Ein team von Wissenschaftlern unter der Leitung von Forschern an der University of Georgia Zentrum für Lebensmittelsicherheit in Griffin entwickelt hat, eine Maschine-learning-Ansatz dazu führen könnte, dass schnellere Identifikation der Tier Quelle von bestimmten Salmonella-Ausbrüche.
In die Forschung, veröffentlicht in der Januar 2019 Problem von auftretenden Infektionskrankheiten, Xiangyu Deng und seine Kollegen mehr als tausend Genome zur Vorhersage der tierischen Quellen, vor allem Vieh, von Salmonella Typhimurium.
Deng, ein Assistent professor für Lebensmittel-Mikrobiologie in der Mitte, und Shaokang Zhang, Postdoktorand mit dem center, der das Projekt leitete, zu denen auch Experten der Centers for Disease Control and Prevention, die US-amerikanische Food and Drug Administration, die Minnesota-Abteilung der Gesundheit und des Translational Genomics Research Institute.
Nach dem Lebensmittelbedingten Krankheitsausbruch-Surveillance-System, knapp 3.000 Ausbrüche von lebensmittelbedingten Erkrankungen gemeldet wurden in den USA von 2009 bis 2015. Diejenigen, 900-oder 30 Prozent-wurden durch verschiedene Serotypen von Salmonellen, einschließlich Typhimurium, Deng sagte.
„Wir hatten mindestens drei Ausbrüche von Typhimuirum, oder seiner engen Variante, im Jahr 2018. Diese Ausbrüche wurden mit Hühner -, Hähnchen-Salat und getrockneten Kokosnuss,“ sagte er. „Es gibt mehr als 2.600 Serotypen von Salmonella, Typhimurium und ist nur einer von Ihnen, aber seit den 1960er Jahren, etwa ein Viertel der Salmonellen-Isolate verbunden mit Ausbrüchen berichtet, die US-nationalen surveillance werden Typhimurium.“
Die Forscher trainierten die „Maschine“ ein Random Forest-Algorithmus genannt, mit mehr als 1.300 S. Typhimurium Genome mit bekannten Quellen. Nach dem training, die „Maschine“ gelernt, wie man Vorhersagen, dass bestimmte Tierische Quellen von S. Typhimurium Genome.
Für diese Studie nutzten die Wissenschaftler Salmonella Typhimurium Genome von drei großen surveillance-und monitoring-Programmen: dem PulseNet CDC-Netzwerk; die FDA GenomeTrakr Datenbank mit Quellen in den Vereinigten Staaten, Europa, Südamerika, Asien und Afrika; und Einzelhandel Fleisch-Isolaten von der FDA arm der National Antimicrobial Resistance Monitoring System.
„Mit so vielen genomen, maschinelles lernen ist eine Natürliche Wahl, um alle diese Daten.
Wir haben dieses große Sammlung von Typhimurium Genome, wie das training bauen die Klassifizierer“, sagte Deng wer erhielt die UGA das Kreative Forschen-Medaille im Jahr 2017 für seine Arbeit in diesem Bereich. „Die Klassifizierer Vorhersage der Quelle des Typhimurium-Isolat mit der Befragung von tausenden der genetischen Merkmale, Ihr Genom.“
Insgesamt ist das system sagte Voraus, die Tierische Quelle des S. Typhimurium mit 83 Prozent Genauigkeit. Die Einstufung erfolgt am besten in der Vorhersage von Geflügel und Schweinen Quellen, gefolgt von Rind-und wild-Vogel-Quellen. Die Maschine erkennt auch, ob seine Vorhersage ist präzise oder unpräzise. Wenn die Vorhersage war präzise, die Maschine wurde genau über 92 Prozent der Zeit, Deng sagte.
„Wir retrospektiv analysiert acht der wichtigsten Zoonose-Ausbrüche, die aufgetreten sind in den USA von 1998 bis 2013“, sagte er. „Der Systematik zugeschrieben sieben von Ihnen, um die richtige Tierhaltung Quelle.“
Deng sagt das tool an Ihre Grenzen; es kann nicht Vorhersagen, Meeresfrüchte als eine Quelle und es ist die Schwierigkeit der Vorhersage der Salmonella-Stämme, die „springen um unter den verschiedenen Tieren.“
„Ich würde diesen Ansatz nennen ein proof-of-concept. Es wird besser, da mehr Genome aus verschiedenen Quellen verfügbar werden“, sagte er.
In tweets über die Studie, Frank Yiannas, der stellvertretende Direktor der FDA, genannt der Maschine das lernen der gesamten Genom-Sequenzen-Projekt „eine neue ära von smarter Lebensmittelsicherheit und Epidemiologie.“
Um die Durchschnittliche person, den Erfolg dieses Projekts bedeutet Stämmen von Salmonella Typhimurium konnte zurückverfolgt werden, um die Quelle schneller. Identifizieren was sind die Ursachen einer lebensmittelbedingten Krankheit ist der Schlüssel zu stoppen und die Verhinderung weiterer Erkrankungen.
„Mit unserer Methode können die Ermittler die bessere Verknüpfung Fällen von der gleichen Ausbruch und die bessere übereinstimmung mit Isolaten aus Lebensmitteln oder Lebensmittel-Verarbeitung-Umgebungen Isolaten aus den Kranken Menschen“, sagte er. „Dadurch erhalten die Ermittler mehr Vertrauen zu implizieren eine bestimmte Quelle, die hinter dem Ausbruch.“