权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

未知の食中毒に対応：遺伝情報と暴露環境から食中毒細菌の適応進化を導き出す予測技術

应对未知食物中毒：从遗传信息和暴露环境中推导食物中毒细菌适应性进化的预测技术

基本信息

批准号：
22KJ3118
负责人：
安部大樹
金额：
$ 3.33万
依托单位：
National Agriculture and Food Research Organization
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

项目摘要

本研究は、カンピロバクターの環境要因に対する応答挙動における菌株間の違いを環境情報及び遺伝子情報を用いて予測するモデルを開発することを目標としている。初年度（本年度）は，29菌株のCampylobacter jejuniの耐熱性について試験を行った。耐熱性の菌株差の予測モデルを最新の手法（最確曲線法: Most probable curve methodおよび多変量正規分布:Multivariate normal distribution）によって開発された。結果として10~15種類の程度の菌株の耐熱性をもとに菌株全体の変動性を予測できることが示された。開発された予測モデル及びその結果はInternational Association of Food Protection 2023及びInternational Conference of Predictive Microbiology on Food 12において発表することが決まっている（両学会査読通過済）。加えて，耐熱試験を行った菌株の内，16菌株について、Hi-Fiシーケンサを用いた全ゲノム解析が完了した。得られたシーケンスデータをアセンブリすることで、環状の全ゲノム情報を取得することができた。次年度は，全菌株のゲノム解析を完了させるとともに，初年度で得られた耐熱性との関連因子を分析し，機械学習法を用いて遺伝情報からの生存特性の予測モデルを開発する。

The purpose of this study is to predict the environmental factors of bacteria and to develop the environmental information and genetic information of bacteria and bacteria. In the first year (this year), 29 strains of Campylobacter jejuni were tested for heat resistance. The latest method for predicting the difference of heat resistance strains (Most probable curve method and Multivariate normal distribution) is developed. The results showed that the degree of heat tolerance of 10~15 strains was higher than that of 10 ~ 15 strains. The results of the development of predictive microbiology and the development of predictive microbiology were reviewed by the International Association of Food Protection 2023 and the International Conference of Predictive Microbiology on Food 12. The analysis of 16 strains in the heat-resistant test was completed. Get the information from the ring and all the information from the ring. In the second year, the analysis of the whole strain was completed, and in the first year, the analysis of the heat resistance and the correlation factors was obtained. The prediction of the survival characteristics was developed by using the mechanical learning method.