Diagnóstico de los patógenos causantes de intoxicaciones alimentarias en granjas mediante sensores remotos y algoritmos matemáticos (suelos, aguas y residuos)

Ciertos microorganismos causantes de toxiinfecciones alimentarias graves y frecuentes, se asientan ya en las granjas en donde se producen los alimentos contaminados. Investigaciones recientes intentan desarrollar una metodología con vistas a detectar los puntos calientes de los predios en donde pueden medrar y proliferar estos patógenos antes de la recogida de las cosechas. Con tal motivo, la nota de prensa de que damos cuenta hoy, tras muestrear estacionalmente suelos aguas, estiércoles, etc., y conociendo parcialmente la ecología de los patógenos, hicieron uso de sensores remotos, sistemas de información geográfica, ¿algoritmos geoespaciales? (árboles de clasificación jerárquica) y otros datos ambientales (topografía, tipo de suelos, condiciones meteorológicas en un momento y lugar  dado, proximidad a otras fuentes como el agua, bosques, etc.), con vistas a predecir las zonas sensibles que pudieran dar lugar eventualmente en el terreno a una proliferación y diseminación de estos patógenos (por ejemplo: Listeria monocytogenes, Salmonella, o la E. Coli portadora de  la toxinas Shiga), que de este modo contaminarán la cadena alimentaria. Si las metodologías obtiene el éxito deseado (habrá que demostrarlo) los granjeros podrían intervenir de diversas formas con vistas a erradicar con antelación el problema de salud que pudiera producirse al consumir los alimentos. Hablamos de procedimientos tales como  drenar las aguas estancadas sobre la superficie del suelo, dirigir el ganado a las zonas de menos riesgo o plantar vegetales que necesiten hervirse (supresión del microbio) antes de ser consumidos, en lugar de los que pueden ingerirse frescos.  Los autores señalan que se trata de una aproximación novedosa, empero en mi modesta opinión es un paso lógico proporcionado por las utilidades que suministran las nuevas tecnologías. Ahora bien, tras varios años escribiendo esta bitácora uno comienza a pensar que los científicos pensamos que una granja es un laboratorio repleto de nuevos instrumentos con vistas a medir cualquier cosa. De seguir así, aplicando todo lo que se nos sugiere (como por ejemplo la agricultura de precisión), serás más difícil manejar una granja que las instalaciones de un instituto de investigación. Y francamente, no me parece viable excepto en ciertas granjas muy rentables de los países más desarrollados. No dudo que con «pasta», instrumental de última generación, técnicos altamente cualificados, y porque no científicos incluidos, todo esto sea viable. Ahora bien, hoy por hoy, se me antoja una agricultura impracticable en la mayor parte de la agrosfera, dada la sociedad en donde vivimos. No se trata de un crítica mordaz, sino tan solo sopesar todo lo que se indica que debe llevarse a cabo una “smart farm” es decir la más tonta de todas las granjas. No se le pueden solicitar a los paisanos el manejo de múltiples tecnologías que a menudo nos cuesta mucho tiempo de aprender a los propios investigadores, a los que se nos presupone que atesoramos un más que digno adiestramiento ¿?. Y más aún, un algoritmo puede funcionar en ciertos ambientes, pero no en otros, cayéndose todo este cambalache por el “suelo” para la ruina del paisano «tecnológicus». Tecnología para ricos a la par que más que doctos campesinos. Abajo os muestro algo de información acerca de los patógeno sobre los que se centró el estudio, así como la nota de prensa original). Cuando me jubile, temo que no voy a valer ni para establecerme en una pequeña «smart granja«.

Juan José Ibáñez

 listeria-en-granjas-fuente-wellcommons

Granjas contaminadas por Listeria. Fuente: WellCommons

Listeria monocytogenes es una bacteria que se desarrolla intracelularmente y es causante de la Listeriosis. Es uno de los patógenos causante de infecciones alimentarias más virulentas, con una tasa de mortalidad entre un 20 a 30%, más alta que casi todas las restantes toxicoinfecciones alimentarias. Listeria monocytogenes recibe su nombre del cirujano inglés Joseph Lister (Listeria) y de su capacidad de que extractos de su membrana son capaces de estimular la producción —generar— monocitos (monocytogenes) en el conejo, aunque no en la enfermedad del ser humano.[1] Es un agente productor de zoonosis de distribución universal. Se transmite por contacto directo o contaminación cruzada durante la manipulación, en el procesado de alimentos o en el hogar, también por vía sexual. La infección por L. monocytogenes, en el contexto del embarazo, suele diagnosticarse de forma tardía, produciéndose un cuadro muy grave, llamado granulomatosis infantisepticum, llegando a provocar abortos. También se ha relacionado con Meningoencefalitis y meningitis especialmente en neonatos, ancianos e inmunodeprimidos, así como bacteriemia en mujeres gestantes, inmunodeprimidos y neonatos (granulomatosis infanto-séptica).

