Machine Learning Identification of Microbial Biomarkers for Diagnosis of Replant Status in Ginseng Cultivation : 머신러닝을 이용한 인삼 재배지 연작 상태 진단을 위한 미생물 바이오마커 발굴

국문 초록 (Abstract)

인삼(Panax spp.) 재배는 연작장해의 영향을 크게 받는다. 본 연구는 초작지(First-planted, FP)와 연작지(Replanted, RP)의 구분을 정량 기반 바이오마커 발굴 문제로 설정하고, 16S rRNA 유전자 시퀀싱과 droplet digital PCR(ddPCR)을 결합하여 세균 절대풍부도를 산출하였다. 알파다양성은 두 집단 간 유의한 차이가 없었으며, 베타다양성은 통계적으로 유의하였으나 효과크기가 작아 실질적인 군집 분리는 제한적이었다. 절대 세균량 역시 두 집단 간 차이를 보이지 않았다. 절대풍부도 자료에 대해 MaAsLin3를 적용하여 공변량(농가 효과, 절대풍부도)을 보정하며 후보 특성을 선별하였고, 세 가지 기계학습 분류기(Random Forest, RBF-SVM, XGBoost)의 성능을 비교하였다. 교차검증 결과를 바탕으로 Random Forest를 최종 모델로 선정하였으며, 재귀적 특성 제거를 통해 Thermoactinomyces, Solirubrobacter, Cohnella, Pedomicrobium, Bacillus, Aquicella의 6개 속으로 구성된 분류 패널을 도출하였다. 해당 6-특성 모델은 홀드아웃 테스트에서 AUC 0.79(95% CI 0.64-0.93)의 성능을 나타냈다. SHAP 분석 결과, Bacillus, Aquicella, Pedomicrobium, Cohnella는 RP 예측에 양의 기여를, Solirubrobacter와 Thermoactinomyces는 FP 예측에 기여하는 것으로 해석되었다. 절대정량, 통계적 스크리닝, 그리고 해석 가능한 기계학습 기법을 결합함으로써 FP/RP 판별에 유효한 소수의 지표 미생물군을 제시하였다. 모델의 일반화 가능성 평가를 위해 독립적인 외부 데이터를 이용한 검증이 필요하며, pH, EC, 유기물 함량, 가용성 질소 및 인, 치환성 양이온, CEC, 미량원소 등 토양 화학적 특성과의 통합 분석이 요구된다. 또한 도출된 6개 속에 대한 ddPCR 프라이머를 설계하고, 독립 시료를 대상으로 재현성, 검출한계, 예측성능을 갖춘 ddPCR 기반 진단 모델로의 전환 및 검증 단계가 필요하다.

다국어 초록 (Multilingual Abstract)

Ginseng (Panax spp.) cultivation is strongly limited by replant disease. We framed the distinction between first-planted (FP) and replanted (RP) soils as a quantitative biomarker task by combining 16S rRNA amplicon sequencing with droplet digital PCR (ddPCR) to obtain absolute bacterial abundances. Alpha diversity showed no significant differences; beta-diversity tests were significant but with a small effect size, indicating limited practical separation. Total bacterial load did not differ, pointing to compositional rather than bulk shifts. Absolute-abundance data were screened with MaAsLin3 while adjusting for farm-level effects, and classifiers (random forest, RBF-SVM, XGBoost) were compared. Random forest was retained and, with recursive feature elimination, yielded a six-genus panel - Thermoactinomyces, Solirubrobacter, Cohnella, Pedomicrobium, Bacillus, Aquicella. The six-feature model achieved AUC 0.79 (95% CI 0.64-0.93) on the held-out test set. SHAP indicated positive contributions toward RP for Bacillus, Aquicella, Pedomicrobium, and Cohnella, with Solirubrobacter and Thermoactinomyces associated with FP. Integrating absolute quantification, statistical screening, and gray-box interpretation produced a compact, interpretable set of indicators for FP/RP discrimination. External validation on independent cohorts is required to establish generalizability, and joint analysis with soil chemical properties will clarify links between edaphic chemistry and these microbial markers. In addition, taxon-specific ddPCR primers should be designed for the six genera, and a ddPCR-based diagnostic model should be validated on independent samples for reproducibility, limit of detection, and predictive performance.

목차 (Table of Contents)

• 1. Introduction 1
• 2. Material and methods 5
• 2.1. Site Description and Soil Sampling 5
• 2.2. DNA Extraction and 16S rRNA Gene Sequencing 5
• 2.3. Absolute Quantification via Droplet Digital PCR 6
• 2.4. Microbial Community Analysis and Feature Screening 10
• 2.5. Model Training and Evaluation 10
• 2.6. Statistical Analysis 11
• 3. Results and Discussion 12
• 3.1. Microbiome Community Analysis 12
• 3.2. Biomarker Screening with MaAsLin3 17
• 3.3. Diagnostic Model: Development, Performance, and SHAP Interpretation 19
• 3.3.1 Gray-box Model Comparison 19
• 3.3.2 Feature Selection using RFE and Random Forest Model Retraining 21
• 3.3.3 SHAP Value-based Feature Interpretation 25
• 4. Conclusion 28
• 5. Reference 30
• 6. Abstract 32
• 7. 초 록 34