Секвенирование ДНК в сочетании с искусственным интеллектом может обнаружить аномалии, которые сигнализируют о проблемах в молочном производстве, сообщают исследователи
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. Новый подход может помочь повысить безопасность молочных продуктов, по словам авторов исследования из Университета штата Пенсильвания, Корнеллского университета и IBM Research.
В результатах, опубликованных сегодня (10 октября) в mSystems, журнале Американского общества микробиологии, исследователи сообщили, что с помощью данных метагеномики дробовика и ИИ им удалось обнаружить обработанное антибиотиками молоко, которое было экспериментально и случайным образом добавлено в собранные ими образцы молока из цистерн. Для подтверждения своих результатов исследователи также применили свой объяснимый инструмент ИИ к общедоступным, генетически секвенированным наборам данных из образцов молока, что еще раз продемонстрировало надежность нецелевого подхода.
«Это было исследование, подтверждающее концепцию», — сказала руководитель исследования Эрика Ганда, доцент кафедры микробиомов пищевых животных в сельскохозяйственном колледже Пенсильванского государственного университета. «Мы можем изучить данные по микробам в сыром молоке и, используя искусственный интеллект, увидеть, проявляют ли присутствующие микробы такие характеристики, как предпастеризованное, постпастеризованное молоко или полученное от коровы, которую лечили антибиотиками».
Исследователи собрали 58 образцов молока из цистерн и применили различные алгоритмы ИИ для дифференциации базовых образцов и тех, которые представляют потенциальные аномалии, такие как молоко с внешней фермы или молоко, содержащее антибиотики. Это исследование охарактеризовало метагеномы сырого молока — коллекции геномов многих отдельных микробов в образце — с большей глубиной секвенирования, чем любая другая опубликованная работа на сегодняшний день, и продемонстрировало, что существует набор консенсусных микробов, которые, как было обнаружено, являются стабильными элементами во всех образцах.
Ганда пояснил, 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», — сказала она. «Однако интеграция ИИ позволила провести точную классификацию и идентификацию микробных драйверов, связанных с аномалиями».
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», — сказала она. «ИИ может помочь нам отделить сигнал от шума».
Ганда отметил, что, хотя это исследование сосредоточено на производстве молочных продуктов, оно имеет значение для всей пищевой промышленности, добавив, что 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 пояснил, 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 могут быть идентифицированы для определения ингредиентов или продуктов, которые отклоняются от „базового состояния“, которое считалось бы нормальным или находящимся под контролем», — сказала она. «Важно, 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 инициировать последующие действия или расследования».
Ганда отметил, что уникальное исследовательское сотрудничество использовало сильные стороны каждого партнера. 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 образцах молока, что позволило идентифицировать микробные сигнатуры, которые традиционные методы часто могут упустить. Опыт исследователей из Корнелла в области молочной науки повысил практическую значимость исследования и его применимость в молочной промышленности, в то время как Центр микробиома One Health Microbiome Center в Институте наук о жизни им. Хака сыграл решающую роль в интеграции микробных данных для более широких приложений в области здравоохранения и безопасности.
В исследовании также приняли участие Ниина Хайминен, Акшай Агарвал, Анна Паола Карриери, Мэтью Мэджвик, Дженнифер Келли и Бан Кавас из IBM Research; Виктор Пилро из Федерального университета Лавраса, Бразилия; и Мартин Видманн из Корнелльского университета.
Министерство сельского хозяйства США поддержало эту работу через Университет штата Пенсильвания.
Фото с сайта https://www.ferra.ru/
