Al combinar la secuenciación genética y el análisis de microbios en muestras de leche con inteligencia artificial (IA), los investigadores pueden detectar anomalías en la producción de leche, como contaminación o aditivos no autorizados. Según los autores del estudio de Penn State, la Universidad de Cornell e IBM Research, el nuevo método podría ayudar a mejorar la seguridad de los lácteos.
En resultados publicados mSistemasEn una revista de la Sociedad Estadounidense de Microbiología, los investigadores informaron que utilizando datos de metagenómica e inteligencia artificial, pudieron identificar leche tratada con antibióticos que se agregó de manera experimental y aleatoria a muestras de leche de tanque a granel que recolectaron. Para validar sus hallazgos, los investigadores aplicaron su herramienta de inteligencia artificial interpretable a conjuntos de datos secuenciados genéticamente disponibles públicamente a partir de muestras de leche a granel, lo que demuestra la solidez de un enfoque menos dirigido.
“Este fue un estudio de prueba de concepto”, dijo la líder del estudio Erica Ganda, profesora asistente de microbioma animal alimentario en la Facultad de Ciencias Agrícolas de Penn State. “Podemos observar los datos sobre los microbios en la leche cruda y usar inteligencia artificial para ver si los microbios presentes presentan características tales como si provienen de pre-pasteurización, post-pasteurización o de vacas tratadas con antibióticos”.
Los investigadores recolectaron 58 muestras de leche de tanque a granel y aplicaron varios algoritmos de IA para distinguir entre muestras de referencia y aquellas que representan anomalías potenciales, como leche de fuera de granjas o leche que contiene antibióticos. Este estudio caracterizó el metagenoma de la leche cruda (la colección de genomas de muchos microbios individuales dentro de una muestra) con una profundidad de secuenciación mayor que cualquier otro trabajo publicado hasta la fecha y demostró que se encontró un conjunto de microbios de consenso como un componente estable en todas las muestras.
Los resultados de la investigación sugieren que la IA tiene el potencial de mejorar significativamente la detección de anomalías en la producción de alimentos, proporcionando métodos más completos que pueden agregarse a los conjuntos de herramientas de los científicos para garantizar la seguridad alimentaria, explicó Gonda.
“Los análisis tradicionales de datos de secuenciación microbiana, como las métricas de diversidad alfa y beta y la agrupación, no fueron tan efectivos para distinguir entre muestras basales y anormales”, dijo. “Sin embargo, la integración de la IA permitió una clasificación e identificación precisas de los impulsores microbianos asociados con anomalías”.
Los sistemas microbianos y las cadenas de suministro de alimentos son una aplicación ideal para la IA porque las interacciones entre los microbios son complejas y dinámicas, según Kristen Beck, investigadora científica senior de IBM Research.
“Hay muchas variables en la cadena de suministro de alimentos que afectan la señal que estamos tratando de observar”, dijo. “La IA puede ayudarnos a separar la señal del ruido”.
Si bien la investigación tiene implicaciones para la industria alimentaria en general, centrándose en la producción láctea, Ganda señaló que se eligió la leche como modelo porque es el único ingrediente utilizado para producir leche líquida, un alimento de gran volumen por el que existe una preocupación considerable. . Fraude, especialmente en los países en desarrollo.
Los problemas de calidad e inocuidad de los alimentos pueden afectar la cadena de suministro y causar importantes pérdidas sanitarias y económicas, explicó Ganda, por lo que existe un interés considerable en aplicar métodos tanto específicos como no específicos para identificar ingredientes o productos alimenticios que representan un riesgo alimentario. Cuestiones relacionadas con fraude, calidad y seguridad alimentaria.
“Los métodos no dirigidos identifican todas las moléculas que se pueden detectar para identificar componentes o productos que se desvían del ‘estado inicial’ que se consideraría normal o bajo control”, dijo. “Es importante destacar que estos métodos no dirigidos son métodos de detección que no definen un ingrediente o producto como inseguro o adulterado, sino que sugieren una desviación de las condiciones normales que desencadenará acciones o investigaciones de seguimiento”.
Esta colaboración de investigación única aprovecha las fortalezas de cada socio, señaló Ganda. Esto incluye la tecnología de inteligencia artificial de código abierto de IBM, Automated Interpretive AI for Omics, para procesar grandes cantidades de datos metagenómicos o aislar y analizar todas las secuencias de nucleótidos de todos los microbios en muestras de leche a granel, lo que permite la identificación de firmas microbianas que a menudo se utilizan con métodos tradicionales. . May Miss La experiencia de los investigadores de Cornell en la ciencia láctea ha mejorado la relevancia práctica de la investigación y su aplicabilidad a la industria láctea, mientras que el Centro One Health Microbiome de Penn State en los Institutos Huck para las Ciencias de la Vida ha sido fundamental en la integración de datos microbianos para un análisis más amplio. salud. Aplicaciones de seguridad.
También contribuyen a la investigación Nina Hyminen, Akshay Aggarwal, Anna Paula Carriri, Matthew Madgwick, Jennifer Kelly y Ban Kawas, IBM Research; Victor Pilro, Universidad Federal de Lavras, Brasil; y Martin Widmann, Universidad de Cornell.
El Departamento de Agricultura de Estados Unidos apoyó este trabajo a través de Penn State.