ИИ расшифровывает микробные сигналы для контроля безопасности молока
Комбинируя генетическое секвенирование и анализ микробов в образце молока с искусственным интеллектом (ИИ), исследователи смогли обнаружить аномалии в производстве молока, такие как загрязнение или несанкционированные добавки. Этот новый подход может помочь повысить безопасность молочной продукции.
В исследовании, опубликованном в mSystems, сообщается, что с помощью данных shotgun метагеномики и ИИ ученые смогли обнаружить молоко от коров, получавших антибиотики, которое было экспериментально и случайным образом добавлено в образцы сборного молока из цистерн.
Для проверки результатов исследователи также применили свой инструмент объяснимого ИИ к общедоступным генетически секвенированным наборам данных образцов сборного молока, что дополнительно продемонстрировало надежность этого ненацеленного подхода.
«Это было исследование для проверки концепции», — сказала ведущий автор Эрика Ганда. — «Мы можем посмотреть на данные о микробах в сыром молоке и, используя искусственный интеллект, увидеть, указывают ли присутствующие микробы на такие характеристики, как предпастеризация, постпастеризация или на то, что корова получала антибиотики».
Исследователи собрали 58 образцов сборного молока и применили различные алгоритмы ИИ для различения базовых образцов и тех, которые представляют потенциальные аномалии, такие как молоко с другой фермы или молоко, содержащее антибиотики.
Это исследование охарактеризовало метагеномы сырого молока с большей глубиной секвенирования, чем любая другая опубликованная работа на сегодняшний день, и показало, что существует набор консенсусных микробов, которые являются стабильными элементами во всех образцах.
«Традиционный анализ данных микробного секвенирования, такие как метрики альфа- и бета-разнообразия и кластеризация, не были столь эффективны в различении базовых и аномальных образцов», — пояснила Ганда. — «Однако интеграция ИИ позволила точно классифицировать и идентифицировать микробные факторы, связанные с аномалиями».
Микробные системы и цепочка поставок продуктов питания являются идеальным приложением для ИИ, поскольку взаимодействия между микробами сложны и динамичны.
«ИИ может помочь нам отделить сигнал от шума», — отметила первый автор Кристен Бек.
Хотя исследование сосредоточено на молочном производстве, оно имеет значение для всей пищевой промышленности. Молоко было выбрано в качестве модели, потому что это единственный ингредиент, используемый для производства питьевого молока — продукта с высоким объемом производства и значительными рисками фальсификации, особенно в развивающихся странах.
«Важно, что эти ненацеленные методы являются скрининговыми. Они не определяют ингредиент или продукт как небезопасный или фальсифицированный, а скорее указывают на отклонение от нормального состояния, которое должно запускать последующие действия или расследования», — подчеркнула Ганда.
Уникальное сотрудничество в исследовании объединило сильные стороны партнеров:
- Технология объяснимого ИИ с открытым исходным кодом от IBM (Automated Explainable AI for Omics) для обработки огромных объемов метагеномных данных.
- Экспертиза исследователей из Корнелла в области молочной науки для практической значимости.
- Роль Центра микробиома One Health в Пенсильванском университете в интеграции микробных данных для более широкого применения в сфере здоровья и безопасности.