செயற்கை நுண்ணறிவு (AI) உடன் பால் மாதிரியில் உள்ள நுண்ணுயிரிகளின் மரபணு வரிசைமுறை மற்றும் பகுப்பாய்வை இணைப்பதன் மூலம், மாசுபாடு அல்லது அங்கீகரிக்கப்படாத சேர்க்கைகள் போன்ற பால் உற்பத்தியில் ஏற்படும் முரண்பாடுகளை ஆராய்ச்சியாளர்களால் கண்டறிய முடிந்தது. பென் ஸ்டேட், கார்னெல் பல்கலைக்கழகம் மற்றும் ஐபிஎம் ரிசர்ச் ஆகியவற்றின் ஆய்வு ஆசிரியர்களின் கூற்றுப்படி, புதிய அணுகுமுறை பால் பாதுகாப்பை மேம்படுத்த உதவும்.
இல் வெளியிடப்பட்ட கண்டுபிடிப்புகளில் mSystemsஅமெரிக்கன் சொசைட்டி ஃபார் மைக்ரோபயாலஜி இதழில், ஷாட்கன் மெட்டஜெனோமிக்ஸ் தரவு மற்றும் AI ஐப் பயன்படுத்தி, அவர்கள் சேகரித்த மொத்த தொட்டி பால் மாதிரிகளில் சோதனை ரீதியாகவும் தோராயமாகவும் சேர்க்கப்பட்ட ஆண்டிபயாடிக்-சிகிச்சையளிக்கப்பட்ட பாலை கண்டறிய முடிந்தது என்று ஆராய்ச்சியாளர்கள் தெரிவித்தனர். தங்கள் கண்டுபிடிப்புகளை சரிபார்க்க, ஆராய்ச்சியாளர்கள் தங்கள் விளக்கக்கூடிய AI கருவியை பொதுவில் கிடைக்கும், மொத்த பால் மாதிரிகளிலிருந்து மரபணு ரீதியாக வரிசைப்படுத்தப்பட்ட தரவுத்தொகுப்புகளுக்குப் பயன்படுத்தினர், இது இலக்கற்ற அணுகுமுறையின் வலிமையை மேலும் நிரூபிக்கிறது.
பென் ஸ்டேட் காலேஜ் ஆஃப் அக்ரிகல்சுரல் சயின்சஸ், உணவு விலங்கு நுண்ணுயிரிகளின் உதவி பேராசிரியர் எரிகா காண்டா, “இது கருத்து ஆய்வுக்கான ஆதாரம்” என்றார். “பச்சைப்பாலில் உள்ள நுண்ணுயிரிகளின் தரவைப் பார்த்து, செயற்கை நுண்ணறிவைப் பயன்படுத்தி, தற்போதுள்ள நுண்ணுயிரிகள் பேஸ்சுரைசேஷன் முன், பிந்தைய பேஸ்டுரைசேஷனா அல்லது ஒரு பசுவிலிருந்து வந்ததா போன்ற பண்புகளை வெளிப்படுத்துகின்றனவா என்பதைப் பார்க்கலாம். நுண்ணுயிர் எதிர்ப்பிகளுடன் சிகிச்சை அளிக்கப்படுகிறது.”
ஆராய்ச்சியாளர்கள் 58 மொத்த தொட்டி பால் மாதிரிகளை சேகரித்து, அடிப்படை மாதிரிகள் மற்றும் வெளிப்புற பண்ணையில் இருந்து பால் அல்லது நுண்ணுயிர் எதிர்ப்பிகளைக் கொண்ட பால் போன்ற சாத்தியமான முரண்பாடுகளை பிரதிநிதித்துவப்படுத்துவதற்கு பல்வேறு AI வழிமுறைகளைப் பயன்படுத்தினர். இந்த ஆய்வு மூல பால் மெட்டஜெனோம்களை வகைப்படுத்தியது — ஒரு மாதிரியில் உள்ள பல தனிப்பட்ட நுண்ணுயிரிகளின் மரபணுக்களின் சேகரிப்பு — இதுநாள்வரை வெளியிடப்பட்ட வேறு எந்த படைப்புகளையும் விட அதிக வரிசைமுறை ஆழத்தில் மற்றும் மாதிரிகள் முழுவதும் நிலையான கூறுகளாக காணப்பட்ட ஒருமித்த நுண்ணுயிரிகளின் தொகுப்பு இருப்பதை நிரூபித்தது.
ஆய்வின் கண்டுபிடிப்புகள், உணவு உற்பத்தியில் முரண்பாடுகளைக் கண்டறிவதை கணிசமாக மேம்படுத்தும் திறனை AI கொண்டுள்ளது, மேலும் உணவுப் பாதுகாப்பை உறுதி செய்வதற்காக விஞ்ஞானிகளின் கருவித்தொகுப்பில் சேர்க்கக்கூடிய ஒரு விரிவான முறையை வழங்குகிறது, காண்டா விளக்கினார்.
“ஆல்ஃபா மற்றும் பீட்டா பன்முகத்தன்மை அளவீடுகள் மற்றும் கிளஸ்டரிங் போன்ற நுண்ணுயிர் வரிசைமுறை தரவுகளின் பாரம்பரிய பகுப்பாய்வு, அடிப்படை மற்றும் முரண்பாடான மாதிரிகளை வேறுபடுத்துவதில் பயனுள்ளதாக இல்லை,” என்று அவர் கூறினார். “இருப்பினும், AI இன் ஒருங்கிணைப்பு துல்லியமான வகைப்பாடு மற்றும் முரண்பாடுகளுடன் தொடர்புடைய நுண்ணுயிர் இயக்கிகளை அடையாளம் காண அனுமதித்தது.”
