欧洲食源性病原体数据库PIF的构建与应用：基于FAIR原则的食品安全风险数据整合

针对食源性病原体数据分散、缺乏标准化等难题，欧洲研究团队开发了基于系统评价(SR)的Pathogens-in-Foods(PIF)数据库，通过CCC(一致性/符合性/完整性)质量评估框架整合病原体流行率与浓度数据，实现符合FAIR原则的数据共享，为食品安全风险评估提供标准化数据支持。

　　

食源性病原体的监测数据长期面临信息碎片化、标准缺失等挑战。尽管欧盟通过《人畜共患病指令》要求成员国向欧洲食品安全局(EFSA)提交监测数据，但官方数据覆盖范围有限，且学术文献中的数据存在获取困难、格式不统一等问题。这种数据壁垒使得食品安全风险评估(QRA)和应急决策效率低下。

为破解这一困局，由欧洲食品安全局资助的研究团队开发了Pathogens-in-Foods(PIF)数据库。该研究发表在《Microbial Risk Analysis》期刊，通过系统评价(SR)方法整合了食品生产链中细菌、病毒和寄生虫的流行率(prevalence)与浓度数据，并创新性提出CCC数据质量评估框架——即数据一致性(Consistency)、符合性(Conformity)和完整性(Completeness)。

关键技术包括：1) 基于EFSA标准的系统评价协议，涵盖文献检索策略与数据验证规则；2) 三层级数据结构设计（食品分类/微生物检测/采样特征）；3) 支持多用户角色的交互界面（基础用户/高级用户/管理员）；4) 基于Linux Ubuntu系统的服务器架构。数据来源包括EFSA官方监测报告和经筛选的学术文献。

研究结果：
概念设计
PIF采用双阶段流程：SR阶段通过预定义检索策略筛选合格文献，数据录入阶段通过CCC框架确保质量。相比现有数据库如ComBase（专注微生物生长动力学），PIF首次实现多病原体数据的标准化整合。

技术架构
数据库部署于葡萄牙布拉干萨理工学院的Linux服务器，包含三个模块：1) 核心数据库采用关系型结构；2) 后端处理数据验证；3) 前端提供可视化仪表盘，支持按病原体类型（细菌/病毒/原虫等）检索。

应用案例
典型案例包括：1) 为冷冻蔬菜中单核细胞增生李斯特菌(Listeria monocytogenes)的QRA模型提供数据；2) 辅助EFSA生物危害小组的风险评估；3) 支持食源性病毒在贝类中的传播研究。

质量保障
CCC框架要求：数据一致性（逻辑校验）、符合性（术语标准化）、完整性（元数据齐全）。例如，采样地点需标注至国家层级，检测方法需标明ISO或等效标准。

结论与展望：
PIF作为首个符合FAIR原则的食源性病原体数据库，显著提升了数据复用效率。其创新点在于：1) 将分散的学术数据与官方监测数据融合；2) 通过层级化术语体系解决异构数据整合难题；3) 开放接口支持第三方分析工具调用。未来将扩展寄生虫数据模块，并探索人工智能辅助数据清洗技术。

研究团队特别说明，尽管EFSA专家Winy Messens参与工作，但成果不代表EFSA官方立场。该项目获得EFSA项目GP/EFSA/BIOHAW/2022/01等基金支持，技术细节已通过Filter等人(2023)的论文公开验证。这一基础设施的建成，为全球食品安全风险治理提供了关键数据支撑平台。