INTEGRAL

Abstract:

El proyecto INTEGRAL tiene como objetivo transformar la gestión de la salud avícola mediante el desarrollo de una estrategia integrada basada en datos que combine la detección rápida de patógenos, la modelización predictiva basada en IA y las intervenciones basadas en el microbioma. Impulsado por la necesidad global urgente de garantizar la producción de alimentos para una población proyectada de 9,8 mil millones de personas en 2050, el proyecto aborda desafíos críticos en la producción avícola, incluidos la alta incidencia de infecciones, el aumento de la mortalidad tras las restricciones de antibióticos y la aparición de bacterias resistentes a antimicrobianos, ofreciendo soluciones innovadoras de diagnóstico y gestión adaptadas a las condiciones modernas de agricultura intensiva.

El objetivo principal es reducir la prevalencia e impacto de las enfermedades infecciosas en la producción avícola, minimizando al mismo tiempo el uso de antibióticos y aumentando la productividad. Para lograrlo, el proyecto persigue varios objetivos específicos: (i) establecer una base sólida de la incidencia de patógenos y crear una base de datos in silico curada de los principales patógenos avícolas con marcadores de resistencia a antibióticos anotados; (ii) desarrollar herramientas de secuenciación rápida de lecturas largas capaces de ofrecer perfiles completos de patógenos y resistencias en un plazo de seis horas; (iii) diseñar y validar un modelo predictivo de alto rendimiento que integre datos del microbioma, fenotípicos, ambientales y de producción mediante técnicas de aprendizaje automático; y (iv) explorar y desplegar soluciones basadas en el microbioma mediante el aislamiento, caracterización y selección artificial de consorcios microbianos beneficiosos para contrarrestar infecciones patógenas.

La metodología se organiza en cinco actividades técnicas interrelacionadas que comienzan con un muestreo de campo extenso y la adquisición de datos de diversas explotaciones avícolas, seguido de la caracterización molecular en laboratorio mediante secuenciación de lecturas largas Oxford Nanopore. Estos datos se integran y preprocesan para construir modelos predictivos utilizando algoritmos de aprendizaje supervisado como Random Forests, XGBoost y redes neuronales, con una validación cruzada rigurosa y ajuste de hiperparámetros para garantizar la fiabilidad. Paralelamente, el proyecto investiga intervenciones innovadoras basadas en el microbioma mediante la selección artificial de consorcios microbianos a través de estudios in vitro, culminando en ensayos comparativos en campo frente a prácticas convencionales. Se mantiene una colaboración público-privada sinérgica entre UVESA, que aporta experiencia operativa práctica y conocimiento a nivel de granja, y Leitat, que contribuye con capacidades avanzadas de I+D en diagnóstico, análisis de datos y transferencia tecnológica.

Se esperan resultados como una plataforma de diagnóstico rápido validada para la detección temprana de patógenos y resistencia a antibióticos, un modelo predictivo robusto impulsado por IA para la predicción en tiempo real del riesgo de infección y estrategias de gestión innovadoras basadas en el microbioma adaptadas a cada granja. Se anticipa que estos resultados mejorarán significativamente la salud y el bienestar animal, reducirán las pérdidas económicas y aumentarán la sostenibilidad y competitividad de la producción avícola. Al cerrar la brecha entre la innovación en laboratorio y la aplicación en campo, el proyecto INTEGRAL no solo avanza el estado del arte en la ganadería de precisión, sino que también crea un marco escalable con potencial de aplicación en otros sectores de la producción animal.

Rol de Leitat en el proyecto:

Leitat actuará como socio beneficiario en el proyecto INTEGRAL.