FSK-ML格式可以快速预测食品中微生物病原体引起的疾病风险

美国看病服务机构和生元国际了解到，“食品安全知识标记语言(FSK-ML)”格式允许统一地记录数学模型和基于模型的模拟结果，并使这些可供其他研究人员进行基于计算机的预测或进一步优化模型。使用FSK-ML，即使是用不同编程语言开发的模型也可以以协调的格式进行交换。这是第一次有可能将来自其他科学家的合适模型整合到内部计算、模拟和评估中，只需按下一个按钮。并且，仿真结果对其他人是透明的，因为使用的软件代码和所有的模型参数对每个人都是可见的，从而可以重新计算结果。

FSK-ML信息交换格式是BfR在AGINFRA+项目(2017-2019年)下对其进行扩展和测试的，该格式允许在未来更好和更迅速地评估人类健康风险。这意味着之前开发的预测模型可以快速计算与不同仿真场景和适应适应问题——不管是担忧新鲜鸡蛋中的沙门氏菌的风险,或可能的弯曲杆菌细菌的传播从原始鸡胸肉里脊绿色沙拉在厨房里。

新的FSK-ML数据标准也使研究人员更容易按照公平数据原则(可查找性、可访问性、互操作性和可重用性)提供他们的结果。特别是对公平数据原则的支持意味着数据和信息可以被不同的软件解决方案长期地发现、访问和使用。

随着FSK-ML信息交换格式的发展，BfR为未来的风险评估数字化提供了基础。有了FSK-ML，食品安全领域的软件开发人员现在可以轻松地扩展他们当前和未来的工具，使其包含用于导入和导出模型的新功能。FSK-ML还代表了基于web的模型数据库开发的基础，来自不同学科的研究人员可以在其中搜索已建立的模型，甚至共享他们自己的模型。这种模型数库的一个例子是“RAKIP_portal”，它是在AGINFRA+项目中开发的。模型可以通过这个在线平台提供和下载，然后可以在内部计算机或其他在线平台上的不同软件工具中使用。

例如，在自己的计算机上使用FSK-ML模型可以通过BfR开发的开源软件“FSK-Lab”实现。内部和外部模型可以导入，导出，编辑，加入，甚至运行与这个直观的软件。这样，每个用户都可以建立自己的预测或模拟计算。还有一个名为“FSK2R”的扩展，是针对开源脚本语言R的，它之前在2019年的一次国际会议上展示过。

此外，已经有一些科学期刊，比如《食品建模杂志》，可以导入符合FSK-ML的模型和所有相关元数据。例如，一份“可执行模型文件”可以在FMJ中以这种方式自动生成。该模型不仅可下载，还可根据用户定义的输入参数在线计算。这种创新的数字解决方案对提高科学工作的透明度和可重复性做出了重大贡献，因为文章中提出的结果，例如在审查过程中，可以进行有效的测试。此外，模型包含所有相关的元数据，例如适用性范围。