Eine neue Studie legt nahe, dass der Einsatz von Big Data und maschinellem Lernen bei der Überwachung antimikrobieller Resistenzen (AMR) in Tierproduktionsmethoden dazu beitragen könnte, Interventionen zu informieren und Schutz vor Keimen zu bieten, die gegen Antibiotika resistent werden.
Über zweieinhalb Jahre hinweg analysierten Forscher der Universität Nottingham Mikrobiome von Hühnern, Schlachtkörpern und Umgebungen. Das daraus resultierende Netzwerk von Korrelationen zwischen Nutztieren, Umgebungen, mikrobiellen Gemeinschaften und antimikrobieller Resistenz legt mehrere Wege zur Verbesserung der Überwachung antimikrobieller Resistenzen in der Tierproduktion nahe.
Die von Dr. Tania Dottorini, Professorin für Bioinformatik, geleitete Forschung nutzte einen auf maschinellem Lernen basierenden Data-Mining-Ansatz in zehn großen Hühnerfarmen und vier angeschlossenen Schlachthöfen in drei Provinzen in China – einem der größten Verbraucher antimikrobieller Mittel. Der Einsatz antimikrobieller Mittel zur Vorbeugung und Behandlung von Infektionen in der Tierhaltung in landwirtschaftlichen Betrieben ist mit der Zunahme antimikrobiell resistenter (AMR) Infektionen verbunden.
Die Studie, veröffentlicht in Naturnahrungidentifizierten mehrere antimikrobielle Resistenzgene (ARGs), die zwischen Hühnern und den Farmen, auf denen sie lebten, gemeinsam waren und potenziell hochgradig übertragbar sind.
Die Ergebnisse zeigen auch, dass eine Kernuntergruppe des Hühnerdarm-Mikrobioms mit klinisch relevanten Bakterien und Antibiotikaresistenzgenen mit AMR-Profilen von E. coli korreliert, die den Darm besiedeln. Bemerkenswert ist, dass dieser Kern, der klinisch hoch übertragbare ARGs enthält, die von Hühnern und Umgebungen gemeinsam genutzt werden, von der Umgebungstemperatur und -feuchtigkeit beeinflusst wird und mit der Verwendung antimikrobieller Mittel korreliert.
Laut der Weltgesundheitsorganisation ist die Antibiotikaresistenz (AMR) eine der zehn größten globalen Gesundheitsbedrohungen für die Menschheit. AMR gefährden die wirksame Prävention und Behandlung einer immer größeren Zahl von Infektionen, die durch Bakterien, Parasiten, Viren und Pilze verursacht werden.
Jedes Jahr kommt es weltweit zu etwa 600 Millionen Fällen lebensmittelbedingter Krankheiten, die etwa 420.000 Todesfälle zur Folge haben. Dabei werden weltweit fast 300 Millionen Krankheiten und 200.000 Todesfälle durch durchfallerregende E. coli verursacht.
In vielen Ländern werden Hühner in Ställen gehalten, die nicht über ein wirksames Klimatisierungssystem verfügen und daher erheblichen Temperatur- und Feuchtigkeitsschwankungen ausgesetzt sind. Die Studienergebnisse deuten darauf hin, dass die Kernmerkmale der Darmmikrobengemeinschaft und des Resistoms, die mit der Resistenz bei E. coli korrelieren, auch mit Änderungen der Temperatur und Luftfeuchtigkeit im Hühnerstall korrelieren.
Die Zusammenhänge zwischen Umweltvariablen und den mit AMR assoziierten Arten und Genen bieten Chancen für die Entwicklung neuartiger AMR-Überwachungslösungen, insbesondere in Ländern mit niedrigem bis mittlerem Einkommen, in denen diese Variablen nicht kontrolliert werden und ein Risiko für die exponierten Tiere darstellen auf Veränderungen in ihnen.
Dr. Dottorini sagt: „Die Ausbreitung antimikrobiell resistenter Mikroorganismen und AMR auf der Ebene Mensch-Tier-Umwelt und an der Lebensmittelschnittstelle ist ein großes globales Problem. Die Übertragung von AMR kann über verschiedene Wege und Pfade und auch über die Nahrungskette erfolgen.“ indirekt über den Lebensmittelkonsum oder direkt durch den Umgang mit kontaminierten Lebensmitteln und Tieren sowie die Kontamination mit Mist oder Fäkalien ist relevant.
„Wir haben gezeigt, wie Methoden entwickelt werden können, die ein breites Spektrum mikrobieller Arten und Gene mit beobachtbarer AMR in Verbindung bringen können, und haben weiter untersucht, wie diese mit den Umgebungsvariablen Temperatur und Luftfeuchtigkeit zusammenhängen. Als nächstes müssen wir alle relevanten und miteinander verbundenen AMR berücksichtigen.“ Datensätze in einem 360°-Ansatz, der unser Verständnis und die Kontrolle der AMR-Ausbreitung vertiefen wird.
„Dies ist ein aufregender Moment. Wir sind bereit, in neue KI-gestützte integrierte AMR-Überwachungsansätze zu investieren, um die Treiber und Mechanismen zu identifizieren, die dem Auftreten und der Ausbreitung von AMR sowie neuen genetischen Varianten resistenter Krankheitserreger bei Tieren, der Umwelt und Menschen zugrunde liegen.“ und Essen. Das wird bahnbrechend sein.“
Mehr Informationen:
Michelle Baker et al., Maschinelles Lernen und Metagenomik offenbaren gemeinsame antimikrobielle Resistenzprofile in mehreren Hühnerfarmen und Schlachthöfen in China. Naturnahrung (2023). DOI: 10.1038/s43016-023-00814-w