Forscher verfolgen 73% von US -Salmonellenkoffern auf Hühnchen und Gemüse

Ein modernes Genommodell zeigt, wo Ihr Salmonellenrisiko wirklich liegt-wenn Sie Hühnchen und Gemüse als Hauptquellen und die Umgestaltung der Erkrankung von Lebensmitteln verändern.

In einer kürzlich im Journal veröffentlichten Studie Aufkommende InfektionskrankheitenEine Gruppe von Forschern verwendete Genomsequenzierung und maschinelles Lernen, um die primären Lebensmittelquellen zu bestimmen, die Menschen verursachen Salmonellen Infektionen in den Vereinigten Staaten (USA).

Hintergrund

Jährlich, Salmonella enterica Infektionen führen zu ungefähr 1,35 Millionen Krankheiten, die zu erheblichen Krankenhausaufenthalten in den USA führen. Gemeinsame Quellen sind kontaminierte Nahrung, Wasser, Tiere, Boden und infizierte Personen. Serotypen wie Enteritidis und Typhimurium können zahlreiche Wirte infizieren, während andere wie Dublin hauptsächlich Rinder betreffen. Traditionelle Methoden führen nur etwa 5% der Fälle bekannte Ausbrüche zu, sodass die meisten Krankheiten nicht mehr sind. Frühere Ansätze stützten sich auf begrenzte Labortechniken, aber mit der Einführung der Sequenzierung des gesamten Genoms (WGS) ein klareres Bild von Salmonellen Übertragungswege können entstehen. Verbesserte Zuschreibungsmodelle sind entscheidend für die Verfeinerung von Vorschriften zur Lebensmittelsicherheit und vorbeugenden Maßnahmen und betonen die Notwendigkeit einer fortschrittlichen Forschung mit fortgeschrittenen genomischen Technologien.

Über die Studie

Forscher haben einen Datensatz von 18.661 zusammengestellt Salmonellen Isolate aus Lebensmittel- und Tierproben, die im Nationalen Zentrum für Biotechnologieinformationen (NCBI) erhältlich sind und durch Metadaten der US-Regierungsbehörden, einschließlich der Food and Drug Administration (FDA), erweitert wurden, der US-amerikanischen Sicherheits- und Inspektionsservice (CDC) und Zentren für Krankheitskontrolle (CDC). Die Isolate wurden in 15 verschiedene Lebensmittelgruppen, mit Ausnahme von Mischquellenproben, kategorisiert. Aufgrund eines Überschusses an Hühnerisolaten wurden 50% zufällig ausgewählt, um den Datensatz auszugleichen, und die inverse Klassengewichtung wurde zu weiteren korrekten Ungleichgewichten angewendet. Obwohl das Modell global verwendet wurde Salmonellen Isolate, 76% stammten aus den Vereinigten Staaten und machten es allgemein repräsentativ für häusliche Nahrungsquellen.

Für menschliche Infektionen 6.470 Salmonellen Isolate mit unbekannten Infektionsquellen und keine internationale Reisegeschichte wurden aus dem aktiven Überwachungsnetzwerk (FoodNet) mit Lebensmittelkrankheiten gesammelt, das zwischen 2014 und 2017 etwa 15% der US -Bevölkerung abdeckte.

Das Forschungsteam stellte genetische Daten mithilfe von Spadesoftware zusammen und verwendete Multilocus-Sequenz-Typisierung des gesamten Genoms (WGMLST), um sowohl von Lebensmitteln abgeleitete als auch von menschlichen Isolaten zu charakterisieren. Die Serotyp -Identifizierung verwendete das SEQSERO2 -Tool. Ein Algorithmus des zufälligen maschinellen Lernens aus dem Wald, der Daten mit zahlreichen genetischen Markern klassifiziert, wurde auf Isolaten mit bekannten Quellen geschult. Das Modell wurde auf Genauigkeit unter Verwendung von Kreuzvalidierung und Permutation bewertet, um die informativsten genomischen Marker zu identifizieren. Das Modell erreichte eine maximale Genauigkeit unter Verwendung einer Untergruppe von 7.360 genetischen Loci, wodurch der Wert hochdimensionaler genomischer Daten für Klassifizierungsaufgaben verstärkt wurde. Das optimierte Modell prognostizierte Infektionsquellen für menschliche Fälle mit einer Wahrscheinlichkeit von> 50% und führte ungewöhnliche Fälle auf unbekannte Quellen zurück.

