通过将牛奶样本中微生物的基因测序和分析与人工智能(AI)相结合，研究人员能够检测牛奶生产中的异常情况，例如污染或未经授权的添加剂。宾夕法尼亚州立大学、康奈尔大学和IBM研究院的研究作者表示，这种新方法有助于提高乳制品的安全性。

在mSystems上发表的研究成果中，研究人员报告称，利用散弹枪宏基因组学数据和人工智能，他们能够检测到通过实验随机添加到他们收集的散装牛奶样本中的抗生素处理过的牛奶。

为了验证他们的发现，研究人员还将他们的可解释人工智能工具应用于公开的、来自大量牛奶样本的基因测序数据集，进一步证明了非针对性方法的稳健性。

“这是一项概念验证研究，”该研究的负责人、宾夕法尼亚州立大学农业科学学院食品动物微生物组助理教授埃里卡·甘达(ErikaGanda)说。

“我们可以查看生牛奶中的微生物数据，并利用人工智能查看存在的微生物是否具有某些特征，例如它是巴氏灭菌前、巴氏灭菌后产生的，还是来自接受过抗生素治疗的奶牛。”

研究人员收集了58个散装牛奶样本，并应用各种AI算法来区分基线样本和代表潜在异常的样本，例如来自外部农场的牛奶或含有抗生素的牛奶。

这项研究对生牛奶宏基因组(样本中许多单个微生物的基因组集合)进行了比迄今为止任何其他已发表的研究更高的测序深度，并证明了在样本中发现一组稳定的共识微生物。

甘达解释说，这项研究的结果表明，人工智能有可能显著提高对食品生产异常的检测能力，从而可以提供一种更全面的方法，添加到科学家确保食品安全的工具包中。

“传统的微生物测序数据分析，例如alpha和beta多样性指标和聚类，在区分基线样本和异常样本方面并不那么有效，”她说。“然而，人工智能的整合可以准确地分类和识别与异常相关的微生物驱动因素。”

该研究的第一作者、IBM研究部高级研究员克里斯汀·贝克(KristenBeck)表示，微生物系统和食品供应链是人工智能的理想应用，因为微生物之间的相互作用复杂而动态。

“食品供应链中还有许多变量会影响我们想要观察的信号，”她说。“人工智能可以帮助我们从噪音中分离出信号。”

甘达指出，尽管这项研究的重点是乳制品生产，但它对更广泛的食品行业也有影响。他补充说，之所以选择牛奶作为模型，是因为它是生产液态奶的唯一原料——液态奶是一种产量很大的食品，人们相当担心存在欺诈行为，尤其是在发展中国家。

甘达解释说，食品质量和安全问题会通过供应链产生连锁反应，造成严重的健康和经济损失，因此人们对采用针对性和非针对性的方法来识别那些存在较高食品欺诈、食品质量和食品安全问题风险的成分或食品产品有着浓厚的兴趣。

她说：“非靶向方法表征所有可识别的分子，以识别偏离被认为是正常或在控制之下的‘基线状态’的成分或产品。”

“重要的是，这些非针对性的方法是一种筛选方法，它不会将某种成分或产品定义为不安全或掺假，而是表明与正常状态的异常，应引发后续行动或调查。”

甘达指出，这项独特的研究合作充分利用了每个合作伙伴的优势。它采用了IBM的开源AI技术——用于组学的自动可解释AI，以处理大量的宏基因组数据，或从散装牛奶样本中的所有微生物中分离和分析的所有核苷酸序列，从而能够识别传统方法经常会遗漏的微生物特征。

康奈尔大学研究人员在乳制品科学方面的专业知识提升了这项研究的实际意义及其对乳制品行业的适用性，而宾夕法尼亚州立大学哈克生命科学研究所的“一个健康微生物组中心”在整合微生物数据以用于更广泛的健康和安全应用方面发挥了关键作用。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：