24-10-2024
Progrès en matière de microbiologie prédictive : Intégrer les nouvelles technologies pour des modèles efficaces de sécurité alimentaire
Les modèles prédictifs sont largement utilisés en microbiologie alimentaire pour estimer la croissance des micro-organismes. Toutefois, plusieurs limites ont été associées à leur utilisation. Les modèles prédictifs se sont révélés incapables de modéliser les interactions microbiennes complexes dans les aliments colonisés par différentes populations de bactéries dans des conditions environnementales dynamiques. Pour résoudre ce problème, les chercheurs intègrent plusieurs nouvelles technologies dans les modèles prédictifs afin d’en améliorer l’efficacité et la précision.
De plus en plus, le séquençage du génome entier (WGS), la métagénomique, l’intelligence artificielle et l’apprentissage automatique sont rapidement adoptées dans les modèles de nouvelle génération. Cela a facilité le développement d’appareils basés sur la robotique, l’internet des objets et les indicateurs temps-température. Ces outils sont alors incorporés dans la transformation des aliments à la fois au niveau national et au niveau industriel à l’échelle mondiale.
Cette étude passe en revue les recherches actuelles sur les modèles prédictifs, les limites, les défis et les nouvelles technologies intégrées dans le développement de modèles plus efficaces. Les algorithmes d’apprentissage automatique couramment utilisés dans la modélisation prédictive sont examinés en mettant l’accent sur leur application dans la recherche et l’industrie et sur leurs avantages par rapport aux modèles traditionnels.
Image : International Journal of Microbiology