Studienergebnisse

Das zufällige Waldmodell, das auf Genomdaten aus 18.661 Lebensmitteln und tierischen Isolaten, identifiziertem Hühnchen (31%), Gemüse (13%), Truthahn (12%) und Schweinefleisch (11%) ausgebildet wurde Salmonellen Quellen. Am häufigsten Salmonellen Serotypen waren Kentucky, Typhimurium, Enteritidis und Heidelberg.

Das Modell wurde auf menschliche Infektionen angewendet und analysierte 6.470 Fälle und führte 34% der Krankheiten auf Hühnchen und 30% auf Gemüse zurück, was fast zwei Drittel der Infektionen ausmacht. Wenn Unsicherheit berücksichtigt wurde (Wahrscheinlichkeiten <50%), blieben etwa 44% der Fälle nicht klassifiziert. Ohne unsichere Fälle führte das Modell 46% der Infektionen auf Hühnchen und 27% auf Gemüse zurück, was zusammen rund 73% der bestätigten Quellen ausmacht.

Anders Salmonellen Serotypen zeigten unterschiedliche Quellassoziationen. Hühnchen wurde besonders mit Serotypen Enteritidis, Typhimurium, Heidelberg und Infantis verbunden, während Gemüse hauptsächlich mit Javiana und Newport verbunden war. Schweinefleisch wurde als dominierende Quelle für Serotyp Salmonella enterica 4,[5]12: i: – (STM).

Der Prozentsatz der Salmonellen -Isolate, die von bekannten Einzelquellen -Lebensmitteln in den USA und anderen Ländern von 2003 bis 2018 (verwendet als Trainingsdaten im Zufallswaldmodell) nach Lebensmittelkategorie (n = 18.661, einschließlich 613 Isolate vor 2003) gesammelt wurden.

Die Genauigkeit des Modells war stark, insbesondere bei der Identifizierung von Hühnchen (97%Genauigkeit), Gemüse (82%), Truthahn (88%), Schweinefleisch (83%) und Rindfleisch (77%). Es kämpfte jedoch mit weniger häufigen Quellen wie Milch und Spiel. Erhöhung der Anzahl der genomischen Loci, die eine verbesserte Genauigkeit verwendete, bestätigte die Wirksamkeit von WGs und maschinellem Lernen für die Quellenzuordnung.

Im Vergleich zu früheren Studien mit Ausbrüchen zeigte diese Analyse Hühnchen als eine weitaus umfassendere Quelle von Salmonellen Infektionen, die unterschiedliche Risikoprofile zwischen sporadischen Infektionen und Ausbrüchen widerspiegeln. Wichtig ist, dass Vorhersagen gut mit bekannten epidemiologischen Daten übereinstimmen und die reale Anwendbarkeit des Modells bestätigen.

Diese Ergebnisse unterstreichen die Notwendigkeit gezielter Interventionen und Richtlinien, die sich auf Geflügel und frische Produkte konzentrieren, was für die Verringerung der entscheidenden Salmonellen Belastung im Bereich der öffentlichen Gesundheit. Angesichts der Tatsache, dass viele Infektionen unberührt bleiben, könnten die Erweiterung des Datensatzes mit vielfältigeren nicht-chicken-Isolaten und zusätzlichen Nicht-Lebensmittelquellen wie Umwelt- und Wildtierproben die Genauigkeit weiter verbessern. Die regionalen Einschränkungen von FoodNet-Daten und Variationen des Verhaltens im Gesundheitswesen legen auch nahe, dass eine breitere landesweite Datenerfassung erforderlich ist.

Schlussfolgerungen

Zusammenfassend zeigte diese Studie die Wirksamkeit von WGs in Kombination mit einem Algorithmus für zufälliges maschinelles Lernen, um die Nahrungsquellen von genau zu identifizieren Salmonellen Infektionen in den USA. Hühnchen und Gemüse zeigten sich als Hauptversorgungsberater und verstärkte die Bedeutung gezielter regulatorischer und öffentlicher Gesundheitsstrategien. Dieser genomische Ansatz bietet signifikante Verbesserungen gegenüber traditionellen Methoden und bietet detaillierte Erkenntnisse, die für die Lebensmittelsicherheitspolitik, die routinemäßige Überwachung und das Ausbruchmanagement von entscheidender Bedeutung sind. Fortsetzung der Forschung sollte eine breitere Stichprobenvielfalt integrieren, die geografische Repräsentation erweitern und Nicht-Lebensmittelquellen einbeziehen, um die Präzision des Modells weiter zu stärken, was dem öffentlichen Gesundheitsbemühungen dagegen zugute kommt Salmonellen.

Quellen: