ACELERANDO EL PROGRESO GENÉTICO 
La aplicación de avances tecnológicos en los programas de mejora genética no es algo nuevo. Desde sus inicios en 1962 PIC ha apostado por la innovación tecnológica, implementando progresivamente las nuevas tecnologías para generar un progreso genético continuado en todos los caracteres del programa de mejora.
La inversión en selección genómica junto con la extensa recogida de datos comerciales, expansión de poblaciones élite y alta intensidad de selección ha dado lugar a las mayores tasas de mejora genética que PIC ha registrado hasta la fecha. Esta mejora se ha traducido a nivel comercial en:
 |
A pesar de las altas tasas de mejora conseguidas, somos conscientes que todavía no tenemos el cerdo perfecto. Por esa razón y siguiendo el lema de “Nunca dejar de Mejorar” PIC está invirtiendo en las tecnologías más innovadoras, buscando sus aplicaciones prácticas en mejora genética animal.
| Este artículo está centrado en las tecnologías de fenotipado o recogida de datos, mostrando ejemplos concretos de cómo la inteligencia artificial aplicada a la producción porcina generará una revolución en la forma en la que medimos fenotipos y seleccionamos nuestros reproductores. |
TECNOLOGÍA APLICADA A LA MEJORA GENÉTICA
En los programas de selección actuales, los objetivos de selección en líneas de macho finalizador se centran en:
- 1. Mejorar la eficiencia y velocidad de crecimiento
- 2. Rusticidad
- 3. Calidad de canal y carne
De todos ellos, tradicionalmente los caracteres relacionados con la rusticidad han sido los más difíciles de abordar genéticamente. Las razones son varias:
Un ejemplo típico en el que se unen dichas dificultades sería los intentos de selección por aspectos del comportamiento animal. Es por ello que, si bien se espera que los avances tecnológicos en recogida de datos impactarán en mayor o menor grado en todos los objetivos de selección, el impacto inicial podría ser mayor en los caracteres de rusticidad al permitir describir nuevos caracteres y medirlos de forma objetiva para así poder valorar su uso en mejora genética.
APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN LA MEJORA PORCINA
EJEMPLOS REALES
| La inteligencia artificial se refiere al estudio, desarrollo y aplicación de técnicas informáticas con el objetivo de que las máquinas adquieran ciertas habilidades propias de la inteligencia humana. El concepto de Machine Learning consiste en el aprendizaje que adquiere la máquina al exponer a la computadora a una enorme cantidad de datos para que pueda procesarlos, analizarlos y aprender de ellos. |
Una de las líneas de investigación más utilizadas hoy en día es la combinación de cámaras que graben a los animales durante 24 horas/siete días por semana y Machine Learning.
En efecto, el volumen de datos generados por las cámaras es tan grande que una persona, o incluso grupo de personas tendrían que destinar ingentes cantidades de tiempo en analizar ese material generado.
Y, aunque fuera posible, sus mediciones tenderían a tener un grado de subjetividad que haría menos eficiente el uso de esos datos para la mejora genética.
En cambio, combinando la recogida de grandes volúmenes de datos con inteligencia artificial podemos generar información muy valiosa para la selección de reproductores tal y como se muestra en los siguientes ejemplos.
AUTOMATIZACIÓN DE LA VALORACIÓN DE APLOMOS
Dentro del grupo de caracteres de rusticidad, los problemas de aplomos representan una de las principales causas de baja forzosa, tanto para machos como para reproductoras.
Tradicionalmente, la valoración de aplomos es realizada por profesionales especializados que generan una valoración útil para la selección fenotípica y para la mejora genética.
Sin embargo, sus valoraciones están inevitablemente vinculadas a la subjetividad humana del que realiza la valoración.
La tecnología de análisis de imágenes y de Machine Learning que estamos desarrollando nos permite generar valoraciones de aplomos automatizadas para así obtener un volumen muchísimo mayor de valoraciones altamente objetivas de aplomos en granjas élite, con las ventajas añadidas de facilitar el trabajo en granja y aumentar la precisión de los datos (Imagen 1).
ESTUDIOS DE COMPORTAMIENTO
Mucho más compleja es la recogida de datos de comportamiento de los animales. La grabación durante 24 horas al día de cerdos criados en condiciones comerciales supone una oportunidad única para generar datos que permitan analizar el comportamiento de nuestros cerdos.
En las unidades experimentales de PIC (Imagen 2) estamos enseñando a una máquina a analizar esas grabaciones. El resultado hace posible registrar individualmente aspectos como tiempos de reposo y actividad, acceso y tiempos en comederos y bebederos, estudiar su comportamiento e interacción social en diferentes condiciones ambientales, etc.
Piensen, por ejemplo, en el análisis de cambios de comportamiento asociados a diferentes condiciones ambientales tales como piensos, densidades o ventilación.
FERTIBOAR
Si bien los ejemplos anteriores están todavía en un proceso de desarrollo previo a su aplicación comercial, la tecnología FertiBoar ya es una realidad y, por tanto, un ejemplo que vale la pena describir con más detalle.
La tecnología FertiBoar permite la selección temprana de machos en relación con su calidad seminal.
Mediante la realización de ecografías testiculares (Imagen 3) y un análisis automatizado de imágenes por inteligencia artificial (Imagen 4), hemos desarrollado un algoritmo específico que permite predecir de forma fiable la calidad seminal de verracos jóvenes en la granja de origen, y por tanto previamente a su entrada en centros de inseminación.
¡Los beneficios son múltiples!
Para el CIA:
- Se reduce, en gran medida, el coste de cuarentenas.
- Aumenta la calidad y predictibilidad en la producción de dosis seminales.
Para el ganadero:
- Se logra una mayor calidad de las dosis usadas para inseminar las hembras.
- Se consigue una mayor estabilidad en el suministro de dosis por el menor reemplazo de machos jóvenes.
Esta tecnología representa un caso de éxito fruto de la colaboración entre instituciones académicas (IFN Schönow) y empresas privadas (PIC). En el proyecto de investigación conjunto (2017-2020) se analizaron imágenes ecográficas y datos de calidad de semen de más de 1.000 animales. La alta calidad de esta investigación ha dado lugar a publicaciones científicas y al reconocimiento como innovación en eventos del sector (Innov’Space e Innovación técnica en FIGAN), así como su rápida implementación en la cadena de suministro de verracos PIC.
| CONCLUSIONES
|
