AI, 우유 안전 테스트 접근 방식에서 미생물 메시지 해독

연구자들은 우유 샘플의 미생물에 대한 유전적 시퀀싱과 분석을 인공지능(AI)과 결합함으로써 오염이나 허가받지 않은 첨가물과 같은 우유 생산의 이상을 감지할 수 있었습니다. 펜실베이니아 주립대, 코넬대, IBM Research의 연구 저자들에 따르면, 이 새로운 접근 방식은 유제품 안전을 개선하는 데 도움이 될 수 있습니다.

연구자들은 American Society for Microbiology의 저널인 mSystems 에 게재된 연구 결과에 따르면, 샷건 메타게놈학 데이터와 AI를 사용하여 수집한 대량 탱크 우유 샘플에 실험적으로 무작위로 첨가한 항생제 처리 우유를 감지할 수 있었다고 보고했습니다. 연구자들은 연구 결과를 검증하기 위해 설명 가능한 AI 도구를 대량 우유 샘플의 공개적으로 이용 가능한 유전자 시퀀싱 데이터 세트에 적용하여 비대상 접근 방식의 견고성을 더욱 입증했습니다.

"이것은 개념 증명 연구였습니다." 펜실베이니아 주립 농업 과학 대학의 식품 동물 미생물 군집 조교수인 에리카 간다 연구 책임자가 말했습니다. "우리는 생유의 미생물 데이터를 살펴보고, 인공지능을 사용하여 존재하는 미생물이 저온 살균 전, 저온 살균 후 또는 항생제를 투여받은 소의 것인지와 같은 특성을 나타내는지 확인할 수 있습니다."

연구자들은 58개의 벌크 탱크 우유 샘플을 수집하고 다양한 AI 알고리즘을 적용하여 기준 샘플과 외부 농장의 우유나 항생제가 포함된 우유와 같이 잠재적인 이상을 나타내는 샘플을 구별했습니다. 이 연구는 지금까지 발표된 다른 어떤 연구보다 더 심층적인 시퀀싱을 통해 샘플 내 여러 개별 미생물의 유전체 모음인 생유 메타게놈을 특성화했으며, 샘플 전체에서 안정적인 요소로 발견된 합의 미생물 집합이 있음을 보여주었습니다.

연구 결과에 따르면 AI는 식품 생산에서 이상을 탐지하는 능력을 크게 향상시켜 과학자들이 식품 안전을 보장하기 위한 툴킷에 추가할 수 있는 보다 포괄적인 방법을 제공할 수 있는 잠재력이 있다고 간다는 설명했습니다.

"알파 및 베타 다양성 지표와 클러스터링과 같은 미생물 시퀀싱 데이터의 기존 분석은 기준 샘플과 이상 샘플을 구별하는 데 효과적이지 않았습니다."라고 그녀는 말했습니다. "그러나 AI를 통합하면 이상과 관련된 미생물 드라이버를 정확하게 분류하고 식별할 수 있습니다."

IBM Research의 수석 연구 과학자이자 이 연구의 첫 번째 저자인 크리스틴 벡에 따르면, 미생물 시스템과 식품 공급망은 미생물 간의 상호작용이 복잡하고 역동적이기 때문에 AI에 이상적인 응용 분야입니다.

"또한 우리가 관찰하고자 하는 신호에 영향을 미치는 식품 공급망의 변수도 많습니다." 그녀는 말했다. "AI는 우리가 노이즈에서 신호를 풀어내는 데 도움이 될 수 있습니다."

간다는 이 연구가 유제품 생산에 초점을 맞추고 있지만, 더 광범위한 식품 산업에 영향을 미칠 수 있다고 언급하며, 유동 우유를 생산하는 데 사용되는 유일한 성분이 우유이기 때문에 우유를 모델로 선택했다고 덧붙였다. 유동 우유는 대량 생산되는 식품으로, 특히 개발도상국에서 사기에 대한 우려가 상당히 높습니다.

간다는 식품 품질과 안전 문제는 공급망 전체에 파급 효과를 미쳐 상당한 건강 및 경제적 피해를 초래할 수 있다고 설명했습니다. 따라서 식품 사기, 식품 품질 및 식품 안전 문제의 위험이 높은 성분이나 식품을 식별하기 위해 표적형 및 비표적형 방법을 모두 적용하는 데 상당한 관심이 있습니다.

"비대상 방법은 정상 또는 통제 하에 있는 것으로 간주되는 '기준 상태'에서 벗어난 성분이나 제품을 식별하기 위해 식별할 수 있는 모든 분자를 특성화합니다." 그녀는 말했습니다. "중요한 점은 이러한 비대상 방법은 성분이나 제품을 안전하지 않거나 오염된 것으로 정의하지 않는 스크리닝 방법이며, 오히려 후속 조치 또는 조사를 유발해야 하는 정상 상태에서 벗어난 것을 시사한다는 것입니다."

Ganda는 이 독특한 연구 협업이 각 파트너의 강점을 활용했다고 지적했습니다. IBM의 오픈소스 AI 기술인 Automated Explainable AI for Omics를 사용하여 대량의 메타게놈 데이터, 즉 대량 우유 샘플의 모든 미생물에서 분리 및 분석된 모든 뉴클레오티드 시퀀스를 처리하여 기존 방식에서는 종종 놓칠 수 있는 미생물 시그니처를 식별할 수 있었습니다. Cornell 연구원의 유제품 과학 전문성은 연구의 실질적 관련성과 유제품 산업에 대한 적용 가능성을 높였고, Huck Institutes for the Life Sciences에 있는 Penn State의 One Health Microbiome Center는 더 광범위한 건강 및 안전 응용 프로그램을 위해 미생물 데이터를 통합하는 데 중요한 역할을 했습니다.

또한 이 연구에는 IBM 연구소의 니나 하이미넨, 악샤이 아가왈, 안나 ​​파올라 카리에리, 매튜 매드윅, 제니퍼 켈리, 반 카와스, 브라질 라브라스 연방 대학의 빅터 필로, 코넬 대학의 마틴 비트만이 기여했습니다.

미국 농무부는 펜실베이니아 주립대를 통해 이 작업을 지원했습니다.


출처: https://www.sciencedaily.com/releases/2024/10/241017113850.htm

댓글 없음

아름다운 덧글로 인터넷문화를 선도해 주세요