Limites humanos em Aprendizado de Máquina: Predição de fenótipos de plantas usando dados do microbioma do solo

Resumo A preservação da saúde do solo é um desafio crítico no século XXI devido ao seu impacto significativo na agricultura, saúde humana e biodiversidade. Fornecemos a primeira investigação profunda do potencial preditivo de modelos de aprendizado de máquina para entender as conexões entre solo e fenótipos biológicos. Investigamos uma estrutura integrativa realizando a predição precisa de fenótipos de plantas por aprendizado de máquina a partir de propriedades biológicas, químicas e físicas do solo via dois modelos: random forest e rede neural bayesiana. Demonstramos que a predição melhora quando se incorporam características ambientais como propriedades físico-químicas do solo e densidade populacional microbiana nos modelos, além da informação do microbioma. A exploração de várias estratégias de pré-processamento de dados confirma o impacto significativo das decisões humanas no desempenho preditivo. Mostramos que a normalização ingênua por soma total (total sum scaling), comumente usada em pesquisas de microbioma, não é a estratégia ótima para maximizar o poder preditivo. Também constatamos que rótulos definidos com precisão são mais importantes do que normalização, nível taxonômico ou características do modelo. Em casos onde humanos não conseguem classificar amostras com precisão, o desempenho do modelo de aprendizado de máquina é limitado. Por fim, fornecemos aos cientistas do domínio uma árvore de decisão completa para seleção de modelo, a fim de identificar as escolhas humanas que otimizam o poder preditivo do modelo.