警惕！这种食源性致病菌竟能 “抵抗” 消毒剂？AI + 基因测序破解防控难题

你以为严格消毒的食品加工厂就绝对安全？有一种潜伏在食物中的致病菌，可能正悄悄进化出对消毒剂的“抵抗力”，它就是单增李斯特菌（Listeria monocytogenes）——一种能通过食物传播，对孕妇、新生儿、老人等高危人群致命的细菌。

单增李斯特菌引发的李斯特菌病，虽然发病率不高，但病例的死亡率极高，是食品行业最忌惮的病原体之一。为了防控它，美国、土耳其等国对即食食品实行“零容忍”政策，欧盟也建立了严格的风险分级制度。然而，这种细菌在自然环境中无处不在，原料、设备、人员都可能成为污染源，更麻烦的是，它还能在食品加工厂环境中长期存活，甚至对常用消毒剂产生耐受性。

食品行业最常用的消毒剂之一是季铵盐化合物（QACs），包括苯扎氯铵（BC）、双癸基二甲基氯化铵（DDAC）等。过去，科学家们只能通过实验室检测评估单增李斯特菌对消毒剂的敏感性，但这种方法耗时费力，无法提前预判和防控。更棘手的是，不同实验条件下的检测结果差异很大，难以形成统一标准。

现在，一项发表在《Scientific Reports》上的研究带来了突破性进展：科学家们首次结合全基因组测序（WGS）和机器学习（ML），成功实现了单增李斯特菌消毒剂耐受性的精准预测！

研究团队收集了1649株来自北美和欧洲的单增李斯特菌分离株，这些菌株来自食品、生产环境、人体临床样本等多个来源。他们通过全基因组测序获取基因数据，同时测定了这些菌株对三种消毒剂的最小抑菌浓度（MIC），然后用这些数据训练机器学习模型。训练出的分类模型表现极佳，区分耐受型和敏感型菌株的平衡准确率最高达到0.97±0.02；而预测MIC值的回归模型，均方误差低至0.07±0.02。这意味着，只要拿到一株单增李斯特菌的基因组数据，就能快速准确地判断它是否能抵抗消毒剂，以及需要多大浓度的消毒剂才能将其杀灭。

研究还发现了一批与消毒剂耐受性相关的新基因。通过SHAP特征重要性分析，科学家们确认了季铵盐化合物外排转运蛋白（如QacH、BcrC）等已知抗性基因的作用，还发现了与细胞壁锚定结构、质粒、噬菌体相关的新基因。这些发现为深入理解单增李斯特菌的抗药性机制提供了重要线索。

针对不同的季铵盐消毒剂，模型同样表现出色。对常用的DDAC消毒剂，模型预测平衡准确率可达0.81±0.18；对商用消毒剂Mida San 360 OM（含DDAC为主要成分），准确率更是高达0.90±0.20。更神奇的是，用纯DDAC训练的模型，预测商用消毒剂耐受性的准确率居然达到了96%，这意味着纯化合物的预测模型可以直接应用于实际生产中的商用消毒剂评估。

这项技术之所以强大，关键在于它解决了两个核心问题：一是利用全基因组测序捕捉菌株的遗传特征，无需依赖繁琐的实验室培养；二是通过机器学习挖掘基因与耐受性之间的复杂关系，甚至能发现未知的抗性基因。研究中采用的系统发育感知交叉验证方法，还避免了模型过度拟合，确保了预测的可靠性。

当然，这项技术目前还有一定的局限性。比如，当前模型基于单一菌株的实验室数据训练，而实际食品加工厂中，单增李斯特菌常常形成生物膜，这会增强其存活能力；而且商用消毒剂通常是多种成分的混合物，这些因素都需要在未来的研究中进一步优化。

但不可否认的是，这项研究为食品行业的单增李斯特菌防控开辟了新路径。未来，食品加工厂可以定期对环境中的单增李斯特菌进行基因组测序，通过预测模型提前监测菌株的消毒剂耐受性变化，及时调整消毒方案，避免因菌株产生抗性而导致的消毒失效。这不仅能提高食品安全保障水平，还能降低防控成本，让消毒措施更科学、更精准。

随着全基因组测序技术在食品行业的普及，这样的预测模型有望成为食品安全防控的“智能预警系统”。或许不久的将来，我们就能通过基因测序+AI预测的组合拳，让单增李斯特菌这样的食源性致病菌无处遁形，为餐桌安全再添一道“科技防线”！

参考文献：Gmeiner, A., Ivanova, M., Njage, P.M.K. et al. Quantitative prediction of disinfectant tolerance in Listeria monocytogenes using whole genome sequencing and machine learning. Sci Rep 15, 10382 (2025).