Machine learning classification of microbial community compositions to predict anthropogenic pollutants in the Baltic Sea
Janßen, René
1986-
VerfasserIn
aut
Labrenz, Matthias
1966-
AkademischeR BetreuerIn
dgs
Amann, Rudolf
1961-
AkademischeR BetreuerIn
dgs
Probst, Alexander
AkademischeR BetreuerIn
dgs
Techtmann, Stephen
AkademischeR BetreuerIn
dgs
Universität Rostock
Grad-verleihende Institution
dgg
Universität Rostock
Mathematisch-Naturwissenschaftliche Fakultät
Grad-verleihende Institution
dgg
text
theses
Text
Hochschulschrift
gw
2020
monographic
XA-DE
Rostock
Universität
publisher
2020
Rostock
Universitätsbibliothek
distributor
eng
1 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
Rostock, 2020
Druck-Ausgabe
(DE-627)1745259260
Janßen, René, 1986 -
urn:nbn:de:gbv:28-rosdok_id00002897-8
10.18453/rosdok_id00002897
1231547837
rda
DE-627
210115
1744741417
20251226T191302.0
Converted from MARCXML to MODS version 3.8 using MARC21slim2MODS3-8_XSLT1-0.xsl
(Revision 1.174 20250328)
ger