COVID-19 patogenezinin moleküler düzeyde tanımlanması ve tahmini için spektrokimyasal ve açıklanabilir yapay aekâ yaklaşımlarının birlikte değerlendirilmesi

Abstract

Bu tez çalışması, ATR-FTIR spektroskopisi ile spektrokimyasal ve açıklanabilir yapay zekâ (AYZ) yaklaşımlarının birleştirilmesiyle COVID-19 hastalarındaki moleküler değişiklikleri ve hastalık ilerlemesini incelemektedir. Entübe hastalardan (EC), hastane hizmetleri alan hastalardan (SC) ve iyileşen hastalardan (PC) alınan kan serumu örnekleri, olası spektrokimyasal serum biyobelirteçlerini belirlemek amacıyla analiz edilmiştir. Lipid, protein, nükleik asit konsantrasyonları ve IgG glikozilasyonu gibi spektrokimyasal parametreler kantifize edilerek hastalık şiddetini yansıtan önemli değişiklikler ortaya konmuştur. Özellikle, EC hastalarında SC ve PC gruplarına kıyasla artmış lipid içeriği, değişmiş protein konsantrasyonları ve artırılmış protein fosforilasyonu gözlemlenmiştir. Serum AGR (Albümin/Globulin Oranı) indeksi hasta grupları arasında belirgin farklılık göstermekte olup COVID-19 şiddeti için hızlı bir biyokimyasal belirteç olma potansiyeli taşımaktadır. Buna ek olarak, IgG glikozilasyonu ve glukoz konsantrasyonlarındaki değişikliklerin hastalık şiddeti ile ilişkili olduğu tespit edilmiştir. Ayrıca ağır hasta gruplarının (EC ve SC) serum IgG, IgM ve IgA antikor seviyelerinde PC gruba göre artış gözlemlenmiştir. Spektral analiz, EC hastalarında gözlemlenen belirgin değişikliklerle nükleik asit konsantrasyonlarını gösteren spesifik bantları vurgulamaktadır. AYZ teknikleri, COVID-19'un etkisinin heterojenliğini vurgulamakta ve hasta kategorileri arasında hastalık şiddetini tahmin etmede çeşitli spektral özelliklerin önemini daha belirgin hale getirmektedir. Genel olarak, bu kapsamlı yaklaşım COVID-19 patogenezinin altında yatan moleküler mekanizmalara dair önemli içgörüler sunmakta ve karar alma süreçlerine ve hasta yönetimine yardımcı olmak amacıyla şeffaf ve yorumlanabilir bir tahmin algoritması önerilmektedir.

This thesis study explores the molecular alterations and disease progression in COVID-19 patients using ATR-FTIR spectroscopy combined with spectrochemical and explainable artificial intelligence (XAI) approaches. Blood serum samples from intubated patients (IC), those receiving hospital services (SC), and recovered patients (PC) were analyzed to identify potential spectrochemical serum biomarkers. Spectrochemical parameters such as lipid, protein, nucleic acid concentrations, and IgG glycosylation were quantified, revealing significant alterations indicative of disease severity. Notably, increased lipid content, altered protein concentrations, and enhanced protein phosphorylation were observed in IC patients compared to SC and PC groups. The serum AGR (Albumin/Globulin Ratio) index demonstrated a distinct shift among patient groups, suggesting its potential as a rapid biochemical marker for COVID-19 severity. Additionally, alterations in IgG glycosylation and glucose concentrations were associated with disease severity. Additionally, an increase in serum IgG, IgM, and IgA antibody levels was observed in the severely ill patient groups (EC and SC) compared to the PC group. Spectral analysis highlighted specific bands indicative of nucleic acid concentrations, with notable changes observed in IC patients. XAI techniques further elucidated the importance of various spectral features in predicting disease severity across patient categories, emphasizing the heterogeneity of COVID-19's impact. Overall, this comprehensive approach provides insights into the molecular mechanisms underlying COVID-19 pathogenesis and offers a transparent and interpretable prediction algorithm to aid decision-making and patient management.