Растущие знания об экологии микроорганизмов в пищевых продуктах, связанные с качеством и безопасностью, и установленная полезность алгоритмов машинного обучения для обнаружения аномалий в различных сценариях позволяют предположить, что применение данных о микробиоме в системах производства продуктов питания для обнаружения аномалий может быть ценным подходом для использования в пищевых системах. Эти методы могут применяться для идентификации ингредиентов, которые отклоняются от своего типичного микробного состава, что может указывать на мошенничество с продуктами питания или проблемы безопасности. Объединив генетическое секвенирование и анализ микробов в образце молока с искусственным интеллектом (ИИ), исследователи смогли обнаружить аномалии в производстве молока, такие как загрязнение или неразрешенные добавки.
Исследование, выполненное учеными из Университета штата Пенсильвания, Корнелльского университета и IBM Research, показывает, как новый подход может помочь повысить безопасность молочных продуктов, сообщает Джефф Малхоллем в релизе Университет штата Пенсильвания.
В статье, опубликованной в mSystems, исследователи сообщили, что с помощью данных метагеномики Shotgun и искусственного интеллекта им удалось обнаружить обработанное антибиотиками молоко, которое экспериментально и случайным образом добавлялось в собранные ими образцы молока из цистерн.
Для подтверждения своих результатов ученые также применили свой инструмент искусственного интеллекта к общедоступным генетически секвенированным наборам данных из массовых образцов молока, что еще раз продемонстрировало надежность новаторского подхода.
«Это было исследование, подтверждающее концепцию, - сказала руководитель исследования Эрика Ганда, доцент кафедры микробиомов пищевых животных в Колледже сельскохозяйственных наук Университета штата Пенсильвания. - Мы можем изучить данные о микробах в сыром молоке и, используя искусственный интеллект, увидеть, проявляют ли присутствующие микробы определенные характеристики, как то, были ли они получены до пастеризации, после пастеризации или от коровы, которую лечили антибиотиками».
Исследователи собрали 58 образцов молока из цистерн и применили различные алгоритмы искусственного интеллекта, чтобы отличить исходные образцы от тех, которые представляют потенциальные аномалии, например, молоко, содержащее антибиотики.
В этом исследовании были охарактеризованы метагеномы сырого молока - коллекции геномов многих отдельных микробов в образце - с большей глубиной секвенирования, чем в любой другой опубликованной на сегодняшний день работе, и продемонстрировано, что существует набор консенсусных микробов, которые, как установлено, являются стабильными элементами во всех образцах.
Ганда пояснила, что результаты исследования свидетельствуют о том, что ИИ может значительно улучшить обнаружение аномалий в производстве продуктов питания, предоставив более комплексный метод, который можно добавить в арсенал ученых для обеспечения безопасности пищевых продуктов.
«Традиционный анализ данных микробного секвенирования, такой как показатели альфа- и бета-разнообразия и кластеризация, не был столь эффективен в дифференциации исходных и аномальных образцов. Однако интеграция ИИ позволила провести точную классификацию и идентификацию микробных драйверов, связанных с аномалиями», отмечает ученый.
По словам первого автора исследования Кристен Бек, старшего научного сотрудника IBM Research, микробные системы и цепочка поставок продуктов питания являются идеальным приложением для ИИ, поскольку взаимодействия между микробами сложны и динамичны.
«В цепочке поставок продовольствия также есть множество переменных, которые влияют на сигнал, который мы пытаемся наблюдать. ИИ может помочь нам отделить сигнал от шума», - говорит Бек.
Ганда отметила, что, хотя это исследование сосредоточено на производстве молочных продуктов, оно имеет значение для более широкой пищевой промышленности, а молоко было выбрано в качестве модели, поскольку это единственный ингредиент, используемый для производства жидкого молока - продукта питания в больших объемах, вызывающего значительную озабоченность в плане мошенничества, особенно в развивающихся странах.
Ганда объяснила, что проблемы с качеством и безопасностью пищевых продуктов могут иметь цепную реакцию по всей цепочке поставок, нанося существенный ущерб здоровью и экономике, поэтому существует значительный интерес к применению как целевых, так и нецелевых методов для выявления ингредиентов или продуктов питания, которые демонстрируют повышенный риск мошенничества, а также проблем с качеством и безопасностью пищевых продуктов.
«Нецелевые методы характеризуют все молекулы, которые можно идентифицировать, чтобы определить ингредиенты или продукты, отклоняющиеся от «базового состояния», которое можно было бы считать нормальным или находящимся под контролем. Важно отметить, что эти нецелевые методы являются методами скрининга, которые не определяют ингредиент или продукт как небезопасный или фальсифицированный, а скорее предполагают отклонение от нормального состояния, которое должно повлечь за собой последующие действия или расследования», - добавила она.
Уникальное исследовательское сотрудничество использовало сильные стороны каждого партнера, подчеркнула Ганда. Оно включало технологию искусственного интеллекта с открытым исходным кодом IBM, Automated Explainable AI for Omics, для обработки огромных объемов метагеномных данных или всех нуклеотидных последовательностей, выделенных и проанализированных из всех микробов в массовых образцах молока, что позволяет идентифицировать микробные сигнатуры, которые традиционные методы часто пропускают.
Опыт исследователей из Корнелльского университета в области молочной науки повысил практическую значимость исследования и его применимость в молочной промышленности, в то время как Центр микробиома One Health при Институте наук о жизни имени Хака из Университета штата Пенсильвания сыграл решающую роль в интеграции микробиологических данных для более широкого применения в области охраны здоровья и безопасности.
