Raziskovalci izsledijo 73 % primerov salmonele v ZDA pri piščancu in zelenjavi

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Sodoben genomski model kaže, kje je resnično tveganje za salmonelo – če spremenite piščanca in zelenjavo kot glavna vira in preoblikujete bolezen iz hrane. V nedavni študiji, objavljeni v reviji Emerging Infectious Diseases, je skupina raziskovalcev s sekvenciranjem genoma in strojnim učenjem določila primarne vire hrane, ki povzročajo okužbe s salmonelo pri ljudeh v Združenih državah (ZDA). Ozadje Okužbe s Salmonella enterica letno povzročijo približno 1,35 milijona bolezni, ki povzročijo veliko število hospitalizacij v Združenih državah. Pogosti viri so onesnažena hrana, voda, živali, prst in okuženi ljudje. Serotipi, kot sta Enteritidis in Typhimurium, lahko okužijo številne gostitelje, medtem ko drugi, kot je Dublin, večinoma...

Raziskovalci izsledijo 73 % primerov salmonele v ZDA pri piščancu in zelenjavi

Sodoben genomski model kaže, kje je resnično tveganje za salmonelo – če spremenite piščanca in zelenjavo kot glavna vira in preoblikujete bolezen iz hrane.

V študiji, nedavno objavljeni v revijiNastajajoče nalezljive bolezniSkupina raziskovalcev je s sekvenciranjem genoma in strojnim učenjem določila primarne vire hrane, ki povzročajo ljudiSalmonelaOkužbe v Združenih državah (ZDA).

ozadje

letno,Salmonella entericaOkužbe povzročijo približno 1,35 milijona bolezni, ki povzročijo veliko število hospitalizacij v Združenih državah. Pogosti viri so onesnažena hrana, voda, živali, prst in okuženi ljudje. Serotipi, kot sta Enteritidis in Typhimurium, lahko okužijo številne gostitelje, medtem ko drugi, kot je Dublin, prizadenejo predvsem govedo. Tradicionalne metode pripisujejo znane izbruhe le približno 5 % primerov, tako da večine bolezni ni več. Prejšnji pristopi so temeljili na omejenih laboratorijskih tehnikah, vendar z uvedbo sekvenciranja celotnega genoma (WGS) nastaja jasnejša slikaSalmonelaLahko se pojavijo poti prenosa. Izboljšani modeli dodeljevanja so ključnega pomena za izboljšanje predpisov o varnosti hrane in preventivnih ukrepov ter poudarjajo potrebo po naprednih raziskavah z uporabo naprednih genomskih tehnologij.

O študiju

Raziskovalci so zbrali podatkovni niz 18.661SalmonelaIzolati iz vzorcev hrane in živali, ki so na voljo v Nacionalnem centru za biotehnološke informacije (NCBI) in razširjeni z metapodatki vladnih agencij ZDA, vključno z Uradom za hrano in zdravila (FDA), Službo ZDA za varnost in inšpekcijo (CDC) in Centri za nadzor bolezni (CDC). Izolati so bili razvrščeni v 15 različnih skupin živil, razen vzorcev mešanih virov. Zaradi presežka piščančjih izolatov je bilo 50 % naključno izbranih za uravnoteženje nabora podatkov, za nadaljnje popravljanje neravnovesij pa je bilo uporabljeno inverzno uteževanje razreda. Čeprav je bil model uporabljen globalnoSalmonelaizolatov, 76 % prihaja iz Združenih držav, zaradi česar je na splošno reprezentativen za domače vire hrane.

Za okužbe pri ljudeh 6.470SalmonelaIzolati z neznanimi viri okužbe in brez mednarodne zgodovine potovanj so bili zbrani iz mreže aktivnega nadzora bolezni, ki se prenaša s hrano (FoodNet), ki je med letoma 2014 in 2017 zajela približno 15 % prebivalstva ZDA.

Raziskovalna skupina je zbrala genetske podatke s pomočjo programske opreme Spade in uporabila multilokusno sekvenco tipiziranja celotnega genoma (WGMLST) za karakterizacijo izolatov, pridobljenih iz hrane, in človeških izolatov. Za identifikacijo serotipa je bilo uporabljeno orodje SEQSERO2. Algoritem gozdnega naključnega strojnega učenja, ki razvršča podatke z uporabo številnih genetskih označevalcev, je bil usposobljen na izolatih z znanimi viri. Natančnost modela je bila ocenjena z uporabo navzkrižne validacije in permutacije za identifikacijo najbolj informativnih genomskih markerjev. Model je dosegel največjo natančnost z uporabo podmnožice 7360 genetskih lokusov, s čimer se je okrepila vrednost visokodimenzionalnih genomskih podatkov za naloge klasifikacije. Optimizirani model je predvidel vire okužbe za primere pri ljudeh z >50 % verjetnostjo in nenavadne primere pripisal neznanim virom.

