سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Predictive Modeling of Astronaut Skin Microbiome Changes Using Machine Learning on NASA Multi-Omics Data

نویسندگان :

Mahdi Ansari¹ Abolfazl Hajihashemi² Mohammad Rafienia³

1- گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه اصفهان 2- گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه اصفهان 3- دانشگاه علوم پزشکی اصفهان، دانشکده فناوری‌های نوین پزشکی

کلمات کلیدی :

Machine Learning،Microbiome،Spaceflight،Multi-Omics،Logistic Regression،Feature Selection،Biomedical Engineering

چکیده :

This study develops a machine learning framework to classify spaceflight-induced changes in the astronaut skin microbiome. Using multi-omics data from NASA’s GLDS-566 and OSD-574 datasets (Inspiration4 mission), we analyzed four pre-flight and four post-flight swab samples. A hybrid feature selection approach identified four key taxonomic features. Four classifiers were evaluated under repeated cross-validation, with Logistic Regression achieving the best performance (accuracy = 0.875, F1 = 0.865). Results demonstrate the potential of machine learning for detecting subtle microbial shifts, enabling predictive biomarkers and supporting precision health strategies for future human space exploration.