数字双胞胎用来预测和防止李斯特菌疫情

康奈尔大学的研究人员是混合食品科学专业知识和计算机编程经验帮助食品行业停止李斯特菌疫情。

李氏杆菌病,食用受细菌污染的食物引起的感染单核细胞增多性李斯特氏菌,每年造成大约260人死亡,1600人感染。如果某些食物不巴氏杀菌,彻底煮熟足够或正常洗,细菌可以抓住并导致严重的疾病,包括大脑感染。

在一项新的研究中,研究人员开发了一个“数字双”两个现摘的生产设施,使用这些数字模型来确定最佳的时间和地点寻找细菌的存在,因此防止食品污染。

“我们的发现是另一个进步在装备食品生产商以科学为基础的工具来管理食品安全风险,”说Renata Ivanek副教授,博士。08年兽医学院和这篇论文的主要作者。

研究者的模型提供了一种新颖的方式对于食品安全经理首先想象中微生物污染风险和模式操作,然后尝试不同的环境采样方法,如海绵收集样本不同的设备。

因为这些设施的复杂性,试验在实际环境中并不总是实用,使用数字的双胞胎,每个设备都可以个性化特色。”例如,在两个设施建模在这项研究中,我们想找到当抽样某些类型的位置会比随机抽样更有利位置,反之亦然,”Ivanek说。

这项研究是发表10月14日在应用与环境微生物学》杂志上。合作者包括吉纳维芙沙利文的16个博士20;马丁·韦德曼据传家族教授博士97年在食品安全农业与生命科学学院;和克莱尔Zoellner博士。17。Zoellner目前在一家软件公司工作许可这项技术的商业化,所以食品加工商可以更容易地访问模型来优化他们的抽样。

本研究的下一步将开发类似的模型生产包装房屋以及杂货店。最终,作者希望为食品行业提供数字双胞胎可以实时更新数据,并且可以使用仿真、建模和机器学习来帮助员工做出决定对食品安全危害。

”这一愿景成为现实,也有一个伟大的需要确保安全、保密的食品生产企业之间的数据共享,并调节负债使用这样的工具,“Ivanek说。

这项研究是一个更大的一部分,多努力开发数字决策支持工具,食物系统的各个部分,从农场到零售、与系统开发的最终目标模型和数字双胞胎,改善食品安全决策系统。

“学习曲线需要开发这样的模型是陡峭的,食品系统和食品安全要求的理解一方面和计算机编程,“Ivanek说。“有一个伟大的需要食品安全和计算机科学学科之间的交叉训练,我们希望我们的奖学金鼓励。”

参考:沙利文G, Zoellner C,韦德曼M, Ivanek R。在网上科学的设计和优化模型李斯特菌环境监测项目现摘的生产设施。:环境Microbiol。2021;87 (21):e00799-21。doi:10.1128 / AEM.00799-21

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。