Rezultati študije

Naključni gozdni model, ki se je uril na podlagi genomskih podatkov iz 18.661 živil in živalskih izolatov, je identificiral piščanca (31 %), zelenjavo (13 %), purana (12 %) in svinjino (11 %).SalmonelaViri. NajpogostejeSalmonelaSerotipi so bili Kentucky, Typhimurium, Enteritidis in Heidelberg.

Model so uporabili za okužbe pri ljudeh in analizirali 6470 primerov ter pripisali 34 % bolezni piščancu in 30 % zelenjavi, kar predstavlja skoraj dve tretjini okužb. Ob upoštevanju negotovosti (verjetnosti <50 %) je približno 44 % primerov ostalo nerazvrščenih. Brez negotovih primerov je model izsledil 46 % okužb pri piščancih in 27 % pri zelenjavi, kar skupaj predstavlja približno 73 % potrjenih virov.

DrugačenSalmonelaSerotipi so pokazali različne izvorne povezave. Piščanec je bil zlasti povezan s serotipi Enteritidis, Typhimurium, Heidelberg in Infantis, medtem ko je bila zelenjava povezana predvsem s Javiano in Newportom. Svinjina je bila ugotovljena kot prevladujoč vir serotipa Salmonella enterica 4,[5]12:i:- (STM).

Odstotek izolatov salmonele, zbranih iz znanih živil iz enega vira v Združenih državah in drugih državah od leta 2003 do 2018 (uporabljeni kot podatki za usposabljanje v modelu naključnega gozda) po kategoriji živil (n = 18.661, vključno s 613 izolati pred letom 2003).

Natančnost modela je bila velika, zlasti pri prepoznavanju piščanca (97-odstotna natančnost), zelenjave (82 %), purana (88 %), svinjine (83 %) in govedine (77 %). Vendar pa se je boril z manj običajnimi viri, kot sta mleko in divjačina. Povečanje števila genomskih lokusov z izboljšano natančnostjo je potrdilo učinkovitost delovnih skupin in strojnega učenja za pripisovanje vira.

V primerjavi s prejšnjimi študijami izbruhov je ta analiza pokazala, da je piščanec veliko obsežnejši virSalmonelaOkužbe, ki odražajo različne profile tveganja med sporadičnimi okužbami in izbruhi. Pomembno je, da se napovedi dobro ujemajo z znanimi epidemiološkimi podatki in potrjujejo uporabnost modela v resničnem svetu.

Ti rezultati poudarjajo potrebo po ciljno usmerjenih posegih in politikah, osredotočenih na perutnino in sveže pridelke, ki so ključni za zmanjšanjeSalmonelaBreme javnega zdravja. Glede na to, da veliko okužb ostaja nedotaknjenih, bi razširitev nabora podatkov z bolj raznolikimi nepiščančjimi izolati in dodatnimi neživilskimi viri, kot so okoljski vzorci in vzorci divjih živali, lahko dodatno izboljšala natančnost. Regionalne omejitve podatkov FoodNet in razlike v zdravstvenem vedenju prav tako kažejo na potrebo po širšem zbiranju podatkov po vsej državi.

Sklepi

Na koncu je ta študija pokazala učinkovitost delovnih skupin v kombinaciji z algoritmom naključnega strojnega učenja za natančno identifikacijo virov hraneSalmonelaOkužbe v ZDA. Piščanec in zelenjava sta se izkazala kot ključna svetovalca pri preskrbi, kar je okrepilo pomen ciljno usmerjenih regulativnih in javnozdravstvenih strategij. Ta genomski pristop ponuja pomembne izboljšave v primerjavi s tradicionalnimi metodami in zagotavlja podrobne vpoglede, ki so ključni za politiko varnosti hrane, rutinski nadzor in obvladovanje izbruhov. Nadaljnje raziskave bi morale vključevati širšo raznolikost vzorcev, razširiti geografsko zastopanost in vključiti neživilske vire, da bi dodatno okrepili natančnost modela in s tem koristili prizadevanjem javnega zdravja proti njemuSalmonela.


Viri:

Journal reference: