Microbiological risk assessment is

Microbiological risk assessment is part of an established framework for risk analysis that consists of the following steps: statement of purpose, hazard identification, hazard characterization, exposure assessment and risk characterization (CAC, 1999). In the field of food safety, a ‘farm to fork’ quantitative risk assessment (QMRA, Quantitative Microbial Risk Assessment) approach is often applied to assess the public health risk for a particular pathogen/matrix combination (e.g. Romero-Barrios et al., 2013). Transmission of the pathogen (e.g. Campylobacter spp.) through a specific food production chain (e.g. poultry) may be quantified using a probabilistic QMRA model (e.g. Nauta et al., 2005). Variability and/or uncertainty in the pathogen prevalence, concentrations and food production process properties are included as model parameters. Monte Carlo simulations, or other probabilistic techniques, are used to predict public health risk and the effect of different intervention strategies can then be calculated to support industrial or governmental decision making (e.g. Pielaat et al., 2014). Systematic sensitivity analyses can be used to indicate the value of new evidence but only at the level of detail that was used during the model construction.

Since the introduction of high-throughput DNA sequencing technologies, however, food microbiology has moved beyond the assessment of microbial behavior in different food processes for agents classified at (sub)species and serovar level. Moreover, with the rapidly dropping costs of sequencing, whole genome sequencing (WGS) will soon become a standard surveillance technique for the subtyping of isolates for epidemiological purposes. Although the use of molecular data has proved to be a powerful tool in decision making during outbreak investigations (Dallman et al., 2014 and Underwood et al., 2013), the application of this data in microbiological risk assessment is currently an unexplored area in the public health domain. In recent years, a number of reviews and opinions have been published exploring the potentials of ‘omics techniques’ for MRA (Abee et al., 2004, Brul et al., 2012, Carriço et al., 2013, Havelaar et al., 2010, Pielaat et al., 2013a and Pielaat et al., 2013b) but, evidence based research, as a first step to convert these heuristic approaches into normative tools for practical use, is still needed.

The difficulties associated with using molecular data for food safety risk assessment are complex but are related to the prescribed framework and the current methodology which generally expresses a large (but closed) joint probability to represent a ‘farm to fork’ hazard domain. For example, where the variability and/or uncertainty of concentration and prevalence data are relevant in QMRA these can be described by probability distributions but it is not clear how to use this approach when the data consists of a genome sequence. Firstly, new technologies provide information at a completely different level of description (genes or their products) that makes their joint probability, in its simplest form, unmanageable. Secondly, the new description does not, in the first instance, provide a clear connection between the observed quantities and the output measures, such as survival or health impacts, that are the object of risk assessments. So, for decision support, the biggest challenge facing genomics is the prediction of phenotypic properties of a particular pathogen within a food chain based on genotypic data. An understanding of systems biology is needed, as the organizational principle in pathophysiology, to describe the relation between the new level of genetic sequence data and the health end points of concern. Whereas in the established framework for risk assessment the elements of a joint probability are considered to be known, or knowable, the introduction of a new level of description and a systems property leads to elements of a joint probability that cannot easily be formulated and to dependencies that are not easy to identify. To reduce the numbers of possible relations and translate genetic sequence into phenotypic properties, an understanding of pathogen physiology is needed. Currently, such understanding is incomplete and consequently the mapping of genetic sequences onto a quantitative description of risk is problematic: the number of genes outweighs the number of strain samples by many orders of magnitude. It should be clear that statistical analysis of WGS data is non-trivial, and that reproducible and meaningful associations between gene variability and phenotypic properties need to be established before genetic data can be used for decision making in food safety.

