Klasifikasi fragmen metagenome menggunakan oblique decision tree dengan optimasi algoritme genetika

Abstract

Analisis metagenome merupakan salah satu bidang kajian bioinformatika yang penting. Bidang ini terkait dengan analisis sampel genom yang diambil langsung dari lingkungan. Tujuan penelitian ini adalah melakukan klasifikasi fragmen metagenom ke dalam tingkat taksonomi genus menggunakan oblique decision tree yang dioptimasi dengan algoritme genetika. Proses ekstraksi ciri dilakukan dengan menggunakan frekuensi 2-mers, 3-mers, dan 4-mers. Proses klasifikasi diawali dengan membuat model berupa pohon keputusan menggunakan data latih dari 10 organisme yang termasuk ke dalam 3 genus. Dari penelitan yang dilakukan diperoleh pohon keputusan yang dapat digunakan untuk mengklasifikasikan fragmen metagenome baru ke dalam genus yang relevan. Evaluasi dilakukan dengan mengukur akurasi dari model klasifikasi. Model klasifikasi yang dihasilkan dengan metode ini kemudian dibandingkan dengan model yang dihasilkan dengan metode Naïve Bayes dan didapatkan bahwa model yang dihasilkan oleh metode oblique decision tree menghasilkan tingkat akurasi yang lebih baik dibandingkan metode Naïve Bayes, yaitu untuk fitur 3-mers dengan panjang fragmen 0.5 Kbp sampai dengan 10 Kbp metode oblique decision tree menghasilkan rata-rata akurasi 93.06%, sedangkan metode Naïve Bayes memperoleh rata-rata akurasi 89.11%. Dari percobaan menggunakan beberapa jenis fitur didapatkan bahwa semakin tinggi nilai k untuk k-mers maka semakin tinggi rata-rata akurasi yang dihasilkan, dengan fitur 4-mers menghasilkan rata-rata akurasi tertinggi dan fitur 2-mers menghasilkan rata-rata akurasi terendah. Dari penggunaan beberapa jenis panjang fragmen didapatkan bahwa semakin panjang fragmen yang digunakan maka semakin tinggi hasil akurasi yang didapatkan

Metagenome analysis is one of the most important bioinformatics field. This field is related to genome sample which is taken directly from environment. The purpose of this research is to classify metagenome fragment into genus taxonomic level using oblique decision tree that optimized by genetic algorithm. Feature extraction is performed using 2-mers, 3-mers, and 4-mers frequencies. Classification process is conducted by creating model as a decision tree using the training data of 10 organisms that belong to 3 different genus. From the research conducted, obtained decision tree that could be used to classify new metagenome fragments to the relevant genus. Evaluation is conducted by measuring the accuracy of the classification model. Classification model that generated by this method were then compared to the classification model by Naïve Bayes method and from the experiment, model by oblique decision tree obtained higher accuracy than the model of Naïve Bayes, there for the 3-mers feature with 0.5 Kbp to 10 Kbp fragment length oblique decision tree acquired 93.06% accuracy, and for Naïve Bayes method acquired 89.11% accuracy. From the experiment that using several types of features it was acquired that higher k value for k-mers will be resulted in better mean accuracy, with the 4-mers feature acquired highest mean accuracy and 2-mers feature acquired lowest mean accuracy. From using different fragment length it was acquired that the longer the fragment that used resulted in higher accuracy.