INTEGRAL

El projecte INTEGRAL té com a objectiu transformar la gestió de la salut avícola mitjançant el desenvolupament d’una estratègia integrada basada en dades que combini la detecció ràpida de patògens, la modelització predictiva basada en IA i les intervencions basades en el microbioma. Impulsat per la necessitat global urgent de garantir la producció d’aliments per a una població projectada de 9,8 mil milions de persones el 2050, el projecte aborda reptes crítics en la producció avícola, incloses l’alta incidència d’infeccions, l’augment de la mortalitat després de les restriccions d’antibiòtics i l’aparició de bacteris resistents a antimicrobians, oferint solucions innovadores de diagnòstic i gestió adaptades a les condicions modernes d’agricultura intensiva.

L’objectiu principal és reduir la prevalença i l’impacte de les malalties infeccioses en la producció avícola, minimitzant al mateix temps l’ús d’antibiòtics i augmentant la productivitat. Per aconseguir-ho, el projecte persegueix diversos objectius específics: (i) establir una base sòlida de la incidència de patògens i crear una base de dades in silico curada dels principals patògens avícoles amb marcadors de resistència a antibiòtics anotats; (ii) desenvolupar eines de seqüenciació ràpida de lectures llargues capaces d’oferir perfils complets de patògens i resistències en un termini de sis hores; (iii) dissenyar i validar un model predictiu d’alt rendiment que integri dades del microbioma, fenotípiques, ambientals i de producció mitjançant tècniques d’aprenentatge automàtic; i (iv) explorar i desplegar solucions basades en el microbioma mitjançant l’aïllament, la caracterització i la selecció artificial de consorcis microbians beneficiosos per contrarestar infeccions patògenes.

La metodologia s’organitza en cinc activitats tècniques interrelacionades que comencen amb un mostreig de camp extens i l’adquisició de dades de diverses explotacions avícoles, seguit de la caracterització molecular en laboratori mitjançant seqüenciació de lectures llargues Oxford Nanopore. Aquestes dades s’integren i es preprocesen per construir models predictius utilitzant algoritmes d’aprenentatge supervisat com Random Forests, XGBoost i xarxes neuronals, amb una validació creuada rigorosa i ajust d’hiperparàmetres per garantir la fiabilitat. Paral·lelament, el projecte investiga intervencions innovadores basades en el microbioma mitjançant la selecció artificial de consorcis microbians a través d’estudis in vitro, culminant en assaigs comparatius en camp davant pràctiques convencionals. Es manté una col·laboració públic-privada sinèrgica entre UVESA, que aporta experiència operativa pràctica i coneixement a nivell de granja, i Leitat, que contribueix amb capacitats avançades d’R+D en diagnòstic, anàlisi de dades i transferència tecnològica.

S’esperen resultats com una plataforma de diagnòstic ràpid validada per a la detecció precoç de patògens i resistència a antibiòtics, un model predictiu robust impulsat per IA per a la predicció en temps real del risc d’infecció i estratègies de gestió innovadores basades en el microbioma adaptades a cada granja. Es preveu que aquests resultats milloraran significativament la salut i el benestar animal, reduiran les pèrdues econòmiques i augmentaran la sostenibilitat i competitivitat de la producció avícola. En tancar la bretxa entre la innovació en laboratori i l’aplicació en camp, el projecte INTEGRAL no només avança l’estat de l’art en la ramaderia de precisió, sinó que també crea un marc escalable amb potencial d’aplicació en altres sectors de la producció animal.

Rol de Leitat en el projecte:

Leitat actuarà com a soci beneficiari en el projecte INTEGRAL.