As indicated during EFSA's 20th scientific colloquium (EFSA, 2014), a diversity of exemplary data analyses need to be developed and shared within the scientific community to allow for the identification and appreciation of “best practices” in moving forward from current methodology. A (theoretical) methodology for hazard identification is proposed that uses WGS data analysis to link genomic sequences with phenotypic behavior for Shiga toxin-producing Escherichia coli O157 (STEC O157) as a case study. This is achieved by the integration of genomic (single nucleotide polymorphism (SNP) genotypes) data with phenotypic (attachment to epithelial cells) information and with epidemiological data (outbreak strains and the epidemiological relationship with sporadic cases) in a Genome Wide Association Study (GWAS

ผลลัพธ์ (ไทย) 1:

การประเมินความเสี่ยงทางจุลชีววิทยาเป็นส่วนหนึ่งของกรอบกำหนดขึ้นสำหรับการวิเคราะห์ความเสี่ยงซึ่งประกอบด้วยขั้นตอนต่อไปนี้: วัตถุประสงค์ การระบุอันตราย อันตรายจำแนก ประเมินความเสี่ยง และความเสี่ยงจำแนก (CAC, 1999) ด้านความปลอดภัยของอาหาร วิธีการ (QMRA ประเมินความเสี่ยงจุลินทรีย์เชิงปริมาณ) การประเมินความเสี่ยงเชิงปริมาณ 'ฟาร์มกับส้อม' มักจะใช้ในการประเมินความเสี่ยงการสาธารณสุขสำหรับชุดเมตริกซ์การศึกษา (เช่นบาริออส Romero et al., 2013) สามารถ quantified ส่งศึกษา (เช่น Campylobacter โอ) ผ่านห่วงโซ่การผลิตอาหารเฉพาะ (เช่นสัตว์ปีก) โดยใช้แบบจำลอง QMRA probabilistic (เช่น Nauta et al., 2005) สำหรับความผันผวนหรือความไม่แน่นอนในการศึกษาชุก ความเข้มข้น และอาหารผลิตคุณสมบัติกระบวนการได้เป็นพารามิเตอร์ของแบบจำลอง จำลอง Carlo มอน หรือเทคนิค probabilistic ใช้ในการทำนายความเสี่ยงการสาธารณสุข และจากนั้นจะคำนวณผลของการแทรกแซงต่าง ๆ กลยุทธ์เพื่อสนับสนุนอุตสาหกรรม หรือภาครัฐตัดสินใจ (เช่น Pielaat และ al., 2014) วิเคราะห์ความไวระบบสามารถใช้เพื่อระบุค่า ของหลักฐานใหม่ แต่เท่า ที่ระดับของรายละเอียดที่ถูกใช้ในระหว่างการก่อสร้างแบบจำลองตั้งแต่การแนะนำเทคโนโลยีลำดับดีเอ็นเอของอัตราความเร็วสูง อย่างไรก็ตาม