阿伯丁大学 信用:CC0公共领域 阿伯丁大学的科学家开发了一种新技术，与现有方法相比，这种技术可以更快更准确地识别食物中毒或感染的来源
全基因组测序(WGS)的进展意味着可以一次获得一个生物体基因组的完整的脱氧核糖核酸序列
但是为了控制感染而有效挖掘这些丰富信息的方法还没有完全开发出来
研究人员在《科学报告》杂志上写道，他们展示了一种新技术，可以在显著缩短的时间内，更准确地将弯曲杆菌和其他潜在的常见食源性病原体与其来源进行匹配
弯曲杆菌引起的食源性疾病比任何其他生物都多，但确定患者感染的部位通常很困难，因为它可能来源于几个动物宿主，包括牛、鸡、猪、羊和野鸟
阿伯丁科学家开发的技术依赖于一种新的机器学习方法——被称为最小多点距离(MMD)方法——它可以用来“训练”计算机以高精度识别可能的来源
这项研究由Dr
阿伯丁大学物理系和生物科学系的弗朗西斯科·佩雷斯·雷切和诺尔·斯特拉坎教授
医生
佩雷斯·雷切说:“有许多现有的方法来计算感染的可能来源，但是为了有效地工作，他们要么只使用基因组测序的一部分，这意味着结果的针对性较低，要么如果他们使用整个基因组，计算可能需要两天才能完成
“在处理传染病爆发时，识别可能源头的速度和准确性是关键
“我们的MMD方法训练计算机在几秒钟内识别弯曲杆菌感染的可能来源
" 斯特拉坎教授补充说:“这有可能迅速提供潜在传染源的信息，并可用于制定减少食物中毒的策略
" 这项技术已经在理论层面得到了验证，但还需要进一步的研究，才能将其构建成卫生防护专业人员触手可及的技术
除了在食物中毒中的应用，研究人员还研究了如何通过将个体与群体相匹配来将其应用于人类进化，以确定不同物种的地理分布并确定乳腺癌肿瘤的类型
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
