Forskere fra bl.a. DTU Fødevareinstituttet har udviklet en metode, der ved hjælp af kunstig intelligens og DNA-afkodning kan forudsige, hvor godt sygdomsfremkaldende bakterier som fx listeria tåler rengøringsmidler. Forskningen kan blive et vigtigt våben mod farlige bakterier i fødevareindustrien.
Forskning fra bl.a. DTU Fødevareinstituttet viser, at man med maskinlæring kan forudsige, om en bakteriestamme vil overleve rengøring.
Det åbner for smartere hygiejnestrategier og hurtigere reaktioner, når risiko opstår for sygdomsfremkaldende bakterier i en fødevareproduktion.
Listeria monocytogenes er en fødevarebåren bakterie, der trives i kolde og fugtige miljøer, som netop kan findes i fødevareproduktioner. En af de største udfordringer ved listeria er, at bakterien kan danne biofilm – et slimet lag, som klæber til overflader, og som over tid kan udvikle modstandsdygtighed over for de rengøringsmidler, der normalt anvendes. I dag kræver det langsomme laboratorietests at opdage resistensen.
-Det farlige er, at en overflade kan se ren ud, mens der stadig kan gemme sig resistente bakterier i sprækker og hjørner, fortæller seniorforsker ved DTU Fødevareinstituttet Pimlapas Shinny Leekitcharoenphon.
DNA og AI – et stærkt makkerpar
I studiet analyserede forskerne hele genomet (arvematerialet) fra over 1.600 listeria-stammer. DNA-profilerne blev brugt til at træne en maskinlæringsmodel, der lærte at genkende genetiske mønstre, som forbindes med resistens overfor visse rengøringsmidler, der typisk bruges i fødevareindustrien.
Forskerne testede tre forskellige typer: to rene kemiske stoffer – benzalkoniumchlorid (BC) og didecyldimethylammoniumchlorid (DDAC) – samt et færdiglavet produkt, Mida San 360 OM.
-Det svarer til, at man lærer en computer at læse bakteriernes manual og derefter lader den fortælle os, om bakterien vil kunne overleve et bestemt rengøringsmiddel, siger Pimlapas Shinny Leekitcharoenphon videre.
AI-modellen ramte rigtigt i op til 97 pct. af tilfældene og kunne forudsige tolerance over for både de to rene stoffer og det kommercielle middel.
-Det er lovende, at modellerne ikke kun virker for de rene kemiske stoffer, men også i forhold til et produkt, der faktisk bruges i industrien. Det tyder på, at metoden også vil kunne bruges i praksis, fortsætter hun.
Ud over de kendte resistensgener fandt forskerne også flere nye gener, som måske spiller en rolle i bakteriernes evne til at overleve rengøringsmidler. Det kan give ny indsigt i, hvordan bakterier udvikler og spreder resistens.
Behøver vi nye rengøringsmidler?
Forskerne mener, at deres metode i første omgang kan hjælpe fødevareindustrien med at bruge de eksisterende midler mere målrettet og effektivt ved at vælge det rigtige middel til den rigtige bakterie baseret på dens DNA-profil.
-AI giver os ikke en opskrift på nye rengøringsmidler, men viser os hvilke bakterier, der kan overleve hvilke kemikalier. Det gør det muligt at handle hurtigt og målrettet.
Samtidig kan opdagelsen af nye resistensgener inspirere til at udvikle bedre midler i fremtiden, der udnytter bakteriernes svagheder.
Et gennembrud for fødevaresikkerheden
Det kan tage flere dage at teste bakteriers resistens i laboratoriet. Men studiet viser, at man med DNA-data og maskinlæring kan lave en præcis forudsigelse på få minutter. Når sygdomsfremkaldende bakterier opstår i en fødevareproduktion, er det afgørende at handle hurtigt for at undgå spredning af sygdom.
-Vi håber, at vores metode kan blive et værdifuldt værktøj i kampen mod sygdomsfremkaldende bakterier, og at den kan være med til at gøre fødevareproduktionen endnu mere sikker, siger hun videre.
Den nuværende standard for rengøring i fødevareindustrien er ikke baseret på genom-sekventering, og som med enhver anden ny teknologi vil det tage tid at indarbejde nye metoder.
-Vi har netop modtaget en bevilling til at fortsætte arbejdet, og målet med forskningen er, at metoden nemt skal kunne bruges af medarbejdere i en fødevareproduktion, afslutter Pimlapas Shinny Leekitcharoenphon.
Forskningen er finansieret af Karl Pedersen og Hustrus Industrifond, Mejeribrugets Forskningsfond, Mælkeafgiftsfonden og Arla Foods.
Forskningen er udgivet i Scientific Reports, et fagfællebedømt tidsskrift fra Nature Portfolio.
