Tradicionalmente se monitorea el crecimiento de los peces con el uso de una cinta de medición y una balanza. Los datos se pueden tabular y comparar.
Pero si tu objetivo es seleccionar a los individuos con las características productivas, esta tarea te puede tomar varios días o semanas dependiendo del tamaño de la población de peces.
En Brasil, investigadores de la Universidad Estatal de São Paulo (UNESP) resolvieron el problema desarrollando un software que utiliza inteligencia artificial para realizar mediciones precisas de los peces en tiempo real.
El grupo de investigación lleva tiempo trabajando en la mejora genética del pacú (Piaractus mesopotamicus) para aumentar los rendimientos y reducir los costes de producción.
“Cuando mides un pez manualmente, obtienes menos datos porque los estresas y puedes transmitir enfermedades que provocan brotes, sin mencionar el valioso tiempo que lleva. Automatizamos el proceso, entrenamos la máquina con fotos de pacus y etiquetamos la cabeza, el cuerpo, cintura pélvica y aletas. Ahora tenemos un dispositivo portátil que se puede llevar al campo para hacer esto rápidamente y clasificar a los mejores animales”, dijo Diogo Hashimoto, profesor en el Centro de Acuicultura de la UNESP en Jaboticabal.
Aprendizaje profundo
El aprendizaje profundo es una tecnología de punta que permite el fenotipado en la acuicultura. La aplicación rutinaria del aprendizaje profundo ofrece nuevas oportunidades para la selección genética de rasgos de apariencia, especialmente aquellos relacionados a la forma del cuerpo.
Los investigadores utilizaron el aprendizaje profundo, uno de los tipos más recientes de aprendizaje automático, que produce resultados mucho más rápidos, entre otras ventajas.
El uso de la innovación estuvo a cargo de José Remo Ferreira Brega, profesor del Departamento de Computación de la Facultad de Ciencias de la UNESP.
En su último estudio, los investigadores se propusieron distinguir los pacus de cuerpo redondo de los peces de cuerpo ovalado. Los pacus tiene un cuerpo redondo en la naturaleza, y se cree que este rasgo influye en las decisiones de compra de los consumidores.
Los piscicultores pueden obtener este rasgo en sus peces seleccionando individuos con la relación altura-ancho ideal para obtener mayores rendimiento en lomo y costilla, los cortes preferidos por los consumidores de pescados nativos como el pacú y el tambaqui.
Otras medidas, como el tamaño de la pelvis o la relación cabeza-cuerpo, pueden usarse como indicadores del rendimiento del filete, la tasa de crecimiento y el aumento de peso, por ejemplo.
Los investigadores registraron los datos de 1380 individuos correspondientes a 48 familias en dos ambientes distintos: núcleo de crianza y piscigranja comercial. Los animales fueron evaluados basados en su peso y sus características morfométricas a los 15 y 28 meses de edad.
Mejora genética
Los criadores de peces usan la selección del fenotipo para la mejora genética en todo el sector de la piscicultura brasileña, que es líder mundial en la producción de proteína animal a partir de pollos, ganado vacuno y cerdos.
Sin embargo, en la piscicultura, este tipo de tecnología solo está disponible para el salmón y la tilapia, que son especies exóticas y se producen de forma masiva en todo el mundo.
Aunque la cadena de producción de tilapia de Brasil incluye investigación y desarrollo, la mejora de las especies nativas es incipiente. No obstante, el software creado por los investigadores para el pacú demostró ser más resiliente que la tecnología de selección de fenotipo disponible para otras especies, como la tilapia.
“Nuestro programa puede reconocer y medir las diferentes partes del pacu incluso al costado del tanque, con contaminación visual del fondo y condiciones de luz variables. Los sistemas desarrollados para tilapia usan luz controlada y un fondo estandarizado”, destacó Hashimoto.
Bases de datos del fenotipo del pacú
La sistematización de fenotipos de pacu en grandes bases de datos permitirá a los criadores seleccionar animales con mayor precisión, dándose cuenta del potencial de mejora que posibilita otro estudio realizado por el grupo Jaboticabal.
En ese estudio, los investigadores describen polimorfismos de nucleótidos simples (SNP) para pacu y tambaqui (Colossoma macropomum). Estas mutaciones del código genético se pueden utilizar en el mapeo genómico de los rasgos considerados deseables, acelerando la selección y la mejora.
El método convencional utilizado para medir el rendimiento de filete o lomos, por ejemplo, implica sacrificar al animal y pesar sus partes. Como resultado, el individuo se pierde, dejando solo a sus hermanos, que son genéticamente similares pero no necesariamente tienen los rasgos requeridos.
“La ventaja de integrar nuestro software con datos genómicos es que podemos recopilar la información necesaria y mantener vivo al animal de interés para usarlo como reproductor durante el proceso de selección”; finalizó Hashimoto.
Referencia
Milena V. Freitas, Celma G. Lemos, Raquel B. Ariede, John F.G. Agudelo, Rubens R.O. Neto, Carolina H.S. Borges, Vito A. Mastrochirico-Filho, Fábio Porto-Foresti, Rogério L. Iope, Fabrício M. Batista, José R.F. Brega, Diogo T. Hashimoto. 2022. High-throughput phenotyping by deep learning to include body shape in the breeding program of pacu (Piaractus mesopotamicus), Aquaculture, Volume 562, 2023, 738847, ISSN 0044-8486, https://doi.org/10.1016/j.aquaculture.2022.738847.
