Wenn Sie ein Netz voller Pacus (Piaractus mesopotamicus) betrachten, können Sie mit bloßem Auge nicht unterscheiden, welche Individuen Nachkommen mit höherer Filetausbeute oder schnellerer Gewichtszunahme haben werden.
Ihr Wachstum kann mit einem Maßband überwacht und auf einer Waage gewogen werden. Die Daten können tabelliert und verglichen werden. Aber um eine ganze Population mit den richtigen Eigenschaften zu züchten, müssen etwa 2.000 Fische pro Generation gemessen und gewogen werden, was Tage dauern kann.
In Brasilien haben Forscher der São Paulo State University (UNESP) dieses Problem gelöst, indem sie eine Software entwickelt haben, die mithilfe künstlicher Intelligenz genaue Messungen in Echtzeit durchführt. Die Ergebnisse werden in der Zeitschrift veröffentlicht Aquakultur.
Die Forschungsgruppe arbeitet seit einiger Zeit an der genetischen Verbesserung dieser einheimischen Art, um die Erträge zu steigern und gleichzeitig die Produktionskosten zu senken.
„Wenn Sie die Fische manuell messen, erhalten Sie weniger Daten, weil Sie sie stressen und Krankheiten übertragen können, die zu Ausbrüchen führen, ganz zu schweigen von der wertvollen Zeit, die in Anspruch genommen wird. Wir haben den Prozess automatisiert, die Maschine mit Fotos von Pacus trainiert und Kopf und Körper gekennzeichnet , Beckengürtel und Flossen. Wir haben jetzt ein tragbares Gerät, das mit ins Feld genommen werden kann, um dies schnell zu tun und die besten Tiere zu klassifizieren“, sagte Diogo Hashimoto, letzter Autor des Artikels und Professor am Aquakulturzentrum der UNESP in Jaboticabal.
Die Forscher nutzten Deep Learning, eine der neuesten Arten des maschinellen Lernens, das unter anderem viel schneller zu Ergebnissen führt. Die Nutzung der Innovation wurde von Jose Remo Ferreira Brega geleitet, Professor an der Fakultät für Informatik an der UNESP School of Sciences in Bauru und vorletzter Autor des Artikels.
In der neuesten Studie machten sich die Forscher daran, Pacus mit rundem Körper von Pacus mit ovalem Körper zu unterscheiden. Die Art hat in freier Wildbahn einen runden Körper, und es wird angenommen, dass diese Eigenschaft die Kaufentscheidungen der Verbraucher beeinflusst. Fischzüchter erhalten es, indem sie Individuen mit dem idealen Verhältnis von Höhe zu Breite auswählen, um höhere Erträge bei Lende und Rippe zu erzielen, den Teilstücken, die von Verbrauchern einheimischer Fische wie Pacu und Tambaqui bevorzugt werden.
Andere Messwerte wie Beckengröße oder Kopf-zu-Körper-Verhältnis können beispielsweise als Indikatoren für Filetertrag, Wachstumsrate und Gewichtszunahme verwendet werden.
Genetische Verbesserung
Züchter nutzen die Phänotypenauswahl zur genetischen Verbesserung im gesamten brasilianischen Agrarsektor, der weltweit führend in der Produktion von tierischem Protein aus Hühnern, Rindern und Schweinen ist. In der Fischzucht ist diese Art von Technologie jedoch nur für Lachs und Tilapia verfügbar, die beide exotische Arten sind und weltweit in Massenproduktion hergestellt werden, wobei die meisten Innovationen aus dem Ausland stammen.
Obwohl Brasiliens Tilapia-Produktionskette Forschung und Entwicklung umfasst, beginnt die Verbesserung der einheimischen Arten. Die von den Forschern für Pacu entwickelte Software erwies sich jedoch als widerstandsfähiger als die für andere Arten wie Tilapia verfügbare Technologie zur Auswahl von Phänotypen.
„Unser Programm kann die verschiedenen Teile des Pacu sogar an der Seite des Tanks erkennen und messen, mit visueller Bodenverschmutzung und variablen Lichtverhältnissen. Die für Tilapia entwickelten Systeme verwenden kontrolliertes Licht und einen standardisierten Boden“, sagte Hashimoto.
Die Systematisierung von Pacu-Phänotypen in großen Datenbanken wird es Züchtern ermöglichen, Tiere mit größerer Präzision auszuwählen und das Verbesserungspotenzial zu erkennen, das durch eine andere Studie ermöglicht wurde, die von der Jaboticabal-Gruppe und durchgeführt wurde 2021 erschienen. In diesem Artikel beschreiben sie einfache Nukleotidpolymorphismen (SNPs) für Pacu und Tambaqui (Colossoma macropomum). Diese Mutationen des genetischen Codes können bei der genomischen Kartierung der als wünschenswert erachteten Merkmale verwendet werden, was die Selektion und Verbesserung beschleunigt.
Das herkömmliche Verfahren, das zum Beispiel zum Messen des Filet- oder Lendenertrags verwendet wird, beinhaltet das Einschläfern des Tieres und das Wiegen seiner Teile. Das Individuum geht dadurch verloren und es bleiben nur seine Geschwister übrig, die genetisch ähnlich sind, aber nicht unbedingt die erforderlichen Eigenschaften haben.
„Der Vorteil der Integration unserer Software mit genomischen Daten besteht darin, dass wir die notwendigen Informationen sammeln und das interessierende Tier für die Verwendung als Reproduktionstier während des Auswahlverfahrens am Leben erhalten können“, sagte Hashimoto.
Mehr Informationen:
Milena V. Freitas et al, Hochdurchsatz-Phänotypisierung durch Deep Learning zur Einbeziehung der Körperform in das Zuchtprogramm von Pacu (Piaractus mesopotamicus), Aquakultur (2022). DOI: 10.1016/j.aquaculture.2022.738847