நுண்ணுயிர் அமைப்புகள் மற்றும் உணவு விநியோகச் சங்கிலி ஆகியவை AI க்கு சிறந்த பயன்பாடாகும், ஏனெனில் நுண்ணுயிரிகளுக்கு இடையிலான தொடர்புகள் சிக்கலானவை மற்றும் ஆற்றல்மிக்கவை என்று ஆய்வின் முதல் எழுத்தாளர் கிறிஸ்டன் பெக், ஐபிஎம் ஆராய்ச்சியின் மூத்த ஆராய்ச்சி விஞ்ஞானி கூறுகிறார்.
“உணவு விநியோகச் சங்கிலியில் பல மாறிகள் உள்ளன, அவை நாம் கவனிக்க விரும்பும் சமிக்ஞையை பாதிக்கின்றன,” என்று அவர் கூறினார். “சத்தத்திலிருந்து வரும் சிக்னலை அவிழ்க்க AI நமக்கு உதவும்.”
பால் உற்பத்தியில் கவனம் செலுத்தும் அதே வேளையில், இந்த ஆராய்ச்சியானது பரந்த உணவுத் தொழிலில் தாக்கங்களைக் கொண்டுள்ளது, பால் ஒரு மாதிரியாகத் தேர்ந்தெடுக்கப்பட்டது, ஏனெனில் இது திரவப் பாலை உற்பத்தி செய்யப் பயன்படுத்தப்படும் ஒரே மூலப்பொருள் — அதிக அளவு உணவு, கணிசமான அக்கறையுடன் மோசடி, குறிப்பாக வளரும் நாடுகளில்.
உணவின் தரம் மற்றும் பாதுகாப்பில் உள்ள சிக்கல்கள் விநியோகச் சங்கிலியில் அலை அலையான விளைவுகளை ஏற்படுத்தலாம், இதனால் கணிசமான உடல்நலம் மற்றும் பொருளாதார சேதம் ஏற்படலாம், எனவே உணவுப் பொருட்களின் அபாயத்தைக் காட்டும் பொருட்கள் அல்லது உணவுப் பொருட்களை அடையாளம் காண இலக்கு மற்றும் இலக்கற்ற முறைகளைப் பயன்படுத்துவதில் கணிசமான ஆர்வம் உள்ளது. மோசடி, உணவு தரம் மற்றும் உணவு பாதுகாப்பு பிரச்சினைகள்.
“இலக்கு இல்லாத முறைகள் அனைத்து மூலக்கூறுகளையும் வகைப்படுத்துகின்றன, அவை 'அடிப்படை நிலை'யிலிருந்து விலகும் பொருட்கள் அல்லது தயாரிப்புகளை அடையாளம் காண அடையாளம் காணக்கூடியவை, அவை இயல்பானதாகவோ அல்லது கட்டுப்பாட்டில் உள்ளதாகவோ கருதப்படும்,” என்று அவர் கூறினார். “முக்கியமாக, இந்த இலக்கற்ற முறைகள் ஒரு மூலப்பொருள் அல்லது தயாரிப்பை பாதுகாப்பற்ற அல்லது கலப்படம் என்று வரையறுக்காத ஸ்கிரீனிங் முறைகள் ஆகும், மாறாக அவை பின்தொடர்தல் நடவடிக்கைகள் அல்லது விசாரணைகளைத் தூண்டும் இயல்பான நிலையில் இருந்து ஒரு மாறுபாட்டை பரிந்துரைக்கின்றன.”
தனித்துவமான ஆராய்ச்சி ஒத்துழைப்பு ஒவ்வொரு கூட்டாளியின் வலிமையையும் மேம்படுத்தியது, காண்டா சுட்டிக்காட்டினார். இது IBM இன் திறந்த மூல AI தொழில்நுட்பம், ஓமிக்ஸிற்கான தானியங்கு விளக்கக்கூடிய AI, பரந்த அளவிலான மெட்டஜெனோமிக் தரவுகளை செயலாக்க, அல்லது அனைத்து நுண்ணுயிரிகளிலிருந்தும் தனிமைப்படுத்தப்பட்டு அனைத்து நியூக்ளியோடைடு வரிசைகளையும் மொத்த பால் மாதிரிகளில் இருந்து பகுப்பாய்வு செய்து, பாரம்பரிய முறைகளில் நுண்ணுயிர் கையொப்பங்களை அடையாளம் காண உதவுகிறது. தவறவிட முடியும். பால் அறிவியலில் கார்னெல் ஆராய்ச்சியாளர்களின் நிபுணத்துவம் ஆராய்ச்சியின் நடைமுறைப் பொருத்தத்தையும் பால் உற்பத்தித் தொழிலுக்கு அதன் பொருந்தக்கூடிய தன்மையையும் உயர்த்தியது. பாதுகாப்பு பயன்பாடுகள்.
நிய்னா ஹைமினென், அக்ஷய் அகர்வால், அன்னா பாவோலா கேரியரி, மேத்யூ மாட்க்விக், ஜெனிபர் கெல்லி மற்றும் பான் கவாஸ், ஐபிஎம் ஆராய்ச்சி ஆகியோரும் ஆராய்ச்சிக்கு பங்களித்தனர்; விக்டர் பைல்ரோ, லாவ்ராஸ் பெடரல் பல்கலைக்கழகம், பிரேசில்; மற்றும் மார்ட்டின் வைட்மேன், கார்னெல் பல்கலைக்கழகம்.
அமெரிக்க விவசாயத் துறை பென் ஸ்டேட் மூலம் இந்தப் பணியை ஆதரித்தது.