Prognozowanie tolerancji Listeria monocytogenes na środki dezynfekujące za pomocą sekwencjonowania genomowego i uczenia maszynowego

Listeria monocytogenes to bakteria patogenna, która może powodować groźne infekcje, szczególnie u osób z obniżoną odpornością. Jej obecność w produktach spożywczych podlega surowym regulacjom – w wielu krajach obowiązuje polityka "zera tolerancji". Dlatego skuteczna dezynfekcja linii produkcyjnych jest kluczowym elementem bezpieczeństwa żywności. W ostatnich latach rośnie zainteresowanie badaniami nad tolerancją L. monocytogenes na środki dezynfekujące, głównie oparte na związkach czwartorzędowych soli amoniowych (QAC), powszechnie stosowanych w przemyśle spożywczym. Dotąd jednak brakowało skutecznych narzędzi pozwalających przewidywać, które szczepy bakterii wykazują większą odporność na te związki.

W nowym badaniu naukowcy połączyli sekwencjonowanie całego genomu (WGS) i modele uczenia maszynowego (ML), by prognozować poziom tolerancji L. monocytogenes wobec QAC. Analizując dane z 1649 izolatów bakterii, opracowali klasyfikatory i regresory zdolne do przewidywania zarówno obecności tolerancji, jak i wartości minimalnych stężeń hamujących (MIC).

Modele ML osiągnęły bardzo wysoką skuteczność – dokładność klasyfikatorów sięgała 97%, a regresory przewidywały wartości MIC z minimalnym błędem (0,07). Co istotne, analiza pozwoliła zidentyfikować nowe geny potencjalnie odpowiedzialne za tolerancję – w tym związane z plazmidami, fagami i białkami ściany komórkowej. To sugeruje, że oporność może być przenoszona horyzontalnie, a nie tylko wynikać z mutacji pojedynczych genów. Autorzy badania podkreślają, że zastosowane podejście ma duży potencjał praktyczny. Modele mogą wspomagać monitorowanie obecności i ewolucji szczepów odpornych w środowiskach produkcyjnych, co pozwoli firmom spożywczym szybciej reagować i dostosowywać strategie higieniczne. Wykazano również, że modele trenowane na danych z czystych substancji chemicznych (np. DDAC) mogą być skuteczne w przewidywaniu tolerancji na komercyjne środki dezynfekujące, takie jak Mida San 360 OM – co zwiększa ich użyteczność w rzeczywistych warunkach.

Wnioski badaczy są jednoznaczne: zastosowanie WGS i ML pozwala na skuteczne przewidywanie fenotypów oporności L. monocytogenes i może służyć jako narzędzie wspierające nadzór nad bezpieczeństwem żywności. W przyszłości modele można rozszerzyć na inne środki dezynfekujące, takie jak kwas nadoctowy, których mechanizmy działania są mniej znane. Autorzy podkreślają jednak pewne ograniczenia – m.in. nie uwzględniono wpływu biofilmów czy interakcji środowiskowych, które mogą wpływać na przeżywalność bakterii. Mimo to badanie stanowi ważny krok w kierunku wdrożenia predykcyjnych narzędzi biologii molekularnej i sztucznej inteligencji do realnych systemów kontroli jakości w przemyśle spożywczym.

Podsumowując, badanie otwiera drogę do nowej generacji systemów wczesnego ostrzegania przed odpornością patogenów w środowiskach przemysłowych, umożliwiając bardziej precyzyjne, szybkie i skuteczne działania zapobiegawcze.

Źródło: https://www.nature.com/articles/s41598-025-94321-6​