Un equipo de científicos dirigido por investigadores del Centro de Seguridad Alimentaria de la Universidad de Georgia en Griffin ha desarrollado un enfoque de aprendizaje automático que podría conducir a una identificación más rápida de la fuente animal de ciertos brotes de Salmonella.
En la investigación, publicada en la edición de enero de 2019 de Enfermedades infecciosas emergentes , Xiangyu Deng y sus colegas usaron más de mil genomas para predecir las fuentes animales, especialmente el ganado, de Salmonella typhimurium .
Deng, profesor asistente de microbiología alimentaria en el centro, y Shaokang Zhang, asociado postdoctoral con el centro, lideraron el proyecto, que también incluyó expertos de los Centros para el Control y la Prevención de Enfermedades, la Administración de Drogas y Alimentos de EE. UU.,Departamento de Salud de Minnesota y el Instituto de Investigación Translacional de Genómica.
Según el Sistema de Vigilancia de Brotes de Enfermedades Transmitidas por los Alimentos, se reportaron cerca de 3,000 brotes de enfermedades transmitidas por los alimentos en los EE. UU. De 2009 a 2015. De ellos, 900, o 30 por ciento, fueron causados por diferentes serotipos de Salmonella, incluido Typhimurium,Dijo Deng.
"Tuvimos al menos tres brotes de Typhimuirum, o su variante cercana, en 2018. Estos brotes estaban relacionados con pollo, ensalada de pollo y coco seco", dijo. "Hay más de 2.600 serotipos de Salmonella, y Typhimurium essolo uno de ellos, pero desde la década de 1960, aproximadamente una cuarta parte de los aislamientos de Salmonella vinculados a brotes reportados a la vigilancia nacional de EE. UU. son Typhimurium ".
Los investigadores entrenaron a la "máquina", un algoritmo llamado Random Forest, con más de 1.300 genomas de S. Typhimurium con fuentes conocidas. Después del entrenamiento, la "máquina" aprendió a predecir ciertas fuentes animales de genomas de S. Typhimurium.
Para este estudio, los científicos utilizaron Salmonella typhimurium genomas de tres programas principales de vigilancia y monitoreo: la red PulseNet de los CDC; la base de datos de fuentes GenomeTrakr de la FDA en los Estados Unidos, Europa, América del Sur, Asia y África; y aislados de carne al por menor del brazo de la FDA del Monitoreo Nacional de Resistencia AntimicrobianaSistema.
"Con tantos genomas, el aprendizaje automático es una opción natural para manejar todos estos datos.
Utilizamos esta gran colección de genomas de Typhimurium como el conjunto de entrenamiento para construir el clasificador ", dijo Deng, quien recibió la Medalla de Investigación Creativa UGA en 2017 por su trabajo en esta área". El clasificador predice la fuente del aislado de Typhimurium porinterrogando a miles de características genéticas de su genoma "
En general, el sistema predijo la fuente animal del S. Typhimurium con una precisión del 83 por ciento. El clasificador se desempeñó mejor en la predicción de fuentes de aves y cerdos, seguido de fuentes de aves bovinas y salvajes. La máquina también detecta si su predicción es precisa o imprecisaCuando la predicción fue precisa, la máquina fue precisa aproximadamente el 92 por ciento de las veces, dijo Deng.
"Analizamos retrospectivamente ocho de los principales brotes zoonóticos que ocurrieron en los Estados Unidos de 1998 a 2013", dijo. "El clasificador atribuyó siete de ellos a la fuente correcta de ganado".
Deng dice que la herramienta tiene limitaciones; no puede predecir los mariscos como fuente y tiene dificultades para predecir cepas de Salmonella que "saltan entre diferentes animales".
"Yo llamaría a este enfoque una prueba de concepto. Mejorará a medida que haya más genomas de varias fuentes disponibles", dijo.
En tuits sobre el estudio, Frank Yiannas, subdirector de la FDA, calificó el proyecto de aprendizaje automático de secuencias de genoma completo como "una nueva era de epidemiología y seguridad alimentaria más inteligente".
Para la persona promedio, el éxito de este proyecto significa tensiones de Salmonella typhimurium podría rastrearse hasta la fuente más rápido. Identificar las causas de un brote de enfermedades transmitidas por los alimentos es clave para detenerlo y prevenir nuevas enfermedades.
"Utilizando nuestro método, los investigadores pueden vincular mejor los casos del mismo brote y hacer coincidir mejor los aislamientos de alimentos o entornos de procesamiento de alimentos con aislamientos de personas enfermas", dijo. "Esto les dará a los investigadores más confianza para implicar una fuente específica que esdetrás del brote "
Fuente de la historia :
Materiales proporcionado por Universidad de Georgia . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :