通过将牛奶样品中的微生物遗传测序和分析与人工智能（AI）结合，研究人员能够检测牛奶生产中的异常情况，如污染或未经授权的添加剂。根据宾夕法尼亚州立大学、康奈尔大学和IBM研究所的研究人员的说法，这种新方法有助于提高乳制品的安全性。
在美国微生物学会的期刊《mSystems》上发表的研究结果中，研究人员报告称，使用鸟枪法宏基因组学数据和人工智能，他们能够检测到实验性随机添加到他们收集的散装牛奶样品中的抗生素处理牛奶。为了验证他们的发现，研究人员还将他们的可解释AI工具应用于公开可用的、经过遗传测序的散装牛奶样本数据集，进一步证明了这种非定向方法的稳健性。“这是一项概念验证研究，”
研究的主要负责人、宾夕法尼亚州立大学农业科学学院食品动物微生物组助理教授Erika Ganda说。“我们可以查看生奶中的微生物数据，并使用人工智能查看现有微生物是否揭示了诸如是否经过巴氏消毒、是否来自处理过抗生素的牛等特征。”研究人员收集了58份散装牛奶样本，并应用各种AI算法以区分基线样本与潜在异常样本，例如来自外部农场的牛奶或含有抗生素的牛奶。
这项研究在声称的较深测序深度下描述了生奶宏基因组——样本中许多单个微生物的基因组集合，并证明了一组共识微生物被发现为跨样本的稳定元素。研究结果表明，AI有潜力增强对食品生产中异常的检测，为科学家们确保食品安全提供了一种更全面的方法，Ganda解释道。“传统的微生物测序数据分析方法，如α和β多样性指标和聚类，不如在区分基线和异常样本方面有效，”她说。
“然而，AI的整合实现了对与异常相关的微生物驱动因素的准确分类和识别。”根据该研究的第一作者、IBM研究院的高级研究科学家Kristen Beck称，微生物系统和食品供应链是AI的理想应用，因为微生物之间的相互作用是复杂和动态的。“食品供应链中也有许多变量影响我们试图观察的信号，”她说。“AI可以帮助我们将信号与噪声分开。”虽然这项研究集中在乳制品生产上，但其结果对更广泛的食品行业具有影响。
食品质量和安全问题可能会通过供应链产生连锁反应，因此对采用目标和非目标方法识别具有较高食品欺诈、食品质量和食品安全风险的成分或食品产品存在很大兴趣。“非目标方法对所有能够识别的分子进行特征描述，以识别与被认为正常或受控的‘基线状态’不同的成分或产品，”她说。“重要的是，这些非目标方法是筛查方法，而不是将某种成分或产品定义为不安全或掺假的；相反，它们提出与正常状态的偏离，应触发后续行动或调查。”
研究合作由三方合作进行如下：IBM的开源人工智能技术，自动解释的AI用于组学，被用于处理大量的宏基因组数据，或从散装牛奶样本中分离和分析的所有微生物的核苷酸序列，从而识别传统方法常常遗漏的微生物特征。康奈尔大学研究人员在乳制品科学方面的专业知识提升了研究的实用性及其在乳制品行业的适用性。
宾夕法尼亚州立大学的亨克生命科学研究院的单一健康微生物组中心在整合微生物数据以用于更广泛的健康和安全应用方面发挥了关键作用。