Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los científicos desarrollan el máquina-aprendizaje de la aproximación para determinar la fuente de salmonelas

Las personas de los científicos llevados por los investigadores en la universidad del centro de Georgia para la seguridad alimentaria en grifo han desarrollado una aproximación de máquina-aprendizaje que podría llevar a una identificación más rápida de la fuente animal de ciertos brotes de las salmonelas.

En la investigación, publicada en la aplicación de enero de 2019 enfermedades infecciosas emergentes, Xiangyu Deng y sus colegas utilizaron más que mil genomas para predecir las fuentes animales, especialmente ganado, de las salmonelas Typhimurium.

Deng, profesor adjunto de la microbiología de la comida en el centro, y Shaokang Zhang, socio postdoctoral con el centro, llevaron el proyecto, que también incluyó a los expertos de los centros para el control y prevención de enfermedades, los E.E.U.U. Food and Drug Administration, el departamento de Minnesota de la salud y del instituto de investigación de translación de la genómica.

Según el sistema de vigilancia del brote de la enfermedad transmitida por los alimentos, cerca de 3.000 brotes de enfermedad producida por los alimentos fueron denunciados en los E.E.U.U. a partir de 2009 a 2015. De ésos, 900 -- o el 30 por ciento -- fueron causados por diversos serotipar de salmonelas, incluyendo Typhimurium, Deng dijo.

“Teníamos por lo menos tres brotes de Typhimuirum, o su variante cercana, en 2018. Estos brotes fueron conectados al pollo, la ensalada de pollo y secó el coco,” él dijo. “Hay más de 2.600 serotipar de salmonelas, y Typhimurium es apenas uno de ellas, pero desde los años 60, alrededor de un cuarto de aislantes de las salmonelas conectados a los brotes denunciados a la vigilancia nacional de los E.E.U.U. es Typhimurium.”

Los investigadores entrenaron a la “máquina,” un algoritmo llamado Random Forest, con más de 1.300 genomas de S. Typhimurium con fuentes sabidas. Después del entrenamiento, la “máquina” aprendió cómo predecir ciertas fuentes animales de los genomas de S. Typhimurium.

Para este estudio, los científicos utilizaron los genomas Typhimurium de las salmonelas a partir de tres programas importantes de la vigilancia y de supervisión: la red de PulseNet de la CDC; la base de datos de GenomeTrakr del FDA de fuentes en los Estados Unidos, la Europa, la Suramérica, la Asia y la África; y aislantes al por menor de la carne de la arma del FDA del sistema de vigilancia antimicrobiano nacional de la resistencia.

“Con tan muchos genomas, el aprendizaje de máquina es una opción natural a ocuparse de todos estos datos.

Utilizamos esta colección grande de genomas Typhimurium como el equipo del entrenamiento para construir el clasificador,” dijo a Deng que fue concedido la medalla creativa de la investigación de UGA en 2017 para su trabajo en esta área. “El clasificador predice la fuente del aislante Typhimurium por millares de interrogación de características genéticas de su genoma.”

Total, el sistema predijo la fuente animal del S. Typhimurium con el 83 por ciento de exactitud. El clasificador se realizó mejor en las fuentes de las aves de corral que predecían y de los cerdos, seguidas por fuentes bovinas y salvajes del pájaro. La máquina también descubre si su predicción es exacta o imprecisa. Cuando la predicción era exacta, la máquina era el cerca de 92 por ciento exacto del tiempo, Deng dijo.

“Analizábamos retrospectivo ocho de los brotes zoonóticos mayores que ocurrieron en los E.E.U.U. a partir de 1998 a 2013,” él dijimos. “El clasificador atribuyó siete de ellos a la fuente correcta del ganado.”

Deng dice que la herramienta tiene limitaciones; no puede predecir los mariscos pues una fuente y ella tiene deformaciones de las salmonelas de la dificultad que predicen que “salte alrededor entre diversos animales.”

“Llamaría esta aproximación una prueba del concepto. Lo conseguirá mejor como más genomas de diversas fuentes están disponibles,” dijo.

En píos sobre el estudio, Frank Yiannas, vicedirector del FDA, llamó el aprendizaje de máquina del proyecto entero de las series del genoma “una nueva era de una seguridad alimentaria y de una epidemiología más elegantes.”

A la persona media, el éxito de este proyecto significa que las deformaciones de las salmonelas Typhimurium se podrían rastrear a la fuente más rápidamente. Determinando qué causas es dominante un brote de la enfermedad producida por los alimentos a pararlo y a prevenir otras enfermedades.

“Usando nuestro método, investigadores puede mejorar casos del eslabón del mismo brote y mejores aislantes del fósforo de ambientes de la comida o de la transformación de los alimentos a los aislantes de la gente enferma,” él dijo. “Esto dará a investigadores más confianza para implicar una fuente específica que esté detrás del brote.”.