จุลชีววิทยาอาหารได้ย้ายนอกเหนือจากการประเมินลักษณะจุลินทรีย์ในกระบวนการอาหารที่แตกต่างกันสำหรับบริษัทตัวแทนจัดในระดับชนิดและ serovar (ย่อย) นอกจากนี้ กับการลดลงอย่างรวดเร็วต้นทุนลำดับ ลำดับทั้งจีโนม (WGS) เร็ว ๆ นี้จะ เฝ้าระวังมาตรฐานเทคนิคการลูกผสมสามของแยกความประสงค์ แม้ว่าการใช้ข้อมูลระดับโมเลกุลได้พิสูจน์ให้เป็นเครื่องมือที่มีประสิทธิภาพในการตัดสินใจในระหว่างการสอบสวนการระบาด (Dallman et al., 2014 และ Underwood et al., 2013), การประยุกต์ใช้ข้อมูลนี้ในการประเมินความเสี่ยงทางจุลชีววิทยาอยู่พื้นที่ unexplored ในโดเมนการสาธารณสุขการ ในปีล่าสุด รีวิวและความคิดเห็นได้เผยแพร่การสำรวจศักยภาพของ 'รุ่นเทคนิค' MRA (Abee et al., 2004, Brul et al., 2012, Carriço et al., 2013, Havelaar et al., 2010, Pielaat et al., 2013a และ Pielaat et al., 2013b) หลักฐานจากงานวิจัย แต่ เป็นขั้นตอนแรกในการแปลงแนวทางเหล่านี้แล้วเป็น normative เครื่องมือสำหรับใช้ปฏิบัติ ยังจำปัญหาที่เกี่ยวข้องกับการใช้ข้อมูลระดับโมเลกุลสำหรับประเมินความเสี่ยงด้านความปลอดภัยอาหารซับซ้อน แต่เกี่ยวข้องกับการกำหนดกรอบและวิธีการปัจจุบันซึ่งโดยทั่วไปแสดงความใหญ่ (แต่ปิด) ร่วมน่าเป็นถึงโดเมน 'ฟาร์มกับส้อม' อันตราย ตัวอย่าง ที่สำหรับความผันผวนหรือความไม่แน่นอนของความเข้มข้นและชุกข้อมูลเกี่ยวข้องใน QMRA เหล่านี้สามารถอธิบายได้ โดยการกระจายความน่าเป็น แต่ก็ไม่ชัดเจนว่าจะใช้วิธีการนี้ประกอบด้วยข้อมูลลำดับกลุ่ม ประการแรก เทคโนโลยีใหม่แสดงข้อมูลในระดับต่างกันทั้งหมดของคำอธิบาย (ยีนหรือผลิตภัณฑ์) ที่ทำให้ความน่าเป็นร่วมของพวกเขา ในรูปแบบที่ง่ายที่สุด นอกบริษัท ประการที่สอง คำอธิบายใหม่ ตัว มีการเชื่อมต่อที่ชัดเจนระหว่างปริมาณที่สังเกตและมาตรการส่งออก เช่นรอดหรือกระทบต่อสุขภาพ ที่เป็นเป้าหมายของการประเมินความเสี่ยง ดังนั้น สำหรับสนับสนุนการตัดสินใจ ความท้าทายที่ใหญ่ที่สุดหัน genomics คือ คาดเดาคุณสมบัติไทป์ของศึกษาเฉพาะภายในห่วงโซ่อาหารตามข้อมูลจีโนไทป์ ความเข้าใจเกี่ยวกับระบบชีววิทยาจำเป็น เป็นองค์กรหลักใน pathophysiology เพื่ออธิบายความสัมพันธ์ระหว่างระดับใหม่ของข้อมูลลำดับพันธุกรรมและจุดสุขภาพความกังวล ในขณะที่ในกรอบที่กำหนดขึ้นสำหรับการประเมินความเสี่ยง องค์ประกอบของความน่าเป็นร่วมจะพิจารณาให้รู้จัก หรือ knowable แนะนำอีกระดับของคำอธิบายและคุณสมบัติระบบนำองค์ประกอบของความน่าเป็นร่วมที่ไม่ได้มีสูตร