Attualità

Ricerca

12 Dicembre 2023

---

L’Istituto Zooprofilattico Sperimentale di Teramo (Izs) si distingue per una ricerca innovativa che integra l’Intelligenza Artificiale (Ia) e le tecniche di Machine Learning nell’analisi del Dna dei patogeni batterici. L’obiettivo di questo progetto è quello di sviluppare metodi rapidi e sofisticati per contrastare le patologie infettive di origine alimentare, un passo significativo verso la salvaguardia della salute pubblica.

Lo studio
I batteri, come tutte le forme viventi, si adattano costantemente all’ambiente, sviluppando caratteristiche specifiche per aumentare le probabilità di sopravvivenza e riproduzione. Il patrimonio genetico dei batteri racchiude informazioni essenziali che rivelano dettagli cruciali sulla loro vita e sulla loro evoluzione, compreso l’habitat originario. Questo è particolarmente vero per i patogeni batterici di origine alimentare, come Listeria monocytogenes, responsabile della listeriosi, una malattia particolarmente pericolosa per le persone con sistema immunitario compromesso.
L’identificazione rapida della fonte di infezioni alimentari come la listeriosi è cruciale per prevenire ulteriori casi. Qui entra in gioco l’innovativo studio dell’Unità di Bioinformatica dell’Izs di Teramo, che ha confrontato diversi modelli predittivi di Machine Learning per determinare l’origine alimentare dei batteri basandosi sul loro genoma. Questa ricerca, pubblicata sulla rivista BMC Genomics, rappresenta un passo avanti importante nel campo della source attribution.
Nicolas Radomski, ultimo autore dello studio, sottolinea la difficoltà di identificare il cibo responsabile dell’infezione facendo domande al paziente, specialmente a causa dei lunghi tempi di incubazione della listeriosi. Grazie all’avanzamento delle tecniche di sequenziamento genomico e di Machine Learning, è ora però possibile assegnare delle probabilità all’origine alimentare del patogeno, agevolando l’individuazione degli alimenti a rischio.
Mentre le indagini epidemiologiche tradizionali possono richiedere molto tempo, i metodi innovativi descritti in questo studio permettono un’individuazione più rapida e mirata delle fonti di infezione. Radomski conclude sottolineando che queste tecniche offrono un potenziale applicativo esteso, utile anche nella gestione e comprensione di altri fenotipi critici come la resistenza agli antimicrobici. Implementando e ottimizzando questi approcci, l’Intelligenza Artificiale può notevolmente accelerare la scoperta di mutazioni legate alla resistenza agli antimicrobici, contribuendo così allo sviluppo di strategie più efficaci contro le infezioni resistenti.

A cura di Francesca Innocenzi

Castelli, P., De Ruvo, A., Bucciacchio, A. et al. Harmonization of supervised machine learning practices for efficient source attribution of Listeria monocytogenes based on genomic data. BMC Genomics 24, 560 (2023).
DOI: https://doi.org/10.1186/s12864-023-09667-w 

CITATI: NICOLAS RADOMSKI
TAG: INTELLIGENZA ARTIFICIALE, IZS DELL’ABRUZZO E DEL MOLISE, IZS DI TERAMO, SICUREZZA ALIMENTARE