使用畜牧场大数据可以改善抗菌药物耐药性监测

一项新的研究表明，在畜牧生产方法中使用大数据和机器学习进行抗菌素耐药性(AMR)监测可以帮助为干预措施提供信息，并针对对抗生素产生耐药性的细菌提供保护。

诺丁汉大学的研究人员在两年半的时间里分析了鸡、尸体和环境中的微生物组。由此产生的牲畜、环境、微生物群落和抗菌素耐药性之间的相关网络表明了改善畜牧生产中抗菌素耐药性监测的多种途径。

这项研究由生物信息学教授塔尼亚·多托里尼 (Tania Dottorini) 博士领导，在中国三个省份(抗菌药物最大消费国之一)的十个大型养鸡场和四个联网屠宰场中使用了基于机器学习的数据挖掘方法。在农场畜牧生产中使用抗菌药物来预防和治疗感染与抗菌药物耐药性 (AMR) 感染的增加有关。

这项发表在《自然食品》杂志上的研究发现了鸡及其居住的农场之间共有的几种抗菌素耐药基因(ARG)，这些基因具有潜在的高度传播性。

研究结果还表明，鸡肠道微生物组的核心子集具有临床相关细菌和抗生素抗性基因，与定植于肠道的大肠杆菌的 AMR 谱相关。值得注意的是，该核心包含鸡和环境共有的临床高传染性 ARG，受到环境温度和湿度的影响，并与抗菌药物的使用相关。

据世界卫生组织称，抗菌素耐药性(AMR)是人类面临的十大全球公共卫生威胁之一。抗菌素耐药性威胁着对细菌、寄生虫、病毒和真菌引起的日益增多的感染的有效预防和治疗。

全球每年发生约 6 亿例食​​源性疾病，导致约 42 万人死亡。其中，全球有近 3 亿例疾病和 20 万人死亡是由腹泻性大肠杆菌引起的。

在许多国家，鸡被饲养在没有有效气候控制系统的鸡舍中，因此会经历很大的温度和湿度变化。研究结果表明，肠道微生物群落和耐药组的核心特征与大肠杆菌的耐药性相关，也与鸡舍内温度和湿度的变化相关。

环境变量以及与 AMR 相关的物种和基因之间的关联为开发新型 AMR 监测解决方案提供了机会，特别是在这些变量不受控制并对暴露的动物构成风险的中低收入国家来改变他们。

多托里尼博士说：“抗微生物药物耐药性微生物和抗菌素耐药性在人类-动物环境层面和食品界面的传播是全球关注的一个主要问题。抗菌素耐药性的传播可以通过不同的途径和途径以及食物链进行，或者间接传播通过食品消费或直接通过受污染的食品动物处理和粪便或排泄物污染是相关的污染之一。

“我们已经展示了如何开发方法，将多种微生物物种和基因与可观察到的 AMR 联系起来，并进一步评估了它们与温度和湿度等环境变量的关系。接下来，我们必须以 360° 的方式考虑所有相关且相互关联的 AMR 数据集，这将加深我们对 AMR 传播的理解和控制。”

“这是一个激动人心的时刻。我们准备投资新的人工智能驱动的抗菌素耐药性综合监测方法，以识别抗菌素耐药性暴动和传播的驱动因素和机制，以及动物、环境、人类和食品中耐药病原体的新基因变异。这将是开创性的。”