และการอ้างอิงที่ไม่ง่ายต่อการระบุ เพื่อลดจำนวนของความสัมพันธ์ได้ และแปลลำดับพันธุกรรมเป็นไทป์คุณสมบัติ ความเข้าใจเกี่ยวกับสรีรวิทยาของการศึกษาเป็นสิ่งจำเป็น ปัจจุบัน ความเข้าใจดังกล่าวไม่สมบูรณ์ และดังนั้น การแม็ปลำดับพันธุกรรมไปยังคำอธิบายเชิงปริมาณของความเสี่ยงมีปัญหา: จำนวนยีนก่อนจำนวนตัวอย่างต้องใช้ตามขนาดของใบสั่งในการ ควรมีความชัดเจนว่า ทางสถิติวิเคราะห์ข้อมูล WGS เป็นไม่ใช่เรื่องขี้ปะติ๋ว และที่จำลอง และสื่อความหมายความสัมพันธ์ระหว่างความแปรผันของยีนและคุณสมบัติไทป์ต้องสร้างก่อนข้อมูลทางพันธุกรรมสามารถใช้สำหรับการตัดสินใจในความปลอดภัยของอาหารตามที่ระบุในระหว่าง colloquium วิทยาศาสตร์ของ EFSA 20 (EFSA, 2014), ความหลากหลายของข้อมูลระบุวิเคราะห์จำเป็นต้องพัฒนาขึ้น และใช้ร่วมกันภายในชุมชนเพื่อให้รหัสและชื่นชม "ปฏิบัติ" ในการก้าวไปข้างหน้าจากปัจจุบันวิธีการทางวิทยาศาสตร์ มีเสนอวิธีการ (ทฤษฎี) สำหรับการระบุอันตรายที่ใช้ WGS ข้อมูลการวิเคราะห์การเชื่อมโยงลำดับ genomic กับไทป์ลักษณะสำหรับชิงะผลิตพิษ Escherichia coli O157 (STEC O157) เป็นกรณีศึกษา การรวมของ genomic ข้อมูล (เดียวนิวคลีโอไทด์โพลีมอร์ฟิซึม (SNP) ศึกษาจีโนไทป์) ไทป์ (แนบกับ epithelial เซลล์) ข้อมูลและ ด้วยความข้อมูล (สายพันธุ์การระบาดของโรคและความสัมพันธ์กับกรณีที่มี) ในแบบกลุ่มหลายสมาคมศึกษา (GWAS

ผลลัพธ์ (ไทย) 2:

การประเมินความเสี่ยงทางจุลชีววิทยาเป็นส่วนหนึ่งของกรอบที่จัดตั้งขึ้นเพื่อการวิเคราะห์ความเสี่ยงที่ประกอบด้วยขั้นตอนต่อไปนี้: งบวัตถุประสงค์การชี้บ่งอันตรายลักษณะอันตรายประเมินการรับสัมผัสและลักษณะความเสี่ยง (CAC, 1999) ในด้านความปลอดภัยของอาหารที่เป็นฟาร์มที่จะแยก 'การประเมินความเสี่ยงเชิงปริมาณ (QMRA เชิงปริมาณจุลินทรีย์การประเมินความเสี่ยง) วิธีการที่มักใช้ในการประเมินความเสี่ยงต่อสุขภาพของประชาชนสำหรับเชื้อโรคโดยเฉพาะอย่างยิ่ง / รวมกันเมทริกซ์ (เช่นโรเมโร-บาร์ริออส et al., 2013) การส่งผ่านของเชื้อโรค (เช่น Campylobacter spp.) ผ่านห่วงโซ่การผลิตอาหารที่เฉพาะเจาะจง (เช่นสัตว์ปีก) อาจจะวัดโดยใช้แบบจำลอง QMRA น่าจะเป็น (เช่น Nauta et al., 2005) ความแปรปรวนและ / หรือความไม่แน่นอนในความชุกการติดเชื้อที่มีความเข้มข้นและคุณสมบัติขั้นตอนการผลิตอาหารจะถูกรวมเป็นพารามิเตอร์แบบ การจำลอง Monte Carlo หรือความน่าจะเป็นเทคนิคอื่น ๆ ที่ใช้ในการคาดการณ์ความเสี่ยงต่อสุขภาพของประชาชนและผลกระทบของกลยุทธ์การแทรกแซงที่แตกต่างกันนั้นจะสามารถคำนวณเพื่อสนับสนุนการตัดสินใจของรัฐบาลหรืออุตสาหกรรม (เช่น Pielaat et al., 2014) ความไวของระบบการวิเคราะห์สามารถนำมาใช้เพื่อแสดงให้เห็นถึงคุณค่าของหลักฐานใหม่ แต่เพียงในระดับของรายละเอียดที่ถูกนำมาใช้ในระหว่างการก่อสร้างรูปแบบ. ตั้งแต่การแนะนำของสูงผ่านเทคโนโลยีลำดับดีเอ็นเอ แต่จุลชีววิทยาทางอาหารได้ย้ายเกินกว่าการประเมินของจุลินทรีย์ พฤติกรรมในกระบวนการผลิตอาหารที่แตกต่างกันสำหรับตัวแทนจัดที่ (ย่อย) ชนิดและระดับ serovar นอกจากนี้ยังมีค่าใช้จ่ายที่ลดลงอย่างรวดเร็วของลำดับลำดับจีโนมทั้งหมด (WGS) เร็ว ๆ นี้จะกลายเป็นเทคนิคการเฝ้าระวังมาตรฐาน subtyping ของเชื้อเพื่อวัตถุประสงค์ทางระบาดวิทยา แม้ว่าการใช้ข้อมูลในระดับโมเลกุลที่มีการพิสูจน์แล้วว่าเป็นเครื่องมือที่มีประสิทธิภาพในการตัดสินใจในระหว่างการสอบสวนการระบาด (Dallman et al., 2014 และอันเดอร์วู้ด et al., 2013) การประยุกต์ใช้ข้อมูลนี้ในการประเมินความเสี่ยงทางจุลชีววิทยาปัจจุบันเป็นพื้นที่สำรวจใน โดเมนสุขภาพของประชาชน ในปีที่ผ่านมาจำนวนความคิดเห็นและความคิดเห็นที่ได้รับการตีพิมพ์การสำรวจศักยภาพของเทคนิค omics สำหรับ MRA (Abee et al. 2004, Brul et al., 2012, Carrico et al., 2013 Havelaar et al., 2010 Pielaat et al., 2013a และ Pielaat et al., 2013b) แต่การวิจัยหลักฐานที่ใช้เป็นขั้นตอนแรกในการแปลงวิธีการแก้ปัญหาเหล่านี้เป็นเครื่องมือกฎเกณฑ์สำหรับการใช้งานในทางปฏิบัติเป็นสิ่งจำเป็นที่ยังคง. ความยากลำบากที่เกี่ยวข้องกับการใช้ข้อมูลโมเลกุล ความปลอดภัยของอาหารการประเมินความเสี่ยงที่มีความซับซ้อน แต่ที่เกี่ยวข้องกับการกำหนดกรอบการทำงานและวิธีการในปัจจุบันซึ่งโดยทั่วไปจะเป็นการแสดงออกที่มีขนาดใหญ่ (แต่ปิด) น่าจะเป็นร่วมกันเพื่อเป็นตัวแทนของ 'ฟาร์มเพื่อ fork' โดเมนอันตราย ยกตัวอย่างเช่นที่แปรปรวนและ / หรือความไม่แน่นอนของความเข้มข้นและความชุกข้อมูลที่มีความเกี่ยวข้องใน QMRA เหล่านี้สามารถอธิบายได้ด้วยการแจกแจงความน่า แต่มันก็ไม่ชัดเจนว่าจะใช้วิธีการนี้เมื่อข้อมูลที่ประกอบด้วยลำดับจีโนม ประการแรกเทคโนโลยีใหม่ให้ข้อมูลในระดับที่แตกต่างกันอย่างสมบูรณ์ของคำอธิบาย (ยีนหรือผลิตภัณฑ์ของตน) ที่ทำให้ความน่าจะเป็นของพวกเขาร่วมกันในรูปแบบที่ง่ายที่สุดไม่สามารถจัดการได้ ประการที่สองคำอธิบายใหม่ไม่ได้ในกรณีแรกที่ให้การเชื่อมต่อที่ชัดเจนระหว่างปริมาณสังเกตและมาตรการการส่งออกเช่นการอยู่รอดหรือผลกระทบด้านสุขภาพที่มีเป้าหมายของการประเมินความเสี่ยง ดังนั้นเพื่อสนับสนุนการตัดสินใจที่ท้าทายที่ใหญ่ที่สุดหันหน้าไปทางฟังก์ชั่นคือการคาดการณ์ของคุณสมบัติฟีโนไทป์ของเชื้อโรคโดยเฉพาะอย่างยิ่งภายในห่วงโซ่อาหารบนพื้นฐานของข้อมูลทางพันธุกรรม ความเข้าใจในระบบชีววิทยาเป็นสิ่งจำเป็นเช่นหลักการขององค์กรในพยาธิสรีรวิทยาเพื่ออธิบายความสัมพันธ์ระหว่างระดับใหม่ของข้อมูลลำดับพันธุกรรมและจุดสิ้นสุดของความกังวลด้านสุขภาพที่ ในขณะที่ในกรอบที่จัดตั้งขึ้นเพื่อการประเมินความเสี่ยงองค์ประกอบของความน่าจะเป็นร่วมกันได้รับการพิจารณาให้เป็นที่รู้จักหรือ knowable แนะนำของระดับใหม่ของรายละเอียดและสถานที่ให้บริการระบบนำไปสู่องค์ประกอบของความน่าจะเป็นทุนที่ไม่สามารถถูกกำหนดและเพื่อการอ้างอิง ที่ไม่ง่ายที่จะระบุ เพื่อลดจำนวนของความสัมพันธ์ที่เป็นไปได้และแปลออกเป็นลำดับพันธุกรรมคุณสมบัติฟีโนไทป์เข้าใจของสรีรวิทยาเชื้อโรคเป็นสิ่งจำเป็น ปัจจุบันความเข้าใจดังกล่าวไม่สมบูรณ์และทำให้การทำแผนที่พันธุกรรมของลำดับลงบนคำอธิบายเชิงปริมาณของความเสี่ยงที่มีปัญหาจำนวนของยีนเมื่อเทียบกับจำนวนตัวอย่างสายพันธุ์ตามคำสั่งหลายขนาด มันควรจะเป็นที่ชัดเจนว่าการวิเคราะห์ทางสถิติของข้อมูลสักคนเป็นที่ไม่น่ารำคาญและที่สมาคมทำซ้ำได้และมีความหมายระหว่างความแปรปรวนของยีนและคุณสมบัติฟีโนไทป์จะต้องมีการจัดตั้งขึ้นก่อนที่ข้อมูลทางพันธุกรรมที่สามารถนำมาใช้ในการตัดสินใจในความปลอดภัยของอาหาร. ตามที่ระบุไว้ในช่วงของ EFSA 20 ทางวิทยาศาสตร์ สัมมนา (EFSA 2014) ความหลากหลายของข้อมูลเป็นแบบอย่างการวิเคราะห์ความต้องการที่จะได้รับการพัฒนาและใช้ร่วมกันในชุมชนทางวิทยาศาสตร์เพื่อให้การระบุและการแข็งค่าของ "วิธีปฏิบัติที่ดีที่สุด" ในการย้ายไปข้างหน้าจากวิธีการในปัจจุบัน A (ทฤษฎี) วิธีการสำหรับการชี้บ่งอันตรายมีการเสนอที่ใช้ในการวิเคราะห์ข้อมูลสักคนที่จะเชื่อมโยงลำดับจีโนมที่มีพฤติกรรมฟีโนไทป์สำหรับสารพิษ Shiga ผลิตอีโค O157 (STEC O157) เป็นกรณีศึกษา นี้จะทำได้โดยการรวมกลุ่มของจีโนม (ความแตกต่างเบื่อหน่ายเดียว (SNP) จีโนไทป์) ข้อมูลที่มีฟีโนไทป์ (สิ่งที่แนบมากับเซลล์เยื่อบุผิว) ข้อมูลและข้อมูลทางระบาดวิทยา (สายพันธุ์ที่ระบาดและความสัมพันธ์ทางระบาดวิทยากับกรณีประปราย) ในจีโนมการศึกษาสมาคมกว้าง (GWAS

