Gene von antibiotikaresistenten Bakterien schleichen sich in Lebensmittel ein: Dies wurde in mehr als 2.000 Proben verarbeiteter Lebensmittel in Europa festgestellt.

Eine kürzlich in der Fachzeitschrift Nature Microbiology veröffentlichte Studie bestätigte etwas, das bisher nicht im Detail dokumentiert war: Die Lebensmittelproduktionskette ist voller Gene, die Bakterien dabei helfen, resistent gegen Antibiotika zu werden.

Die Forschung wurde von Wissenschaftlern des CSIC in Zusammenarbeit mit anderen europäischen Zentren geleitet und analysierte mehr als 2.000 Proben, die in verschiedenen Phasen des Produktionsprozesses entnommen wurden , von Rohstoffen bis hin zu verpackten Lebensmitteln – wie Milch, Fleisch, Fisch, Käse und Gemüse – sowie von Oberflächen und Werkzeugen, die in Fabriken verwendet werden.

Insgesamt nahmen 100 Unternehmen aus mehreren europäischen Ländern teil , wobei ein großer Teil in den spanischen Regionen León und Asturien ansässig war.

Forscher fanden heraus, dass mehr als 70 % der bekannten Gene, die Bakterien gegen Antibiotika resistent machen , irgendwann in der Nahrungskette vorhanden sind . Allerdings treten nicht alle von ihnen mit der gleichen Häufigkeit auf: Nur einige sind in den analysierten Proben häufiger.

Zu den am häufigsten wiederholten Genen gehören jene, die Resistenzen gegen Antibiotika wie Tetracycline, Beta-Lactame, Aminoglykoside und Makrolide ermöglichen . Dabei handelt es sich um wichtige Medikamente zur Behandlung von Infektionen bei Mensch und Tier.

Ein weiteres beunruhigendes Ergebnis ist, dass mehr als 60 % der analysierten Proben – darunter Lebensmittel, Arbeitsflächen und Werkzeuge – mindestens ein Resistenzgen gegen diese Medikamente enthielten.

Es wurden auch in Lebensmittelumgebungen heimische Arten identifiziert, wie etwa Staphylococcus equorum und Acinetobacter johnsonii , die traditionell mit Fermentationsprozessen oder der Handhabung von Pflanzen in Verbindung gebracht werden.

Ein wichtiger Befund zeigt, dass fast 40 Prozent dieser Gene mit mobilen genetischen Elementen – Plasmiden und Transposons – verknüpft sind , die den horizontalen Transfer zwischen Bakterien, auch zwischen verschiedenen Arten, ermöglichen. Dies erhöht das Risiko der Ausbreitung von Resistenzen innerhalb der Industrie und auf die Verbraucher.

Die Studie analysierte die Evolution des Resistoms entlang der gesamten Produktionskette. In den Anfangsphasen – Rohstoffe und frühe Produktionsstufen – dominieren Gene, die mit in der Umwelt oder im Lebensmittel selbst vorhandenen Mikroorganismen in Verbindung stehen . In Produkten, die reifen oder fermentieren, verdrängen Gene, die mit für den Produktionsprozess spezifischen Bakterien (z. B. S. equorum) assoziiert sind, jedoch tendenziell die Gene aus den Anfangsphasen.

Sobald die Produkte zum Verzehr bereit sind, weisen sie ein Resistomprofil auf, das dem der menschlichen Handhabung näher kommt , mit Genen von ESKAPEE-Bakterien, wodurch kritische Kontaminationspunkte während der Verpackung und Handhabung hervorgehoben werden.

Auf Grundlage der Ergebnisse schlagen die Forscher vor, dass eine Anpassung der Reinigungsprotokolle in Lebensmittelfabriken – beispielsweise eine Überprüfung der Art und Häufigkeit der Desinfektion der Produktionslinien zwischen den Chargen – dazu beitragen könnte , das Vorhandensein von Resistenzgenen in Produkten zu verringern .

Sie schlagen außerdem vor , bestimmte Bereiche genauer zu beobachten, beispielsweise die Verpackung , wo sie am häufigsten Bakterien der ESKAPEE-Gruppe entdeckten. Die Überwachung dieser Bereiche und der dort verwendeten Geräte könnte entscheidend dazu beitragen, eine Kontamination am Ende des Prozesses zu verhindern , kurz bevor das Lebensmittel den Verbraucher erreicht. Obwohl sich die Studie auf Europa konzentriert, könnten ihre Ergebnisse der globalen Lebensmittelindustrie als Orientierung dienen.

Die Forschung eröffnet außerdem die Möglichkeit, spezifische mikrobielle Indikatoren zu entwickeln , die auf der Häufigkeit bestimmter Gene basieren, um die Wirksamkeit von Reinigungsprotokollen in Echtzeit zu bewerten.