| ¿Qué puede aprender la ganadería de Netflix? |
|
|
|
|
|
Las tasas anuales de mejora genética animal podrían, al menos, duplicarse en los próximos años mediante el uso de información molecular y de algoritmos predictivos inspirados en la inteligencia artificial y las ciencias informáticas. Estos herramientas hoy son una realidad en bovinos de leche y rápidamente podrían extenderse a otras producciones, afirmó Daniel Gianola, investigador de la Universidad de Wisconsin, Estados Unidos, durante el 37º Congreso de la Asociación Argentina de Producción Animal que comenzó ayer, lunes 20, y se extenderán hasta el jueves 23 en la Pontificia Universidad Católica Argentina.
Gianola, uno de los especialistas mundiales más reconocidos en mejoramiento genético animal y metodología estadística, pionero en proponer algoritmos de aprendizaje automático como modelo de predicción, se refirió al uso de información molecular mediante métodos estadísticos no tradicionales, a los que consideró muy superiores respecto del paradigma vigente.
“El paradigma vigente consiste en emplear información de genealogías o de ADN usando un efecto aditivo, según el cual los efectos de los genes se suman unos a los otros sin tener interacción. En cambio, nuestra metodología no postula ningún modelo ni supuesto y trata de capturar una señal sin preguntarse su origen mecanístico. Son métodos que se desarrollan para tener un buen comportamiento predictivo, pero sin objetivo inferencial, que ocupa a la estadística clásica”, explicó Gianola.
Según el investigador, existen áreas donde esta tecnología se emplea de manera rutinaria. Por ejemplo, la empresa de películas online Netflix usa un algoritmo de predicción llamado “caos progresivo” que tiene una gran capacidad para predecir el gusto de sus usuarios por las películas, a partir de la misma información que recibe de sus clientes.
¿Cómo se traslada esto a la ganadería? “Utilizamos información genealógica, de efectos ambientales y de marcadores moleculares sobre las animales que nos interesan por sus características productivas, y a partir de ello desarrollamos modelos que aprenden cuántos litros de leche produce una vaca por día, sin entender por qué imitan el sistema y lo emulan en condiciones hipotéticas similares a los actuales”.
Industria
Gianola advirtió que estas técnicas aún no se aplican de manera rutinaria en genética animal y vegetal, pero sí en casos particulares, como en el cultivo de maíz. Otro área de desarrollo es la medicina personalizada, donde en la Universidad de Chicago utilizan información metabólica de ADN con un capacidad predictiva muy superior a otros métodos para prevenir enfermedades y analizar posibles tratamientos.
“En ganado lechero se estima que la tasa anual de mejoramiento genético se duplica con el uso de información molecular con casos particulares de estos algoritmos, aunque en la práctica hemos encontrados tasas muchos más altas”, señaló el investigador, y agregó que la industria absorbe de manera muy rápida este tipo de herramientas de mejoramiento:
“La industria de la genética animal en bovinos de leche ha cambiado drásticamente con el uso de estas tecnologías de mejoramiento animal. Por ejemplo, el uso masivo de marcadores moleculares fue absorbido muy rápido por la industria y hoy, para tener un mercado genético competitivo en ganado Holando, necesariamente hay que realizar evaluaciones genéticas. Estados Unidos, Canadá, Holanda, Australia y Alemania dominan el mercado de semen y embriones, y todos utilizan los genes evaluados genómicamente, donde los algoritmos participan como una herramienta de mejoramiento genético”.
Además, las tecnologías se estarían haciendo más accesibles desde el punto de vista económico: “El costo de los marcadores moleculares ha sido abatido consistentemente. Antes, secuenciar el genoma humano costaba 75 millones dólares, y hoy menos de mil. En Estados Unidos, un chip con 800.000 marcadores moleculares cuesta menos de 200 dólares. De manera que los costos son insignificantes”.
Por otra parte, Gianola consideró: “La globalización creo una familia de investigadores que intercambiamos información de manera efectiva. Los conocimientos están disponibles para todos y los investigadores de la Argentina, Uruguay y Brasil están en el mismo nivel que en Estados Unidos y Europa”. |
|
|
|
|
|
|
