Machine learning classification of microbial community compositions to predict anthropogenic pollutants in the Baltic Sea Janßen, René , 1986- (VerfasserIn) Labrenz, Matthias , 1966- (AkademischeR BetreuerIn) Amann, Rudolf , 1961- (AkademischeR BetreuerIn) Probst, Alexander (AkademischeR BetreuerIn) Techtmann, Stephen (AkademischeR BetreuerIn) Universität Rostock (Grad-verleihende Institution) Universität Rostock Mathematisch-Naturwissenschaftliche Fakultät (Grad-verleihende Institution) Text theses Text Hochschulschrift 2020 2020 eng electronic resourceremoteComputermedienOnline-Ressource1 Online-Ressource Microbial communities react rapidly and specifically to changing environments, indicating distinct microbial fingerprints for a given environmental state. Machine learning with community data predicted the Baltic Sea-detected pollutants glyphosate and 2,4,6-trinitrotoluene, using the developed R package “phyloseq2ML”. Predictions by Random Forest and Artificial Neural Network were accurate. Relevant taxa were identified. The interpretability of machine learning models was found of particular importance. Microbial communities predicted even minor influencing factors in complex environments.<eng> Mikrobielle Gemeinschaften reagieren schnell und spezifisch auf sich ändernde Umgebungen und können somit bestimmte Umweltzustände anzeigen. Maschinelles Lernen mit Gemeinschaftsdaten sagte die Ostsee-präsenten Schadstoffe Glyphosat und 2,4,6-Trinitrotoluol voraus, wobei das entwickelte R-Paket "phyloseq2ML" verwendet wurde. Die Vorhersagen durch Random Forest und Artificial Neural Network waren genau. Relevante Taxa wurden identifiziert. Die Interpretierbarkeit der Modelle erwies sich als essentiell. Mikrobielle Gemeinschaften sagten selbst geringe Einflüsse in komplexen Umgebungen voraus.<ger> vorgelegt von René Janßen Enthält Zeitschriftenartikel GutachterInnen: Matthias Labrenz (Leibniz-Institut für Ostseeforschung Warnemünde) ; Rudolf Amann (Max-Planck-Institut für Marine Mikrobiologie) ; Alexander Probst (Universität Duisburg-Essen) ; Stephen Techtmann (Michigan Technological University) Dissertation Universität Rostock 2020 Kumulative Dissertation 004 570 570 WF 2000 42.94 42.13 http://purl.uni-rostock.de/rosdok/id00002897 https://doi.org/10.18453/rosdok_id00002897 https://nbn-resolving.org/urn:nbn:de:gbv:28-rosdok_id00002897-8 https://d-nb.info/1293662267/34 Machine learning classification of microbial community compositions to predict anthropogenic pollutants in the Baltic Sea--(DE-627)1745259260 urn:nbn:de:gbv:28-rosdok_id00002897-8 doi: 10.18453/rosdok_id00002897 oclc: 1231547837 ppn: (DE-627)1744741417