Predicción del crecimiento de Clostridium en carne de cerdo basada en aprendizaje automático utilizando inteligencia...

Área de la Ciencia:

• Ciencia de los Alimentos
• Microbiología
• Biología Computacional

Sus antecedentes:

• El crecimiento bacteriano en la carne representa riesgos para la seguridad alimentaria.
• La predicción del crecimiento bacteriano dañino es crucial para la garantía de calidad de los alimentos.

Objetivo del estudio:

• Detectar bacterias dañinas en carne de cerdo utilizando aprendizaje automático (ML).
• Analizar la influencia de otras bacterias en el crecimiento dañino a través de la inteligencia artificial explicable (XAI).

Principales métodos:

• Secuenciación genética para el análisis de la diversidad bacteriana en muestras de cerdo.
• Algoritmos de ML y XAI para la predicción del crecimiento bacteriano y el análisis de influencia.
• Exclusión de bacterias de baja abundancia (<0.1%, 0.25%, 0.5%) para centrarse en las poblaciones dominantes.

Principales resultados:

• Se encontró una correlación negativa significativa entre las bacterias de deterioro de la carne y las bacterias dañinas (r=-0.385, p<0.05).
• La precisión del modelo de ML alcanzó 0.89 con la inclusión de la variable 'día' para la predicción.
• La XAI indicó que las bacterias de deterioro pueden reducir el crecimiento de bacterias dañinas en medios específicos.

Conclusiones:

• La secuenciación genética integrada, ML y XAI proporcionan nuevas perspectivas sobre la dinámica bacteriana.
• Este enfoque mejora la seguridad alimentaria predictiva, el control de calidad y la extensión de la vida útil.
• Los hallazgos respaldan estrategias mejoradas de seguridad alimentaria y la reducción de pérdidas en la industria.