Una reciente investigación ha demostrado que la combinación de secuenciación genómica y aprendizaje automático permite predecir con alta precisión la tolerancia de Listeria monocytogenes a desinfectantes habituales en la industria alimentaria, lo que abre nuevas posibilidades para optimizar los planes de higienización y mejorar la seguridad alimentaria.
Predicción de la tolerancia de Listeria monocytogenes a desinfectantes
Entre los patógenos más problemáticos en la industria alimentaria se encuentra Listeria monocytogenes, una bacteria que, pese a su baja incidencia relativa, puede causar infecciones graves con alta mortalidad. Este riesgo obliga a extremar los controles, especialmente porque Listeria presenta una elevada capacidad de persistencia en ambientes fríos y húmedos, típicos de las plantas alimentarias.
Uno de los factores que contribuye a la resistencia de Listeria monocytogenes es su habilidad para formar biopelículas, capas bacterianas adheridas a superficies, que dificultan la acción de los desinfectantes convencionales y que, con el tiempo, pueden contribuir a generar resistencias.
Detectar y controlar la resistencia de Listeria monocytogenes a los desinfectantes ha sido tradicionalmente un proceso lento y costoso, basado en ensayos de laboratorio. Sin embargo, una innovadora investigación publicada en Scientific Reports abre la puerta a un enfoque radicalmente distinto: la predicción de la tolerancia bacteriana mediante el análisis genómico y el uso de inteligencia artificial.
ADN y aprendizaje automático: una combinación poderosa
Investigadores del Instituto Nacional de Alimentos de Dinamarca (DTU), junto con otros colaboradores, han desarrollado el primer estudio a gran escala que emplea la secuenciación completa del genoma (WGS) y algoritmos de aprendizaje automático (ML, machine learning) para explorar predecir la tolerancia y las concentraciones mínimas inhibitorias (CMI) de cepas de Listeria a desinfectantes comunes.
Para ello, se analizaron más de 1.600 aislamientos, clasificando su tolerancia frente a tres productos: los compuestos químicos puros cloruro de benzalconio (BAC) y cloruro de didecildimetilamonio (DDAC), y el desinfectante comercial Mida San 360 OM.
Los investigadores analizaron el genoma completo de más de 1.600 cepas de Listeria. Estos perfiles de ADN se usaron para entrenar un modelo, que aprendió a identificar patrones genéticos asociados con la resistencia a desinfectantes habituales en la industria alimentaria.
Los modelos predictivos entrenados con esta información alcanzaron una precisión del 97 %, una cifra sorprendente que demuestra el potencial de la genómica como herramienta de predicción en entornos industriales.
Por otra parte, no solo se identificaron genes de resistencia previamente conocidos, sino también nuevos marcadores genéticos que podrían desempeñar un papel clave en la supervivencia bacteriana ante procesos de desinfección.
Hacia una higiene alimentaria más inteligente
Aunque los resultados obtenidos no implican la creación inmediata de nuevos biocidas, sí permiten optimizar el uso de los existentes.
Según los autores del estudio, la IA puede facilitar decisiones precisas y rápidas sobre qué desinfectante utilizar en función del perfil genético del patógeno presente. A medio plazo, esto podría suponer una reducción significativa de costes y una mejora de la eficacia de los protocolos de limpieza.
Sin embargo, la aplicación práctica de esta tecnología aún presenta desafíos. La adopción de la secuenciación completa del genoma por parte del sector alimentario es lenta, debido a barreras tecnológicas y económicas. No obstante, estudios como este refuerzan el argumento de que invertir en herramientas genómicas no solo mejora el control microbiológico, sino que también contribuye a la sostenibilidad operativa.
Como conclusión, este estudio marca un camino en la evolución de las estrategias de higiene alimentaria. El uso combinado de análisis genómico y modelos de inteligencia artificial permitirá, en un futuro no muy lejano, anticipar resistencias, adaptar los planes de limpieza y actuar con mayor rapidez ante brotes o contaminaciones. El camino hacia una higiene alimentaria más inteligente y personalizada ya está en marcha.
Referencia:
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). https://doi.org/10.1038/s41598-025-94321-6
