Un nuevo estudio sugiere que el uso de big data y aprendizaje automático en la vigilancia de la resistencia a los antimicrobianos (RAM) en los métodos de producción ganadera podría ayudar a informar las intervenciones y ofrecer protección contra los gérmenes que se están volviendo resistentes a los antibióticos.
por la Universidad de Nottingham
Durante dos años y medio, investigadores de la Universidad de Nottingham analizaron microbiomas de pollos, cadáveres y entornos. La red resultante de correlaciones entre el ganado, el medio ambiente, las comunidades microbianas y la resistencia a los antimicrobianos sugiere múltiples rutas para mejorar la vigilancia de la resistencia a los antimicrobianos en la producción ganadera.
La investigación, dirigida por la Dra. Tania Dottorini, profesora de Bioinformática, utilizó un enfoque de extracción de datos basado en el aprendizaje automático en diez granjas avícolas a gran escala y cuatro mataderos conectados de tres provincias de China, uno de los mayores consumidores de antimicrobianos. El uso de antimicrobianos utilizados para prevenir y tratar infecciones en la producción ganadera en granjas está asociado con el aumento de infecciones resistentes a los antimicrobianos (RAM).
El estudio, publicado en Nature Food , identificó varios genes de resistencia a los antimicrobianos (ARG) que se compartían entre los pollos y las granjas en las que vivían y que son potencialmente altamente transmisibles.
Los hallazgos también muestran que un subconjunto central del microbioma intestinal del pollo, que presenta bacterias clínicamente relevantes y genes de resistencia a los antibióticos, se correlaciona con los perfiles de RAM de E. coli, que coloniza el intestino. En particular, este núcleo, que contiene ARG transmisibles clínicamente altos compartidos por los pollos y el medio ambiente, está influenciado por la temperatura y la humedad ambientales y se correlaciona con el uso de antimicrobianos.
La resistencia a los antimicrobianos (RAM) es una de las 10 principales amenazas a la salud pública mundial que enfrenta la humanidad según la Organización Mundial de la Salud. La resistencia a los antimicrobianos amenaza la prevención y el tratamiento eficaces de una gama cada vez mayor de infecciones causadas por bacterias, parásitos, virus y hongos.
Cada año se producen en todo el mundo alrededor de 600 millones de casos de enfermedades transmitidas por alimentos, que provocan aproximadamente 420.000 muertes. Dentro de esto, casi 300 millones de enfermedades y 200.000 muertes son causadas por E. coli diarreógena en todo el mundo.
En muchos países, los pollos se alojan en galpones que no cuentan con un sistema de control climático eficaz y, por lo tanto, experimentan variaciones sustanciales de temperatura y humedad. Los resultados del estudio indican que las características centrales de la comunidad microbiana intestinal y el resistoma, que se correlacionan con la resistencia en E. coli, también se correlacionan con los cambios de temperatura y humedad en los gallineros.
Las asociaciones entre las variables ambientales y las especies y genes asociados con la RAM presentan oportunidades para el desarrollo de nuevas soluciones de monitoreo de la RAM, especialmente en países de ingresos medianos bajos donde estas variables no están controladas y representan un riesgo para los animales expuestos. a cambios en ellos.
El Dr. Dottorini dice: “La propagación de microorganismos resistentes a los antimicrobianos y la RAM a nivel humano-animal-ambiente y en la interfaz alimentaria es una preocupación mundial importante. La transmisión de la RAM puede tener lugar a través de diferentes rutas y vías, y la cadena alimentaria, ya sea indirectamente a través del consumo de alimentos o directamente a través de la manipulación de alimentos y animales contaminados y la contaminación con estiércol o heces es una cuestión relevante.
“Hemos demostrado cómo se pueden desarrollar metodologías que puedan asociar una amplia gama de especies microbianas y genes con RAM observable, y hemos evaluado aún más cómo se asocian con las variables ambientales de temperatura y humedad. A continuación, debemos considerar todos los RAM relevantes e interconectados conjuntos de datos en un enfoque de 360°, lo que profundizará nuestra comprensión y control de la propagación de la RAM.
“Este es un momento emocionante. Estamos listos para invertir en nuevos enfoques de vigilancia integrada de la RAM impulsados por IA para identificar los impulsores y los mecanismos subyacentes a la insurgencia y propagación de la RAM, y de nuevas variantes genéticas de patógenos resistentes en los animales, el medio ambiente y los seres humanos. y comida. Esto será innovador”.
Más información: Michelle Baker et al, El aprendizaje automático y la metagenómica revelan perfiles compartidos de resistencia a los antimicrobianos en múltiples granjas y mataderos de pollos en China, Nature Food (2023). DOI: 10.1038/s43016-023-00814-w
