Rendimiento de modelos machine learning en la identificación de especies microbianas causales

Abstract

[ES] El estudio del microbioma ha generado interés en el campo de la mejora genética debido a su influencia sobre caracteres clave en producción animal. Es por ello que es muy importante estudiar cómo el microbioma de los individuos afecta a la varianza fenotípica de estos caracteres e influye en su respuesta a la selección. Sin embargo, aunque hay estudios que consideran que la contribución del microbioma es similar a la del genoma, todavía estamos bastante lejos de descifrarlo. La herencia del microbioma es compleja y se ve influenciada por múltiples factores, ya que en sí podría considerarse como otro fenotipo del animal. Todavía no se ha establecido cuál es la mejor metodología para identificar aquellas especies bacterianas que influyen directamente sobre el fenotipo del animal. El uso de datos de simulación podría ayudar a determinar cuál de todas las metodologías propuestas en la literatura es la óptima. El objetivo de este estudio es evaluar el rendimiento de diversos modelos de aprendizaje automático para identificar las especies microbianas con efecto en el fenotipo, así como evaluar su capacidad predictiva. Para ello se usarán datos del microbioma simulados con simuGMsel, una herramienta (basada en AlphaSimR) que permite simular la evolución del microbioma y el genoma de una población bajo selección.

[EN] The study of microbiome has raised interest in the genetic improvement field due to its influence over key traits in animal production. As such, it is important to study the effects of an individual s microbiome on the traits phenotypic variance and how it affects the response to selection. However, even though there are studies that consider that microbiome contribution is similar to genome contribution, we are still far from deciphering it. Microbiome heritability is complex, as it is influenced by multiple factors, and it could even be considered as another phenotypic trait by itself. It has not yet been established which methodology performs best to identify which bacterial species inluence the animal s phenotype directly. The use of simulated data may help determine which literature-proposed methodology is the most optimal. The goal of this study is to evaluate the performance of various machine learning models to identify bacterial species that affect the phenotype, as well as their predictive capacity. This evaluation will be conducted by the use of simulated data using SimuGMSel, a tool (based on AlphaSimR) that allows the simulation of microbiome and genome evolution in a population under divergent selection.