Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les scientifiques développent l'approche d'apprentissage automatique pour recenser la source de la salmonelle

Une équipe des scientifiques aboutis par des chercheurs au centre d'Université de Géorgie pour la sécurité alimentaire dans le griffon a développé une approche d'apprentissage automatique qui pourrait mener à une identification plus rapide de la source animale de certaines manifestations de salmonelle.

Dans la recherche, publiée dans l'édition de janvier 2019 des maladies infectieuses apparaissantes, du Xiangyu Deng et de ses collègues a employé plus que mille génomes pour prévoir les sources animales, particulièrement bétail, de salmonella typhimurium.

Deng, un professeur adjoint de la microbiologie de nourriture au centre, et Shaokang Zhang, un associé post-doctoral avec le centre, ont abouti le projet, qui a également compris des experts le centres pour le contrôle et la prévention des maladies, des États-Unis Food and Drug Administration, le ministère de la santé du Minnesota et l'institut de recherches génomique de translation.

Selon le système de surveillance d'origine alimentaire d'épidémie, de près de 3.000 manifestations de maladie d'origine alimentaire étaient rapportés aux États-Unis à partir de 2009 à 2015. De ceux, 900 -- ou 30 pour cent -- ont été provoqués par différents sérotypes de la salmonelle, y compris typhimurium, Deng a dit.

« Nous avons eu au moins trois manifestations de Typhimuirum, ou sa variante proche, en 2018. Ces manifestations ont été liées au poulet, la salade de poulet et a séché la noix de coco, » il a dit. « Il y a plus de 2.600 sérotypes de salmonelle, et typhimurium est juste un d'entre elles, mais depuis les années 1960, environ un quart d'isolats de salmonelle liés aux manifestations rapportées au contrôle national des États-Unis sont typhimurium. »

Les chercheurs ont formé la « machine, » un algorithme Random Forest appelé, avec plus de 1.300 génomes de S. Typhimurium avec des sources connues. Après la formation, la « machine » a appris comment prévoir certaines sources animales des génomes de S. Typhimurium.

Pour cette étude, les scientifiques ont employé des génomes de salmonella typhimurium de trois programmes importants de contrôle et de contrôle : le réseau de PulseNet de la CDC ; la base de données de GenomeTrakr de FDA des sources les Etats-Unis, en l'Europe, l'Amérique du Sud, l'Asie et Afrique ; et isolats au détail de viande de l'arme de FDA du système de contrôle national de résistance antimicrobienne.

« Avec tant de génomes, apprentissage automatique est un choix naturel à traiter toutes ces caractéristiques.

Nous avons employé cette grande collection de génomes typhimurium comme le jeu de formation pour établir le classificateur, » a dit Deng qui a été attribué la médaille créative de recherches d'UGA en 2017 pour son travail dans cet endroit. « Le classificateur prévoit la source de l'isolat typhimurium par des milliers de interrogation de caractères génétiques de son génome. »

De façon générale, le système a prévu la source animale de S. Typhimurium avec 83 pour cent d'exactitude. Le classificateur s'est comporté le plus bien dans des sources de prévision de volaille et de porcs, suivies des sources bovines et sauvages d'oiseau. La machine trouve également si sa prévision est précise ou imprécise. Quand la prévision était précise, la machine était des environ 92 pour cent précis du temps, Deng a dit.

« Nous avons rétrospectivement analysé huit des manifestations zoonotiques principales qui se sont produites aux États-Unis à partir de 1998 à 2013, » il avons dit. « Le classificateur a attribué sept d'entre eux à la source correcte de bétail. »

Deng dit que l'outil a des limitations ; il ne peut pas prévoir des fruits de mer car une source et lui a les tensions de prévision de salmonelle de difficulté que « sautez autour parmi différents animaux. »

« J'appellerais cette approche une validation de principe. Il l'obtiendra mieux comme plus de génomes des sources variées deviennent procurables, » a dit.

Dans les gazouillements au sujet de l'étude, Frank Yiannas, directeur adjoint de la FDA, appelé l'apprentissage automatique du génome entier ordonnance le projet « une ère neuve d'une sécurité alimentaire et d'une épidémiologie plus sèches. »

À la personne ordinaire, la réussite de ce projet signifie que des tensions de salmonella typhimurium pourraient être tracées de nouveau à la source plus rapidement. Recensant quelles causes une manifestation de maladie d'origine alimentaire est principale à l'arrêter et à éviter d'autres maladies.

« Suivre notre méthode, chercheurs peut améliorer des cas de tige de la même manifestation et de meilleurs isolats de correspondance des environnements de nourriture ou de transformation des produits alimentaires aux isolats des gens malades, » il a dit. « Ceci donnera à des chercheurs plus de confiance pour impliquer une source spécifique qui est derrière la manifestation. ».