由佐治亞大學格里芬市食品安全中心的研究人員領導的一組科學家註冊送點數IA已開發出一種機器學習方法，可以更快地識別某些沙門氏菌暴發的動物來源。
在發表於2019年1月《新興傳染病》的這項研究中，鄧向宇及其同事使用了一千多個基因組來預測鼠傷寒沙門氏菌的動物來源，尤其是牲畜。
該中心的食物微生物學助理教授鄧和該中心的博士後研究員張康康領導了該項目，該項目還包括疾病控制與預防中心（CDC），美國食品藥品監督管理局（CDC）的專家（ FDA，明尼蘇達州衛生廳和轉化基因組學研究所。
根據食源性疾病暴發監視系統，2009年至2015年，美國報告了近3,000例食源性疾病暴發。其中900例-或30例博馬娛樂城鄧說，這是由沙門氏菌的不同血清型引起的，包括鼠傷寒。
他說：“在2018年，我們至少發生了3次鼠傷寒或其近親暴發。這些暴發與雞肉，雞肉沙拉和乾椰子有關。” “沙門氏菌有2600多种血清型，鼠傷寒只是其中之一，但自1960年代以來，與美國國家監測報告的暴發有關的沙門氏菌分離株中約有四分之一是鼠傷寒。”
研究人員用超過1,300 S.娛樂城推薦具有已知來源的菌基因組。訓練後，“機器”學習瞭如何預測鼠傷寒沙門氏菌基因組的某些動物來源。
在這項研究中，科學家使用了鼠傷寒沙門氏菌基因威博娛樂城來自三個主要監視和監視程序的消息；疾病預防控制中心的PulseNet網絡，美國，歐洲，南美，亞洲和非洲FDA的GenomeTrakr數據庫以及來自國家抗菌素耐藥性監測系統FDA部門的零售肉分離株。
“擁有如此多的基因組，機器學習是處理所有這些數據的自然選擇。
我們使用了鼠傷寒基因組的大量收集作為建立分類器威力彩開獎直播的訓練集，”鄧因其在該領域的工作而於2017年獲得了UGA創意研究獎。 “分類器通過詢問其基因組的數千個遺傳特徵來預測鼠傷寒分離株的來源。”
總體而言，該系統以83％的準確度預測了鼠傷寒沙門氏菌的動物來源。分類器在預測家禽和豬源方面表現最佳，其次是牛和野禽源。機器還會檢測其預測是準確的還是不准確的。鄧說，當預測準確時，機器的準確率約為92％。
他說：“我們回顧性分析了1998年至2013年在美國發生的八次重大人畜共患病暴發。” “分類器將其中七個歸因於正確的牲畜來源。”
“我將這種方法稱為概念證明。隨著來自各種來源的更多基因組的出現，它將變得更好。”他說。
在有關研究的推文中，FDA副局長Frank Yiannas稱全基因組序列機器學習項目是“更智能食品安全和流行病學的新時代”。
對於普通人來說，該項目的成功意味著傷寒沙門氏菌菌株可以更快地追溯到源頭。確定導致食源性疾病暴發的原因是製止它並預防進一步疾病的關鍵。
他說：“使用我們的方法，研究人員可以更好地將同一暴發的病例聯繫起來，並更好地將食品或食品加工環境中的分離株與患者的分離株匹配。” “這將使調查人員更有信心暗示爆發事件的具體來源。”
在UGA-Griffin校園中，鄧的實驗室專注於基因組流行病學，該研究利用基因組學，生物信息學和數據科學來研究食源性禽流感的流行病學娛樂城廣告致癌物。他對沙門氏菌的興趣始於鄧（Deng）是美國麻將線上對戰疾病預防控制中心（CDC）的美國微生物學會會員。
本文已由佐治亞大學提供的威力彩開獎時間是幾點材料重新發表。注意：已編輯材料的長度和內容。有關更多信息，請聯繫引用的來源。
參考：Al，S.Z。等。 （未指定）。腸沙門氏菌血清型鼠傷寒沙門氏菌的人源學來源歸因於基因組監測數據，美國-第25卷，第1期-2019年1月-新興傳染病雜誌-CDC。 https://doi.org/10.3201/eid2501.180835
