STRAIN-AI: Slimme technologie voor de identificatie van nieuwe microbiële stammen

Dit project richt zich op het ontwikkelen van een innovatieve workflow voor de identificatie van microbiële stammen met specifieke functionele eigenschappen. Dit is belangrijk voor toepassingen binnen de voedselindustrie, gezondheidszorg en biologische gewasbescherming. De huidige klassieke methoden zijn arbeidsintensief, afhankelijk van ervaring en lastig reproduceerbaar. Daarom wordt een snellere, schaalbare en nauwkeurige aanpak ontwikkeld door de inzet van AI-gestuurde beeldherkenning, geavanceerde sequencing technologieën en data-gedreven kweekstrategieën.

De koloniemorfologie van bacteriën vormt de basis voor microbiële identificatie en wordt traditioneel visueel beoordeeld door een analist, wat een tijdrovend proces is. Door een goed gedefinieerde set van digitale beelden van bacteriële kolonies te genereren, kan een AI-algoritme worden getraind. Dit maakt snellere en meer consistente identificatie van de kolonies mogelijk. Het project richt zich specifiek op melkzuurbacteriën en Bacillus-soorten vanwege hun brede toepassingen: melkzuurbacteriën voor voedselproductie, voedselconservering en probiotica, en Bacillus-soorten als bio-pesticiden en voor biotechnologische innovaties.

Naast beeldherkenning wordt in het project gebruik gemaakt van geavanceerde DNA-analysemethoden, waaronder shotgun- en whole genome sequencing, en van bioinformatica-tools voor het bepalen van microbiële diversiteit en voor functionele analyses. De analyses helpen bij het vaststellen of gewenste micro-organismen in bronmateriaal aanwezig zijn, en geven inzicht in de potentie van micro-organismen om waardevolle stoffen te produceren.

Twee toegankelijke applicaties worden ontwikkeld, één voor beeldherkenning en één voor sequence-data-analyse. Hiermee kunnen bedrijven zelf analyses uitvoeren. Ook worden trainingen en advies aangeboden om partners te begeleiden bij de sequence-data-analyse. Uiteindelijk wordt er binnen het project een waardevolle collectie opgebouwd met microbiële stammen die kunnen worden ingezet voor toepassingen in voedselproductie, probiotica, bio-pesticiden en biotechnologie. Met deze innovatieve aanpak legt het project de basis voor een toekomst waarin microbiële identificatie sneller, meer schaalbaar en nauwkeuriger wordt, wat duurzame innovaties voor diverse toepassingen mogelijk maakt.