Climate change and microbiological food safety management: the role of in-silico tools

方法

综述性视角文章，结合近期研究案例说明三类in-silico工具的应用。

发现

三类工具功能互补但多停留于研究阶段，其价值取决于数据质量、模型效度和不确定性处理。

机会点

可将MCDA、预测微生物学与机器学习耦合，构建面向气候情景的食品安全决策支持系统并开展实证验证。

气候变化与病原微生物引发的公共卫生风险之间的联系现已得到确认，但制定食品安全措施以缓解和控制这些风险仍然至关重要。本文作为一篇观点性论文，旨在介绍可在气候变化背景下促进微生物食品安全管理的计算模拟工具（in-silico tools）。文中结合近期研究对这些工具进行了说明，使其应用更加具体可感。第一种工具是多准则决策分析（Multi-Criteria Decision Analysis, MCDA），它支持依据多项准则对管理方案进行比较和排序，这些准则包括微生物风险缓解、环境影响和利益相关方可接受性等。第二种是预测微生物学（predictive microbiology, PM），它利用数学模型模拟微生物在环境和工艺条件下的行为，可支持情景分析。第三种是机器学习（machine learning, ML），它利用数据驱动算法识别大型数据集中的模式，支持预测和分类。尽管这些工具的底层方法学在成熟程度上各有不同，但其在微生物食品安全领域与气候相关的应用仍以研究为主。MCDA、PM和ML工具发挥各自不同但互补的功能，可在微生物食品安全管理的不同阶段为决策支持作出贡献，并可由不同利益相关方采用。然而，它们在方法学复杂性、数据需求和实际应用程度方面存在差异。无论采用何种工具，其附加价值都取决于可用数据的质量与代表性、模型的有效性、对不确定性的恰当考量，以及用户在预期情境下解读输出结果的能力。