Inovações em genômica e fenômica no melhoramento genético de tilápia

• Processo: 24/11172-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 30 de junho de 2028
• Área do conhecimento: Ciências Agrárias - Recursos Pesqueiros e Engenharia de Pesca - Aquicultura
• Pesquisador responsável: Diogo Teruo Hashimoto
• Beneficiário: Diogo Teruo Hashimoto
• Instituição Sede: Centro de Aquicultura (CAUNESP). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
• Pesquisadores associados: Guilherme Jordão de Magalhães Rosa
• Assunto(s): Inteligência artificial Seleção genética Melhoramento genético
• Palavra(s)-Chave do Pesquisador: Imputação de genótipos | Inteligência Artificial | seleção genetica | Melhoramento genético

Resumo

Atualmente, novas tecnologias são necessárias para apoiar o crescente volume de produção e a demanda pelo consumo de peixe, como suporte à segurança alimentar e bioeconomia. Os programas de melhoramento genético estão entre os principais métodos para alcançar uma indústria aquícola eficiente, especialmente com investimentos em inovações de genômica e fenômica. A hipótese do estudo é testar se essas inovações tecnológicas podem ser aplicadas para selecionar genótipos de tilápia com melhor rendimento de filé, tornando possível obter predições acuradas do valor genético animal. Estudos de seleção genômica, por meio da imputação de genótipos, têm demonstrado aumentar a acurácia da predição dos valores genéticos (EBV) em comparação com os métodos baseados em pedigree (seleção tradicional); portanto, essa estratégia será testada no presente projeto para acelerar o progresso genético de rendimento de filé, considerado um dos fenótipos que são difíceis ou impossíveis de medir diretamente nos candidatos à seleção, implicando assim no sacrifício do animal e descarte de um potencial reprodutor. Em conjunto com a era genômica, tecnologias de fenotipagem de alto rendimento (fenômica) estão se tornando recentemente disponíveis, especialmente aquelas que utilizam inteligência artificial e machine learning (deep learning), o que criará oportunidades para incorporar big data e aquicultura de precisão nos programas de melhoramento genético. A análise de imagens 3D e sistema de visão computacional (CVS, Computer Vision System), por meio de deep learning, será testada como método para medir o rendimento do filé de maneira objetiva e eficiente e, consequentemente, facilitar a inclusão desse fenótipo como critério de seleção. Os resultados esperados são: 1) gerar uma ferramenta genômica de baixo custo para seleção de genótipos superiores de tilápia; 2) um CVS (software) para obter, em tempo real e de forma não invasiva, o rendimento do filé; e 3) demonstrar o potencial de melhorar o rendimento de filé em tilápia por meio de integração de inovações tecnológicas. (AU)