相关实验视频
Updated: Jun 7, 2026
09:15
DNA-based Fish Species Identification Protocol
Published on: April 28, 2010
29.4K
使用机器学习辅助微生物组分析防止非法海鲜贸易
Luca Peruzza1, Francesco Cicala1, Massimo Milan2
1Department of Comparative Biomedicine and Food Science, University of Padova, Viale Dell'Università 16, Legnaro, 35020, Italy.
BMC biology
|September 10, 2024
概括
微生物组分析与机器学习相结合,可以准确追踪海鲜的来源,打击欺诈行为. 这种强大的工具验证了贝类的可追溯性,即使有季节性变化和净化.
科学领域:
- 海洋生物学 海洋生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 海鲜供应链面临着严重的欺诈风险.
- 准确的可追溯工具对于消费者信心和防止非法贸易至关重要.
- 微生物组分析 (MP) 和机器学习 (ML) 为海产品原产地验证提供了一种新的方法.
研究的目的:
- 开发和验证一种精确的方法来追踪马尼拉的起源,使用微生物组概况和机器学习.
- 评估该方法在季节性变化,年间差异和净化过程中的稳定性.
- 为防止非法捕捞或错误标记的贝类贸易提供一个常规实施的工具.
主要方法:
- 从北亚得里亚海沿岸的各种地点和季节收集了马尼拉的样本.
- 在鱼组织 (和消化腺) 上进行DNA提取和16S DNA元编码.
- 运用机器学习算法在AMPLICON序列变体上进行原产地分类,具有独立的训练和测试数据集.
主要成果:
- 微生物组分析与机器学习相结合,在区分来自禁区和养殖场的鱼方面取得了很高的准确性 (科恩K评分>0.95).
- 四个不同的农业区的分类显示了良好的准确性 (得分为0.76).
- 该方法证明了对季节性和跨年变化的稳定性,以及对净化处理的稳定性.
结论:
- 微生物组分析和机器学习为追踪贝类来源提供了有效和强大的工具.
- 开发的方法适用于日常实施,以打击海产品欺诈和错误标签.
- 这项技术提高了海鲜可追溯性的可靠性,并支持生态标签的验证.
