Los cient\u00edficos han utilizado el aprendizaje autom\u00e1tico para encontrar nuevas formas de identificar y detectar enfermedades en las granjas av\u00edcolas, lo que ayudar\u00e1 a reducir la necesidad de un tratamiento con antibi\u00f3ticos, reduciendo el riesgo de que la resistencia a los antibi\u00f3ticos se transfiera a las poblaciones humanas. El estudio, publicado en The ISME Journal, fue dirigido por la Dra. Tania Dottorini de la Facultad de Medicina y Ciencias Veterinarias y Future Food Beacon de la Universidad de Nottingham.<\/p>\n\n\n\n
El r\u00e1pido aumento de la producci\u00f3n av\u00edcola para satisfacer la creciente demanda en China ha resultado en un uso extensivo e indiscriminado de antibi\u00f3ticos. Esto ha llevado a un aumento preocupante en los casos de resistencia a los antimicrobianos (RAM) diagnosticados en animales, que podr\u00edan propagarse potencialmente a los humanos a trav\u00e9s del contacto directo, la contaminaci\u00f3n ambiental y el consumo de alimentos.<\/p>\n\n\n\n
Ahora que la resistencia a los antibi\u00f3ticos es uno de los problemas m\u00e1s amenazantes en todo el mundo, los diagn\u00f3sticos efectivos y r\u00e1pidos de infecciones bacterianas en la cr\u00eda de pollos pueden reducir la necesidad de antibi\u00f3ticos, lo que reducir\u00e1 las epidemias y la RAM. En este proyecto, los investigadores de Nottingham recolectaron muestras de animales, humanos y el medio ambiente en una granja china y su matadero conectado. Estos “grandes” datos complejos ahora se han analizado en busca de nuevos biomarcadores de diagn\u00f3stico que predecir\u00e1n y detectar\u00e1n infecciones bacterianas, insurgencia de AMR y transferencia a humanos. Estos datos permitir\u00e1n una intervenci\u00f3n y un tratamiento tempranos, reduciendo la propagaci\u00f3n y la necesidad de antibi\u00f3ticos.<\/p>\n\n\n\n
El estudio produjo tres hallazgos clave. En primer lugar, se encontraron varios genes de resistencia a los antimicrobianos (ARG) cl\u00ednicamente relevantes y elementos gen\u00e9ticos m\u00f3viles asociados (genes de resistencia a los antibi\u00f3ticos capaces de moverse dentro de los genomas y entre bacterias), tanto en muestras humanas como de pollos de engorde. En particular, se encontraron once tipos de genes de resistencia a antibi\u00f3ticos cl\u00ednicamente importantes, con estructuras de genes ARG m\u00f3viles conservadas entre muestras de diferentes hu\u00e9spedes.<\/p>\n\n\n\n
El Dr. Dottorini dijo: “Estas similitudes se habr\u00edan pasado por alto si solo us\u00e1ramos un an\u00e1lisis comparativo convencional a gran escala, que de hecho mostr\u00f3 que el microbioma y los resistomas difieren entre los entornos y los hu\u00e9spedes. En general, este hallazgo sugiere la relevancia de adoptar una escala m\u00faltiple de an\u00e1lisis al diseccionar similitudes y diferencias de resistomas y microbiomas en entornos complejos interconectados”.<\/p>\n\n\n\n
En segundo lugar, el estudio mostr\u00f3 que al desarrollar un enfoque impulsado por el aprendizaje autom\u00e1tico que integra datos metagen\u00f3micos con m\u00e9todos basados \u200b\u200ben cultivos, el equipo descubri\u00f3 la existencia de un resistoma central del intestino de pollo que se correlaciona con la AMR que circula en las granjas. Estos resultados respaldaron la hip\u00f3tesis de que existen correlaciones entre los fenotipos de resistencia de las bacterias comensales y pat\u00f3genas individuales y los tipos de ARG en el resistoma en el que existen.<\/p>\n\n\n\n
Finalmente, utilizando tecnolog\u00eda de detecci\u00f3n y aprendizaje autom\u00e1tico, el equipo descubri\u00f3 que los resistomas centrales relacionados con AMR est\u00e1n asociados con varios factores externos, como la temperatura y la humedad.<\/p>\n\n\n\n
El Dr. Dottorini dijo: “La industria de producci\u00f3n de alimentos representa un importante consumidor de antibi\u00f3ticos, pero los riesgos de RAM dentro de estos entornos a\u00fan no se comprenden completamente. Por lo tanto, es fundamental establecer estudios y m\u00e9todos mejorados optimizados para estos entornos donde los animales y los humanos pueden estar en contacto cercano. La agricultura de precisi\u00f3n, la secuenciaci\u00f3n de ADN rentable y la mayor adopci\u00f3n de tecnolog\u00edas de aprendizaje autom\u00e1tico ofrecen la oportunidad de desarrollar m\u00e9todos que brinden una mejor comprensi\u00f3n y cuantificaci\u00f3n de los riesgos de AMR en entornos agr\u00edcolas”.<\/p>\n\n\n\n