مروری بر کاربرد هوش مصنوعی مولد در مدل‌سازی میکروبیوم و مقاومت آنتی‌بیوتیکی در پرورش میگو

کد مقاله : 1157-5THISC-FULL

نویسندگان

زهرا محمدی *، شادی شهوند، آرش امیدی دانشگاه شیراز

چکیده مقاله

مقاومت آنتی‌بیوتیکی (AMR) در سامانه‌های پرورش میگو، تهدیدی رو‌به‌افزایش برای پایداری تولید و سلامت محیطی است. از سوی دیگر، میکروبیوم روده و محیط پرورشی، نقشی تعیین‌کننده در ایمنی، رشد و حساسیت به بیماری‌ها دارند و منبع مهمی از ژن‌های مقاومت (ARGs) به شمار می‌روند. پیشرفت‌های اخیر در هوش مصنوعی مولد از جمله مدل‌های انتشار، GAN و VAE دو مسیر مکمل را پیشِ‌رو گذاشته‌اند: (1) مدل‌سازی و سنتز داده‌های میکروبیومی برای شبیه‌سازی سناریوهای مدیریتی و کاهش کمبود داده و (2) طراحی مولکول‌های ضد‌میکروبی نوین مانند پپتیدهای ضد‌میکروبی (AMPs) به‌عنوان جایگزین/مکمل آنتی‌بیوتیک‌ها. شواهد نشان می‌دهد داده‌های مصنوعی باکیفیت می‌توانند نوسان داده‌های میکروبیوم را جبران و دقت پیش‌بینی‌ها را در شرایط محیطی متغیر افزایش دهند. هم‌زمان، طراحی AMP با مدل‌های انتشار، مجموعه‌ای از پپتیدهای قدرتمند و متنوع را تولید کرده که به‌طور بالقوه فشار انتخابی ناشی از مصرف بی‌رویه آنتی‌بیوتیک‌ها را کاهش می‌دهند. با این حال، چالش‌هایی چون سوگیری داده‌ها، تعمیم‌پذیری مدل‌ها بین مزارع/اقلیم‌ها و نیاز به تفسیرپذیری زیستی باقی است. این مرور ضمن جمع‌بندی شواهد موجود، مسیرهای آینده‌پژوهانه برای به‌کارگیری مدل‌های مولد در مدیریت هوشمند اکوسیستم‌های پرورشی میگو را پیشنهاد می‌کند.

کلیدواژه ها

هوش مصنوعی مولد، میکروبیوم، مقاومت آنتی‌بیوتیکی، پرورش میگو، مدل‌سازی زیستی

وضعیت: پذیرفته شده