ผลลัพธ์ (ไทย) 3:

การประเมินความเสี่ยงทางจุลชีววิทยาเป็นส่วนหนึ่งของการจัดตั้งกรอบสำหรับการวิเคราะห์ความเสี่ยงที่ประกอบด้วยขั้นตอนดังต่อไปนี้ : ข้อความระบุอันตรายลักษณะอันตราย การประเมินความเสี่ยง การข่าวสาร ( CAC , 1999 ) ในด้านความปลอดภัยของอาหาร , ' ฟาร์ม ' การประเมินความเสี่ยงเชิงปริมาณ ( qmra ส้อม ,การประเมินความเสี่ยงจุลินทรีย์เชิงปริมาณ ) วิธีการคือมักจะใช้เพื่อประเมินความเสี่ยงสุขภาพของประชาชนสำหรับการรวมกันเชื้อโรค / เมทริกซ์โดยเฉพาะ ( เช่น โรเมโร Barrios et al . , 2013 ) การติดต่อของเชื้อโรค เช่น ประกวด spp . ) ที่ผ่านการผลิตอาหารเฉพาะโซ่ ( เช่นสัตว์ปีก ) อาจเป็นเชิงปริมาณ โดยใช้แบบจำลอง qmra ความน่าจะเป็น ( เช่น เนาตา et al . , 2005 )ความแปรปรวนและ / หรือความไม่แน่นอนในเรื่องความชุก , ความเข้มข้นและการผลิตอาหาร คุณสมบัติ กระบวนการรวมเป็นพารามิเตอร์รูปแบบ มอนติคาร์โลจำลอง , หรืออื่น ๆ การใช้เทคนิค เพื่อทำนายความเสี่ยงสุขภาพของประชาชน และผลกระทบของกลยุทธ์การแทรกแซงที่แตกต่างกันก็สามารถคำนวณเพื่อสนับสนุนอุตสาหกรรม หรือการตัดสินใจของรัฐ ( เช่น pielaat et al . ,2014 ) ระบบการวิเคราะห์ความไวที่สามารถใช้เพื่อระบุคุณค่าของหลักฐานใหม่ แต่เพียงในระดับของรายละเอียดที่ใช้ในการสร้างโมเดล

ตั้งแต่เบื้องต้นช่วยดีเอ็นเอเทคโนโลยี การอย่างไรก็ตามจุลชีววิทยาทางอาหารได้ย้ายเกินประเมินพฤติกรรมของจุลินทรีย์ในกระบวนการอาหารที่แตกต่างกันสำหรับตัวแทนลับที่ ( ย่อย ) ชนิดและระดับซีโรวาร์ . ยิ่งไปกว่านั้น ด้วยต้นทุนของการลดลงอย่างรวดเร็วทั้งจีโนมลำดับ ( wgs ) เร็ว ๆนี้จะกลายเป็นเทคนิคมาตรฐานการเฝ้าระวังสำหรับ subtyping ของสายพันธุ์เพื่อวัตถุประสงค์ทางระบาดวิทยาแม้ว่าการใช้ข้อมูลระดับโมเลกุลได้พิสูจน์แล้วว่าเป็นเครื่องมือที่มีประสิทธิภาพในการตัดสินใจระหว่างการสอบสวน ( ดาลแมน et al . , 2014 และอรรถกถาจารย์ et al . , 2013 ) , การใช้ข้อมูลนี้ในการประเมินความเสี่ยงทางจุลชีววิทยาในปัจจุบันพื้นที่ unexplored ในโดเมนสาธารณะสุข ใน ปี ล่าสุดจำนวนของความคิดเห็นและความคิดเห็นที่ได้รับการตีพิมพ์สำรวจศักยภาพของ ' เทคนิค ' แนชวิลล์สำหรับ MRA ( abee et al . , 2004 , brul et al . , 2012 , ชั้น 5 o et al . , 2013 , havelaar et al . , 2010 , pielaat et al . , ที่มีมากกว่า และ pielaat et al . , 2013b ) แต่ศึกษาจากหลักฐาน เป็นขั้นตอนแรกที่จะแปลงแนวทางการแก้ปัญหาเหล่านี้เป็นเครื่องมือมาตรฐานสำหรับการใช้ในทางปฏิบัติ ยังคงต้องการ

ปัญหาที่เกี่ยวข้องกับข้อมูลระดับโมเลกุลที่ใช้ในการประเมินความเสี่ยงด้านความปลอดภัยของอาหารมีความซับซ้อน แต่เกี่ยวข้องกับการกำหนดกรอบและในปัจจุบันวิธีการซึ่งโดยทั่วไปแสดงขนาดใหญ่ ( แต่ปิด ) ความน่าจะเป็นร่วมแสดงฟาร์ม ' ' ภัยส้อมโดเมน ตัวอย่างเช่นที่แปรปรวนและ / หรือความไม่แน่นอนของความเข้มข้นและข้อมูลความชุกเกี่ยวข้องใน qmra เหล่านี้สามารถอธิบายโดยการแจกแจงความน่าจะเป็น แต่มันไม่ได้ชัดเจนว่าจะใช้วิธีนี้เมื่อข้อมูลที่ประกอบด้วยจีโนมลำดับ ประการแรก เทคโนโลยีใหม่ ให้ข้อมูลได้ในระดับที่แตกต่างกันอย่างสมบูรณ์ของรายละเอียด ( ยีนหรือผลิตภัณฑ์ของตน ) ที่ทำให้ความน่าจะเป็นร่วมของพวกเขาในรูปแบบง่ายที่สุดไม่สามารถจัดการ ประการที่สอง อธิบายใหม่ไม่ได้ ในตัวอย่างแรก , ให้การเชื่อมต่อที่ชัดเจนระหว่างลักษณะปริมาณและออกมาตรการต่างๆ เช่น ผลกระทบต่อความอยู่รอดหรือสุขภาพ ที่เป็นเป้าหมายของการประเมินความเสี่ยง ดังนั้น เพื่อสนับสนุนการตัดสินใจความท้าทายที่ยิ่งใหญ่ที่สุดในการทำนายคุณสมบัติซึ่งเป็นคุณสมบัติของเชื้อโรคโดยเฉพาะภายในห่วงโซ่อาหารบนพื้นฐานของข้อมูลทางพันธุกรรม . มีความเข้าใจในระบบชีววิทยาเป็นสิ่งจำเป็น เป็นหลักการขององค์การในพยาธิสรีรวิทยา อธิบายถึงความสัมพันธ์ระหว่างระดับใหม่ของลำดับข้อมูลทางพันธุกรรมและจบคะแนนสุขภาพที่เกี่ยวข้องส่วนในกรอบการประเมินความเสี่ยงสร้างองค์ประกอบของความน่าจะเป็นร่วม จะถือว่าเป็น ที่รู้จัก หรือที่เรียนรู้ได้ เปิดใหม่ในระดับรายละเอียดและคุณสมบัติระบบไปสู่องค์ประกอบของความน่าจะเป็นร่วม ที่ไม่สามารถจะกำหนดและการอ้างอิงที่ไม่ง่ายที่จะระบุเพื่อลดจำนวนของความสัมพันธ์ที่เป็นไปได้และแปล ลำดับพันธุกรรมเป็นคุณสมบัติที่ใกล้เคียง มีความเข้าใจสรีรวิทยาของเชื้อโรคเป็นสิ่งจำเป็น ปัจจุบัน ความเข้าใจดังกล่าวจะไม่สมบูรณ์และจากนั้น แผนที่ของลำดับทางพันธุกรรมไปยังคำอธิบายเชิงปริมาณของความเสี่ยงที่เป็นปัญหา : จำนวนของยีนเมื่อเทียบกับจำนวนของสายพันธุ์ จำนวนหลายใบขนาด