Блог

Jun 26, 2023

Машинное обучение

Научные отчеты, том 13,

Научные отчеты, том 13, Номер статьи: 7749 (2023) Цитировать эту статью

280 доступов

Подробности о метриках

Интеллектуальная система искусственного интеллекта (SAIS) для подсчета плотности Acinetobacter (AD) в водоемах представляет собой бесценную стратегию, позволяющую избежать повторяющихся, трудоемких и трудоемких процедур, связанных с ее определением. Целью этого исследования было прогнозирование AD в водоемах с использованием машинного обучения (ML). Данные AD и физико-химических переменных (PV) из трех рек, мониторинг которых осуществлялся с помощью стандартных протоколов в ходе годового исследования, были адаптированы к 18 алгоритмам ML. Эффективность моделей оценивалась с использованием регрессионных показателей. Средние значения pH, EC, TDS, солености, температуры, TSS, TBS, DO, BOD и AD составили 7,76 ± 0,02, 218,66 ± 4,76 мкСм/см, 110,53 ± 2,36 мг/л, 0,10 ± 0,00 PSU, 17,29 ± 0,21 °. C, 80,17 ± 5,09 мг/л, 87,51 ± 5,41 NTU, 8,82 ± 0,04 мг/л, 4,00 ± 0,10 мг/л и 3,19 ± 0,03 log КОЕ/100 мл соответственно. Хотя вклады PV различались по значениям, предсказанное значение AD с помощью XGB [3,1792 (1,1040–4,5828)] и Cubist [3,1736 (1,1012–4,5300)] затмило другие алгоритмы. Кроме того, XGB (MSE = 0,0059, RMSE = 0,0770; R2 = 0,9912; MAD = 0,0440) и Cubist (MSE = 0,0117, RMSE = 0,1081, R2 = 0,9827; MAD = 0,0437) заняли первое и второе места соответственно в прогнозировании AD. Температура была наиболее важной характеристикой при прогнозировании AD и занимала первое место среди 10/18 ML-алгоритмов, на которые приходилось 43,00–83,30% средних потерь RMSE после 1000 перестановок. Частичная зависимость двух моделей и остаточная диагностическая чувствительность показали их эффективную точность прогнозирования AD в водных объектах. В заключение, полностью разработанное XGB/Cubist/XGB-Cubist ансамбль/веб-приложение SAIS для мониторинга AD в водоемах может быть развернуто, чтобы сократить время выполнения работ при принятии решения о микробиологическом качестве водных объектов для орошения и других целей.

Виды Acinetobacter относятся к группе аэробных грамотрицательных бактерий, которые являются неподвижными, неферментативными, каталазоположительными, оксидазоотрицательными инкапсулированными коккобациллами, имеющими содержание G+C в ДНК от 39 до 47 моль1,2. Таксономически ученые определили 68 подтвержденных видов рода Acinetobacter, при этом многие другие еще не разделены на виды3,4,5. Многие виды Acinetobacter встречаются в природе в различных средах, включая почву, воду, воздух, сточные воды, фомиты, кожу человека, животных и даже на растениях6,7,8. Некоторые виды могут использовать различные субстраты, такие как аминокислоты, углеводы, органические кислоты и углеводороды, в то время как некоторые могут секретировать промышленные ферменты, такие как липаза и протеаза9,10. Однако лишь немногие виды являются условно-патогенными микроорганизмами человека. Например, Acinetobacter baumannii является широко известным видом в больницах, который вызывает опасные для жизни инфекции, такие как пневмония, инфекции дыхательных и мочевыводящих путей, септицемия и раневые инфекции, среди прочего, особенно у пациентов с ослабленным иммунитетом11,12,13 .

Виды Acinetobacter широко распространены в окружающей среде и могут вызывать тревожное распространение генов устойчивости к противомикробным препаратам в окружающей среде14,15. Кроме того, сообщалось, что очистные сооружения сточных вод (ОСС), питающиеся больничными и муниципальными сточными водами, вносят изоляты Acinetobacter с множественной лекарственной устойчивостью (МЛУ) и широкой лекарственной устойчивостью (ШЛУ) в свои сточные воды, поступающие в водоемы, по сравнению с другими источниками15,16. Сброс сточных вод очистных сооружений увеличивает распространенность Acinetobacter в принимающих речных водоемах и способствует устойчивости к противомикробным препаратам и передаче их орошаемым овощам15. Передача Acinetobacter spp. (особенно A. baumannii) — с высокой устойчивостью к противомикробным препаратам и коэффициентом смертности — на свежие продукты было продемонстрировано и рассмотрено Carvalheira et al.17. Виды Acinetobacter с различной устойчивостью от MDR до XDR были изолированы в свежих фруктах и ​​овощах (яблоках, капусте, дынях, цветной капусте, перце, грибах, салате, огурцах, бананах, редисе, сладкой кукурузе, моркови, картофеле, персиках, грушах, клубника, яблоко, сельдерей, помидоры и редис) с плотностью до 50–1000 КОЕ/г18 в Гонконге19, Франции20, Нигерии21, Ливане22, Португалии23 и в сельскохозяйственной среде Алжира24. Кроме того, водоемы, особенно сельские реки, например, поддерживают рекреационное использование в значительно больших количествах людьми, не осведомленными о притоке/поступлении сточных вод очистных сооружений и притоке патогенов с множественной лекарственной устойчивостью, представляющих угрозу для общественного здравоохранения, включая Acinetobacter25.