Kuantum makine öğrenmesiyle mikobakteri tuberculosis patojeninin antibiyotik direncinin tahmin edilmesi

Abstract

Antibiyotiklerin gereksiz kullanımı, bakterilerin zamanla antibiyotiklere karşı direnç geliştirmesine yol açmaktadır. Mevcut antibiyotiklerin etkinliği tedavi süreçlerinde azalabilmekte ve hatta tamamen etkisiz hale gelebilmektedir. Hastalığın hangi antibiyotiğe direnç gösterdiği, geleneksel olarak kültürleme tekniğiyle tespit edilmekte, ancak bu yöntemle tedavi sürecinde hastaya katkı sağlamayan antibiyotiklerin verilme olasılığı bulunmaktadır. Bu durumda, makine öğrenmesi tabanlı antibiyotik direnci tahmin yöntemleri, daha hızlı ve doğru bir şekilde direnç profili belirleyerek, hastaların tedavi süresince etkili ve uygun antibiyotikler almasına yardımcı olabilir. Gelişen teknoloji sayesinde, hızlı bir şekilde bakterilerin nükleotid dizilimleri belirlenebilmekte ve ardından protein dizilimi algoritmalarıyla genler ayrıştırılabilmektedir. Bu genetik yapı elde edildikten sonra, makine öğrenmesi teknikleri kullanılarak bakterinin antibiyotik direnci tahmin edilebilmektedir. Yapılan bu çalışmada verem hastalığına sebep olan Mikobakteri Tuberculosis patojeninin antibiyotik direncini tahmin etmek için kuantum vektör destek makine öğrenme ve varyasyonel kuantum devreleri makine öğrenme yöntemleri kullanılmıştır. Bu iki makine öğrenme yöntemi mevcut kuantum simülatörlerinde simüle edilip karşılaştırılmıştır.

Unnecessary use of antibiotics causes bacteria to develop resistance to antibiotics over time. The effectiveness of current antibiotics can decrease and even become completely ineffective in treatment processes. The determination of which antibiotic the disease is resistant to is traditionally detected through culturing techniques, but there is a possibility of prescribing antibiotics that do not contribute to the patient's treatment process with this method. In such cases, machine learning-based antibiotic resistance prediction methods can assist in identifying resistance profiles more quickly and accurately, helping patients receive effective and appropriate antibiotics throughout their treatment period. Thanks to advancing technology, the nucleotide sequences of bacteria can be rapidly determined, followed by the separation of genes using protein sequence algorithms. Once this genetic structure is obtained, machine learning techniques can be used to predict the antibiotic resistance of the bacterium.In this study, quantum vector support machine learning and variational quantum circuits machine learning methods were used to predict the antibiotic resistance of Mycobacterium tuberculosis, the pathogen causing tuberculosis. These two machine learning methods were simulated in quantum simulators and compared.