi sınıfları ayırt etme yeteneğinin yüksek olduğunu ortaya koyar.
2. Ruh Haliniz Sayfasında Taranan Hastalıklar
“Ruh Haliniz” sayfasında ise, bağırsak mikrobiyotasının beyin–bağırsak ekseni üzerinden ilişkili olduğu düşünülen üç durum için Makro F1 skorları paylaşılır:
- REM Uyku Davranışı Bozukluğu – Makro F1 skoru: 0.9375
- Depresyon – Makro F1 skoru: 0.9528
- Dikkat Eksikliği ve Hiperaktivite Bozukluğu (DEHB) – Makro F1 skoru: 0.9349
Bu değerler, ilgili klinik tablolarla ilişkili mikrobiyom desenlerinin, model tarafından istatistiksel olarak ayırt edilebilir düzeyde yakalandığını gösterir; ancak yine altını çizmek gerekir ki, MassBiome bu sonuçları bir tanı aracı olarak değil, risk/profil benzerliği göstergesi olarak hekimlere klinik karar destek mekanizması olarak sunar.