Machine learning para predecir el potencial zoonótico de cepas de Escherichia coli O157 de ganado

Las infecciones zoonóticas por Escherchia coli O157 enterohemorrágica se han convertido en una grave amenaza para la salud humana. Los análisis basados ​​en secuencias convencionales indican que la mayoría de las infecciones humanas se originan a partir de linajes patógenos particulares.

Los investigadores del Roslin Institute, University of Edinburgh, utilizaron un software que compara la información genética de muestras bacterianas aisladas tanto de animales como de personas.

Una vez cargada con la información genética, la computadora puede predecir si es probable que una cepa de E. coli O157 proviene de un bovino o de una persona. El software aprende las características genéticas que están asociadas con las cepas de E. coli que han causado brotes de infección en las personas. De esta forma puede seleccionar las cepas de E. coli de animales que tienen estas características y, por tanto, es probable que supongan una amenaza para la salud humana.

De esta forma, aplicando un enfoque de aprendizaje automático a la información obtenida del pangenoma de E. coli, se pudo predecir el potencial infeccioso que tenían los aislamientos de E. coli O157 del ganado para los humanos.

Según los resultados, es probable que solo un pequeño subconjunto (menos del 10%) de cepas bovinas de E. coli O157 cause enfermedades humanas, incluso dentro de linajes patógenos previamente definidos. El análisis por machine learning se realizó en aislamientos del Reino Unido y Estados Unidos y se verificó con aislamientos de alimentos y ganado obtenidos de la investigación de brotes, donde la mayoría de las cepas de E. coli O157 estaban dentro de los linajes patogénicos I o I / II previamente definidos y codificaban factores clave de virulencia.

Las principales diferencias entre los aislamientos de E. coli O157 humano y bovino se debieron a la abundancia relativa de cientos de proteínas identificadas como pertenecientes a profagos.

Este hallazgo tiene una enorme implicancia para el manejo de la salud pública porque cualquier intervención en el ganado en pie se encuentra con serias dificultades al tratarse de un patógeno que no afecta la salud y productividad de los rodeos. Esta metodología podría identificar rodeos que fueran portadores de cepas de alto potencial zoonótico e intervenir, por ejemplo, por medio de vacunación.

El uso del machine learning también podría mejorar nuestra comprensión de la biología de los patógenos. El enfoque podría adaptarse para analizar otros tipos de bacterias aisladas de animales, como Salmonella y Campylobacter, para identificar cepas con el potencial de causar enfermedades humanas.

La investigación fue una colaboración entre el Roslin Institute, el Public Health England (Colindale), la University of Glasgow y el United States Department of Agriculture; USDA.