机器学习可以预测Vibrio spp.之间的关系. 在海水和中的度以及普遍的环境条件

科学领域:

• 微生物学 微生物学
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 作为食物传播病原体,Vibrio parahaemolyticus和Vibrio vulnificus对公众健康构成重大风险.
• 了解影响它们在食物中的存在和度的因素对于预防疾病至关重要.
• 机器学习提供了一种有前途的方法,可以使用多种数据源来模拟微生物行为.

研究的目的:

• 评估六种机器学习回归模型在预测Vibrio度方面的有效性.
• 确定影响海水和中的Vibrio parahaemolyticus和Vibrio vulnificus的关键环境变量.
• 评估这些模型在食品安全风险管理方面的潜力.

主要方法:

• 采用了六种机器学习模型:随机森林,支持向量机,弹性网,神经网络,k-最近邻居和极端梯度增强.
• 模型根据环境变量预测了总和致病性V. parahaemolyticus和V. vulnificus度.
• 用SHapley添加式扩展 (SHAP) 来确定变量的重要性.

主要成果:

• 环境变量可靠地预测了海水中的Vibrio度和中的致病性V. parahaemolyticus (可接受预测区>70%).
• 叶绿素a,海水盐度,海水温度和度被确定为重要的影响变量.
• 不同的Vibrio菌株对相同的环境因素表现出不同的反应.

结论:

• 环境变量是对海产品中Vibrio生长和行为的重要预测因素.
• 机器学习模型可以有效地评估和管理与食品中的Vibrio相关的风险.
• 需要进一步的研究,以了解菌株对环境变化的特定反应.