 Salmonella es un género de bacterias que pertenece a la familia Enterobacteriaceae, formado por bacilos gramnegativos, anaerobios facultativos, con flagelos perítricos y que no desarrollan cápsula (excepto la especie S. typhi) ni esporas. Son bacterias móviles que producen ácido sulfhídrico (H2S). Emplean glucosa por poseer una enzima especializada, pero no lactosa, y no producen ureasa. No tienen metabolismo fermentativos.

Las toxinas Shiga son una familia de toxinas relacionadas con dos grupos principales, Stx1 y Stx2, cuyos genes se considera que son parte del genoma de los profagos lambdoide[1] Las toxinas son llamadas Shiga por Kiyoshi Shiga, que fue el primero en describir el origen bacteriano de la disentería causada por Shigella dysenteriae. El origen más común de toxinas Shiga son las bacterias S. dysenteriae y el grupo Shigatoxigénico de Escherichia coli (STEC), el cual incluye el serotipo O157:H7 y otras E. coli enterohemorrágicas

 Remote Sensing, Microbiology Used to Trace Foodborne Pathogens

Sciencedaily Dec. 5, 2012 In 2011, an outbreak of Listeria monocytogenes in cantaloupe led to almost 150 illnesses and 30 deaths. With a spate of recent outbreaks of such foodborne pathogens as Salmonella, Shiga toxin-producing E. coli and L. monocytogenes, the ability to predict where and how these deadly microbes enter the food supply chain could save lives and prevent disease.

 Cornell researchers have created a method that uses geospatial algorithms, foodborne pathogen ecology and Geographic Information System (GIS) tools to predict hot spots where these pathogens may be present and spread on farms prior to harvest. Many of the recent outbreaks of foodborne pathogens have been linked to contamination on the farm.

The method, which can be applied to any farm, uses classification tree tools with remotely sensed data, such as topography, soil type, weather trends, proximity to various sources (water, forests) and more, to predict areas where pathogens are likely to be present.

«We wanted to see if we could identify factors that gave us a higher or lower prevalence of finding these pathogens,» said Laura Strawn, a graduate student in the field of food science and lead author of a study published online Nov. 9 in the journal Applied and Environmental Microbiology. «We can look at a farm and use this data analysis tool to tell the farmer where these hotspots may be for foodborne pathogens,» she said.

«These tools are likely to provide a completely new science-based approach for guidance on how to reduce the likelihood of contamination with these bacteria,» said co-author Martin Wiedmann, a food science professor and study co-author.

By knowing where the hot spots are, farmers may then implement such preventive practices as draining standing water, adjusting where livestock graze, or planting crops that should be consumed cooked rather than raw, for example, Strawn added.

The researchers collected 588 samples soil, water, feces and drag swabs (gauze attached to a string and dragged over a field) from four produce fields on five farms each. Samples were collected four times a year, during each season, from 2009 to 2011. The prevalence of L. monocytogenes , Salmonella and E. coli were 15.0, 4.6 and 2.7 percent respectively across all the samples. L. monocytogenes and Salmonella were detected more frequently in water samples from irrigation sources or nearby streams, while E. coli was found in equal distributions across all the sample types.

L. monocytogenes and Salmonella were found in higher frequencies in areas with moist soils. For Salmonella, «if you had more precipitation before a sample was collected, you were more likely to find that pathogen,» said Strawn. Also, well-drained fields had lower Salmonella prevalence. Knowledge of such factors would help predict whether an area of a farm may be at higher risk.

For Listeria, proximity to water, pastures, livestock and grazing cattle, wildlife habitation and nearby impervious surfaces, roads and ditches all predicted a higher prevalence of the pathogen.

Once such factors have been identified, the GIS platform may be used to filter out specific areas based upon those factors (such as filtering areas that have moist soils and close proximity to water) to create a color-coded map of any farm area with predicted prevalence for a pathogen.

«This work advances our understanding of the environmental microbiology of foodborne pathogens and permits tailored solutions to predict contamination of produce commodities during cultivation,» said Peter Bergholz, a research associate in food science and the study’s corresponding author.The research was funded by the U.S. Department of Agriculture.

 Story Source: The above story is reprinted from materials provided by Cornell University. The original article was written by Krishna Ramanujan. Note: Materials may be edited for content and length. For further information, please contact the source cited above.

Journal Reference: L. K. Strawn, E. D. Fortes, E. A. Bihn, K. K. Nightingale, Y. T. Grohn, R. W. Worobo, M. Wiedmann, P. W. Bergholz. Landscape and Meteorological Factors Affecting Prevalence of Three Foodborne Pathogens in Fruit and Vegetable Farms. Applied and Environmental Microbiology, 2012; DOI: 10.1128/AEM.02491-12

Compartir:

Deja un comentario