Un cadre de travail pour la priorisation des groupes de maladies d'origine alimentaire pour une intervention réussie sur le plan de la santé publique grâce à la mise en œuvre de techniques d'analyse utilisant l'apprentissage machine appliquées

Un cadre de travail pour la priorisation des groupes de maladies d'origine alimentaire pour une intervention réussie sur le plan de la santé publique grâce à la mise en œuvre de techniques d'analyse utilisant l'apprentissage machine appliquées à des bases de données de surveillance et de génomique des populations durant une épidémie

Période de financement : 2019-2023
Responsable : John Nash
Investissement global de l'IRDG : 718 000 $

La mise en œuvre à grande échelle des techniques de séquençage du génome complet pour la surveillance des agents pathogènes d'origine alimentaire a permis une meilleure détection des foyers d'infection qui dépassent les capacités actuelles d'étude épidémiologique. C'est dans ce contexte que le présent projet visera à mettre au point de nouveaux outils pour l'analyse des données de séquençage du génome afin de faciliter la priorisation des foyers en fonction de paramètres qui permettent des interventions sanitaires efficaces (p. ex., l'association probable de certains foyers à certains aliments pour les stratégies de prévention et de contrôle à court et long termes), notamment l'identification de biomarqueurs prédictifs pour les risques sanitaires généraux et les sources des souches d'agents pathogènes.

Publications

  • Baclic O, Tunis M, Young K, Doan C, Swerdfeger H, Schonfeld J. 2020. Challenges and opportunities for public health made possible by advances in natural language processing. Can Commun Dis Rep. 46(6):161–8. https://doi.org/10.14745/ccdr.v46i06a02 (en anglais seulement)
  • Clark CG, Landgraff C, Robertson J, Pollari F, Parker S, Nadon C, Gannon VPJ, Johnson R, Nash J. 2020. Distribution of heavy metal resistance elements in Canadian Salmonella 4,[5],12:i:- populations and association with the monophasic genotypes and phenotype. PLoS ONE 15(7): e0236436. https://doi.org/10.1371/journal.pone.0236436 (en anglais seulement)
  • Hetman BM, Mutschall SK, Carrillo CD, Thomas JE, Gannon VPJ, Inglis GD, Taboada EN. 2020. "These aren't the strains you're looking for": recovery bias of common Campylobacter jejuni subtypes in mixed cultures. Frontiers in Microbiology. 11:541. https://doi.org/10.3389/fmicb.2020.00541 (en anglais seulement)
  • Hodges LM, Carrillo CD, Upham JP, Borza A, Eisenbraun M, Kenwell R, Mutschall SK, Haldane D, Scheilauf E, Taboada EN. 2019. A strain comparison of Campylobacter isolated from retail poultry and human clinical cases in Atlantic Canada. 2019. PLoS ONE. 14(5):e0215928. https://doi.org/10.1371/journal.pone.0215928 (en anglais seulement)
  • Inglis GD, Boras VF, Webb AL, Suttorp VV, Hodgkinson P, Taboada EN. 2019. Enhanced microbiological surveillance reveals that temporal case clusters contribute to the high rates of campylobacteriosis in a model agroecosystem. 2019. Int J Med Microbiol. 309(3-4):232. https://doi.org/10.1016/j.ijmm.2019.04.003 (en anglais seulement)
  • Inglis GD, Gusse JF, House KE, Shelton TG, Taboada EN. 2020. Clinically relevant Campylobacter jejuni subtypes are readily found and transmitted within the cattle production continuum but present a limited foodborne risk. Appl Environ Microbiol. 86(6):e02101-19. https://doi.org/10.1128/AEM.02101-19 (en anglais seulement)
  • Inglis GD, Ramezani N, Taboada EN, Boras VF, Uwiera RRE. 2021. Analysis of Campylobacter jejuni subtype distribution in the chicken broiler production continuum: a longitudinal examination to identify primary contamination points. Appl Environ Microbiol. 87(3). https://doi.org/10.1128/AEM.02001-20 (en anglais seulement)
  • Labbé G, Kruczkiewicz P, Robertson J, Mabon P, Schonfeld J, Kein D, Rankin MA, Gopez M, Hole D, Son D, Knox N, Laing CR, Bessonov K, Taboada EN, Yoshida C, Ziebell K, Nichani A, Johnson RP, Van Domselaar G, Nash JHE. Rapid and accurate SNP genotyping of clonal bacterial pathogens with BioHansel. Microb Genom. 2021 Sep;7(9):000651. https://doi.org/10.1099/mgen.0.000651. PMID: 34554082; PMCID: PMC8715432 (en anglais seulement)
  • Steinkey R, Moat J, Gannon V, Zovoilis A, Laing C. 2020. Application of artificial intelligence to the in silico assessment of antimicrobial resistance and risks to human and animal health presented by priority enteric bacterial pathogens. Canada Communicable Disease Report: Artificial intelligence in public health. 46(6):180-185. https://doi.org/10.14745%2Fccdr.v46i06a05 (en anglais seulement)

Contactez-nous

Pour en savoir plus, veuillez communiquer avec :
L'Initiative de R-D en génomique
Courriel : info@grdi-irdg.collaboration.gc.ca