Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os cientistas desenvolvem a máquina-aprendizagem da aproximação identificar a fonte de salmonelas

Uma equipe dos cientistas conduzidos por pesquisadores no centro da universidade da geórgia para a segurança alimentar no grifo desenvolveu uma aproximação deaprendizagem que poderia conduzir a uma identificação mais rápida da fonte animal de determinadas manifestações das salmonelas.

Na pesquisa, publicada na introdução de janeiro de 2019 de doenças infecciosas emergentes, Xiangyu Deng e seus colegas usaram mais do que mil genomas para prever as fontes animais, especialmente rebanhos animais, de salmonelas Typhimurium.

Deng, um professor adjunto da microbiologia do alimento no centro, e Shaokang Zhang, um associado pos-doctoral com o centro, conduziram o projecto, que igualmente incluiu os peritos dos centros para o controlo e prevenção de enfermidades, os E.U. Food and Drug Administration, o departamento de Minnesota da saúde e do instituto de investigação Translational da genómica.

De acordo com o sistema de vigilância da manifestação da doença Foodborne, perto de 3.000 manifestações de doença foodborne foram relatados nos E.U. desde 2009 até 2015. Daqueles, 900 -- ou 30 por cento -- foram causados por serotypes diferentes das salmonelas, incluir Typhimurium, Deng disse.

“Nós tivemos pelo menos três manifestações de Typhimuirum, ou sua variação próxima, em 2018. Estas manifestações foram ligadas à galinha, a salada de frango e secou o coco,” disse. “Há mais de 2.600 serotypes das salmonelas, e Typhimurium é apenas uma delas, mas desde os anos 60, aproximadamente um quarto dos isolados das salmonelas ligados às manifestações relatadas à fiscalização nacional dos E.U. é Typhimurium.”

Os pesquisadores treinaram a “máquina,” um algoritmo chamado Aleatório Floresta, com mais de 1.300 genomas de S. Typhimurium com fontes conhecidas. Após o treinamento, a “máquina” aprendeu como prever determinadas fontes animais de genomas de S. Typhimurium.

Para este estudo, os cientistas usaram genomas Typhimurium das salmonelas de três fiscalização e programas de monitorização principais: a rede do PulseNet do CDC; a base de dados do GenomeTrakr do FDA das fontes nos Estados Unidos, na Europa, na Ámérica do Sul, na Ásia e na África; e isolados varejos da carne do braço do FDA do sistema de vigilância antimicrobial nacional da resistência.

“Com tão muitos genomas, a aprendizagem de máquina é uma escolha natural a tratar todos estes dados.

Nós usamos esta coleção grande de genomas Typhimurium como o grupo do treinamento para construir o classificador,” disse Deng que foi concedido a medalha criativa da pesquisa de UGA em 2017 para seu trabalho nesta área. “O classificador prevê a fonte do isolado Typhimurium por milhares de interrogação de características genéticas de seu genoma.”

Total, o sistema previu a fonte animal do S. Typhimurium com 83 por cento de precisão. O classificador executou melhor nas fontes de predição das aves domésticas e dos suínos, seguidas por fontes bovinas e selvagens do pássaro. A máquina igualmente detecta se sua previsão é precisa ou imprecisa. Quando a previsão era precisa, a máquina era aproximadamente 92 por cento exacto do tempo, Deng disse.

“Nós analisamos retrospectiva oito das manifestações zoonotic principais que ocorreram nos E.U. desde 1998 até 2013,” ele dissemos. “O classificador atribuiu sete deles à fonte correcta dos rebanhos animais.”

Deng diz que a ferramenta tem limitações; não pode prever o marisco porque uma fonte e têm as tensões de predição das salmonelas da dificuldade que “salte ao redor entre animais diferentes.”

“Eu chamaria esta aproximação uma prova de conceito. Obtê-lo-á melhor como mais genomas das várias fontes se tornam disponíveis,” disse.

Em pia sobre o estudo, Frank Yiannas, director-adjunto do FDA, chamado a aprendizagem de máquina do projecto inteiro das seqüências do genoma “uma era nova de uma segurança alimentar e de uma epidemiologia mais espertas.”

À pessoa média, o sucesso deste projecto significa que as tensões das salmonelas Typhimurium poderiam ser seguidas de volta à fonte mais rapidamente. Identificando que causas uma manifestação da doença foodborne é chave ao parar e a impedir umas doenças mais adicionais.

“Usar nosso método, investigador pode melhorar casos da relação da mesma manifestação e melhores isolados do fósforo dos ambientes do alimento ou da transformação de produtos alimentares aos isolados dos povos doentes,” disse. “Isto dará a investigador mais confiança para implicar uma fonte específica que seja atrás da manifestação.”.