งานวิจัยนี้เน้นที่เชื้อ เอนเทอโรคอคคัส ซีโครัม แต่เทคนิคนี้สามารถประยุกต์ใช้กับเชื้อก่อโรคอื่นๆ ได้
กระบวนการเรียนรู้ของเครื่องจักรที่สามารถทำนายได้ด้วยความแม่นยำประมาณร้อยละ
๙๐ ถึง ๙๕ ว่าสายพันธุ์แบคทีเรียชนิดใดมีแนวโน้มก่อให้เกิดโรคในสัตว์ปีก
อาจช่วยให้อุตสาหกรรมการเลี้ยงสัตว์ปีกตรวจพบการติดเชื้อที่สร้างความเสียหายทางเศรษฐกิจได้ตั้งแต่ระยะเริ่มต้น
ก่อนที่โรคจะแพร่กระจายเป็นวงกว้าง ผลงานวิจัยที่ตีพิมพ์ในวารสาร ฟรอนเทียร์ส อิน
ไมโครไบโอโลจี มุ่งศึกษาเชื้อ เอนเทอโรคอคคัส ซีโครัม ซึ่งเป็นแบคทีเรียที่ก่อให้เกิดความสูญเสียในอุตสาหกรรมสัตว์ปีกทั่วโลกคิดเป็นมูลค่าหลายพันล้านดอลลาร์สหรัฐต่อปี
คณะนักวิจัยได้วิเคราะห์จีโนมของแบคทีเรียจำนวน
๒๕๙ สายพันธุ์ ประกอบด้วยเชื้อ ๓๔ ไอโซเลต
ที่เก็บจากฟาร์มสัตว์ปีกในรัฐอาร์คันซอส์ และจีโนมอีก ๒๒๕ ชุด
ที่เผยแพร่สู่สาธารณะในฐานข้อมูลของ ศูนย์ข้อมูลเทคโนโลยีชีวภาพแห่งชาติ จากทั้งหมดนี้ มี ๑๑๐ สายพันธุ์
ที่ถูกจัดเป็นเชื้อประจำถิ่นหรือเชื้อที่ไม่ก่อโรค และ ๙๕ สายพันธุ์ที่ถูกจัดเป็นเชื้อก่อโรคใช้เป็นข้อมูลสำหรับฝึกและทดสอบแบบจำลองการทำนายของระบบเรียนรู้ของเครื่อง
โครงการวิจัยนี้นำโดย อรัณยัก โกสวามี ผู้ช่วยศาสตราจารย์ประจำ
ศูนย์วิเคราะห์ข้อมูลการเกษตร แห่งสถานีวิจัยการเกษตรอาร์คันซอส์ เป็นหน่วยงานวิจัยในสังกัด
กองการเกษตร มหาวิทยาลัยอาร์คันซอส์ งานวิจัยดังกล่าวดำเนินการร่วมกับบริษัท
ค็อบบ์ เจเนติกส์ และได้รับการสนับสนุนงบประมาณจาก อาร์คันซอส์ รีเสิร์ช
อัลไลแอนซ์
ถอดรหัสความสัมพันธ์ของยีน
เทคนิคการเรียนรู้ของเครื่องจักรช่วยให้นักวิจัยตรวจพบรูปแบบการเรียงตัวของยีน
หรือที่เรียกว่า “ย่านพันธุกรรม” เป็นเบาะแสสำคัญในการทำนายว่าแบคทีเรียแต่ละสายพันธุ์มีศักยภาพในการก่อโรคในสัตว์ปีก
หรือเป็นเพียงเชื้อที่ไม่ก่ออันตราย
การหาลำดับจีโนมช่วยให้นักวิจัยสามารถตรวจพบ
ยีนดื้อยาต้านจุลชีพ และ เส้นทางเมแทบอลิซึม ของแบคทีเรียได้ ขณะเดียวกัน
เครื่องมือที่ชื่อว่า “ไอแลนด์วิวเวอร์” ยังช่วยตรวจหาบริเวณ
“เกาะการก่อโรค” หรือส่วนของจีโนมที่เกี่ยวข้องกับความสามารถในการก่อโรคได้อีกด้วย
จากนั้น คณะวิจัยได้นำเทคนิคที่เรียกว่า การวิเคราะห์แคสเซตสู่เวกเตอร์ ดัดแปลงมาจากเทคโนโลยีประมวลผลภาษาธรรมชาติ
มาใช้ศึกษาความสัมพันธ์และปฏิสัมพันธ์ระหว่างยีนต่างๆ
แทนการพิจารณายีนแต่ละตัวแยกจากกัน
ทำให้สามารถมองเห็นภาพรวมของการทำงานร่วมกันของยีนที่เกี่ยวข้องกับการก่อโรคได้ชัดเจนยิ่งขึ้น
“เราไม่ได้มองเฉพาะยีนตัวใดตัวหนึ่ง
แต่เรากำลังพิจารณาปฏิสัมพันธ์ระหว่างยีนทั้งหมด” โกสวามีกล่าว ข้อมูลเหล่านี้ถูกนำเข้าสู่เครื่องมือการเรียนรู้ของเครื่องสำหรับการพยากรณ์ที่ได้รับความนิยมอย่างแพร่หลายจำนวน
๒ ระบบ โดยโกสวามีระบุว่า
แบบจำลองดังกล่าวได้รับการเปรียบเทียบกับวิธีการที่ใช้อยู่ในปัจจุบันเพื่อยืนยันความน่าเชื่อถือของผลลัพธ์
นอกจากนี้ การวิเคราะห์ยังสามารถระบุ ชุดลายเซ็นทางพันธุกรรมจำนวน ๒๐ ยีน
ที่มีความเกี่ยวข้องกับแบคทีเรียสายพันธุ์ก่อโรค เป็นจุดเริ่มต้นสำคัญสำหรับการทดสอบในห้องปฏิบัติการด้วยเทคนิค
พีซีอาร์และวิธีการวินิจฉัยอื่น ๆ ต่อไป
โค้ดต้นแบบที่ใช้ในงานวิจัยนี้ได้รับการออกแบบให้มีโครงสร้างแบบแยกส่วน
และเปิดเผยสู่สาธารณะบน กิตฮับ โดยมียอดดาวน์โหลดประมาณ ๔๐๐ ถึง ๕๐๐ ครั้ง “คุณจะรู้ได้ว่าเครื่องมือวิเคราะห์มีคุณค่าเมื่อมีการนำไปประยุกต์ใช้ในระบบอื่น”
โกสวามีกล่าว เขายังเปิดเผยอีกว่ามีกลุ่มนักวิจัยอีกคณะหนึ่งได้นำวิธีการดังกล่าวไปประยุกต์ใช้ในการศึกษาพฤติกรรมทางสังคมของผึ้ง
สะท้อนให้เห็นถึงศักยภาพเทคนิคนี้ที่สามารถนำไปใช้ได้กว้างกว่าการศึกษาด้านจุลชีววิทยาและโรคสัตว์ปีกเพียงอย่างเดียว
เอกสารอ้างอิง
Doughman E. 2026. Machine learning could ID
disease-causing poultry bacteria. [Internet]. [Cited 2026 Jul
23]. Available from: https://www.wattagnet.com/broilers-turkeys/diseases-health/news/15835732/machine-learning-could-id-diseasecausing-poultry-bacteria
ภาพที่ ๑ เทคโนโลยีอัจฉริยะระบุเชื้อก่อโรค
(แหล่งภาพ Coffeemill
| Shutterstock.com)
ไม่มีความคิดเห็น:
แสดงความคิดเห็น