Les scientifiques ont utilisé l'apprentissage automatique pour trouver de nouvelles façons d'identifier et de localiser les maladies dans les élevages de volailles, ce qui contribuera à réduire le besoin de traitement antibiotique, réduisant ainsi le risque de transfert de la résistance aux antibiotiques aux populations humaines.

L'étude, publiée dans The ISME Journal , était dirigée par le Dr Tania Dottorini de la School of Veterinary Medicine and Science and Future Food Beacon de l'Université de Nottingham.

L'augmentation rapide de la production de volaille pour répondre à la demande croissante en Chine a entraîné une utilisation extensive et aveugle des antibiotiques. Cela a entraîné une augmentation inquiétante des cas de résistance aux antimicrobiens (RAM) diagnostiqués chez les animaux, qui pourraient potentiellement se propager à l'homme par contact direct, contamination environnementale et consommation alimentaire.

La résistance aux antibiotiques étant désormais l'un des problèmes les plus menaçants au monde, un diagnostic efficace et rapide des infections bactériennes dans l'élevage de poulets peut réduire le besoin d'antibiotiques, ce qui réduira les épidémies et la résistance aux antimicrobiens.

Dans ce projet, des chercheurs de Nottingham ont prélevé des échantillons d'animaux, d'humains et de l'environnement dans une ferme chinoise et son abattoir connecté. Ces "grandes" données complexes ont maintenant été analysées pour de nouveaux biomarqueurs diagnostiques qui prédiront et détecteront l'infection bactérienne, l'apparition de la RAM et le transfert à l'homme. Ces données permettront ensuite une intervention et un traitement précoces, réduisant la propagation et le besoin d'antibiotiques.

L'étude a produit trois résultats clés. Premièrement, plusieurs gènes de résistance aux antimicrobiens (ARG) similaires sur le plan clinique et des éléments génétiques mobiles associés (gènes de résistance aux antibiotiques capables de se déplacer dans les génomes et entre les bactéries) ont été trouvés dans des échantillons humains et de poulets à griller. En particulier, onze types de gènes de résistance aux antibiotiques cliniquement importants, avec des structures de gènes ARG mobiles conservées, ont été trouvés entre des échantillons provenant de différents hôtes.

Le Dr Dottorini a déclaré:"Ces similitudes auraient été manquées si nous n'avions utilisé qu'une analyse comparative conventionnelle à grande échelle, qui a en fait montré que le microbiome et les résistomes diffèrent selon les environnements et les hôtes. Dans l'ensemble, cette découverte suggère la pertinence d'adopter une approche multi-échelle analyse lors de la dissection des similitudes et des différences des résistomes et des microbiomes dans des environnements interconnectés complexes."

Deuxièmement, l'étude a montré qu'en développant une approche basée sur l'apprentissage automatique intégrant des données métagénomiques avec des méthodes basées sur la culture, l'équipe a découvert l'existence d'un résistome central de l'intestin de poulet qui est corrélé à la RAM circulant dans les fermes. Ces résultats ont soutenu l'hypothèse selon laquelle des corrélations existent entre les phénotypes de résistance des bactéries commensales et pathogènes individuelles et les types d'ARG dans le résistome dans lequel ils existent.

Enfin, en utilisant la technologie de détection et l'apprentissage automatique, l'équipe a découvert que les résistomes centraux liés à la RAM sont eux-mêmes associés à divers facteurs externes tels que la température et l'humidité.

Le Dr Dottorini a déclaré :« L'industrie de la production alimentaire représente un grand consommateur d'antibiotiques, mais les risques liés à la résistance aux antimicrobiens dans ces environnements ne sont pas encore pleinement compris. Il est donc essentiel de mettre en place des études et des méthodes améliorées optimisées pour ces environnements où les animaux et les humains peuvent être en contact étroit. L'agriculture de précision, le séquençage d'ADN rentable et l'adoption accrue des technologies d'apprentissage automatique offrent la possibilité de développer des méthodes permettant de mieux comprendre et quantifier les risques liés à la résistance aux antimicrobiens dans les environnements agricoles." + Explorer plus loin

L'apprentissage automatique identifie les bactéries résistantes aux antibiotiques qui peuvent se propager entre les animaux, les humains et l'environnement