Ученые используют машинное обучение для борьбы с устойчивостью к антибиотикам на птицефермах
Ученые использовали машинное обучение для поиска новых способов выявления и определения болезней на птицефермах. Это поможет сократить потребность в лечении антибиотиками и снизить риск передачи устойчивости к ним (AMR) человеческим популяциям.
Исследование, опубликованное в The ISME Journal, возглавила доктор Тания Дотторини из Школы ветеринарной медицины и науки и Future Food Beacon Ноттингемского университета.
Быстрый рост производства птицы для удовлетворения растущего спроса в Китае привел к обширному и бесконтрольному использованию антибиотиков. Это вызвало тревожный рост случаев AMR у животных, который потенциально может передаваться людям через прямой контакт, загрязнение окружающей среды и потребление пищи.
Поскольку устойчивость к антибиотикам стала одной из самых угрожающих проблем в мире, эффективная и быстрая диагностика бактериальных инфекций в птицеводстве может снизить потребность в антибиотиках, что уменьшит масштабы эпидемий и AMR.
В этом проекте исследователи из Ноттингема собрали образцы от животных, людей и окружающей среды на китайской ферме и связанной с ней бойне. Эти сложные "большие" данные были проанализированы для поиска новых диагностических биомаркеров, которые позволят прогнозировать и обнаруживать бактериальную инфекцию, возникновение AMR и его передачу людям. Это, в свою очередь, позволит проводить раннее вмешательство и лечение, снижая распространение инфекций и потребность в антибиотиках.
Исследование дало три ключевых результата:
Сходство генов устойчивости у кур и людей. В образцах как от людей, так и от бройлерных цыплят были обнаружены несколько схожих клинически значимых генов устойчивости к противомикробным препаратам (ARGs) и связанные с ними мобильные генетические элементы (гены устойчивости, способные перемещаться внутри геномов и между бактериями). В частности, одиннадцать типов клинически важных генов устойчивости с консервативными структурами мобильных ARG были найдены в образцах от разных хозяев.
Доктор Дотторини отметила: "Эти сходства были бы упущены, если бы мы использовали только крупномасштабный обычный сравнительный анализ, который, по сути, показал, что микробиом и резистом различаются в разных средах и хозяевах. В целом, этот вывод говорит о важности применения многоуровневого анализа при изучении сходств и различий резистом и микробиомов в сложных взаимосвязанных средах".
Выявление основного резистома кишечника кур. Разработав подход на основе машинного обучения, который интегрирует метагеномные данные с культуральными методами, команда обнаружила существование основного резистома кишечника цыплят, который коррелирует с циркулирующей на фермах AMR. Эти результаты подтверждают гипотезу о существовании корреляций между фенотипами устойчивости отдельных комменсальных и патогенных бактерий и типами ARG в резистоме, в котором они существуют.
Влияние внешних факторов. Используя технологии сенсоров и машинное обучение, команда выяснила, что основные резистомы, связанные с AMR, сами по себе ассоциированы с различными внешними факторами, такими как температура и влажность.
Доктор Дотторини подчеркнула: "Пищевая промышленность является крупным потребителем антибиотиков, но риски AMR в этих средах до сих пор полностью не изучены. Поэтому крайне важно проводить исследования и разрабатывать усовершенствованные методы, оптимизированные для этих сред, где животные и люди могут находиться в тесном контакте. Точное земледелие, экономичное секвенирование ДНК и более широкое внедрение технологий машинного обучения дают возможность разработать методы, позволяющие лучше понять и количественно оценить риски AMR в сельскохозяйственной среде".