Espectroscopia óptica raman associada a algoritmos de inteligência artificial na predição da concepção e status gestacional em fêmeas bovinas

• Processo: 24/16812-9
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 30 de abril de 2028
• Área do conhecimento: Ciências Agrárias - Medicina Veterinária - Reprodução Animal
• Pesquisador responsável: Luciano Andrade Silva
• Beneficiário: Luciano Andrade Silva
• Instituição Sede: Faculdade de Zootecnia e Engenharia de Alimentos (FZEA). Universidade de São Paulo (USP). Pirassununga , SP, Brasil
• Pesquisadores associados: DANIEL YAEZU TIBA ; Guilherme Pugliesi ; Landulfo Silveira Junior ; Mariane Aparecida de Andrade Belezone ; Nara Regina Brandão Cônsolo ; Rafaella Zuliani Spalato ; Rogério Torres Seber ; Thiago da Cruz Canevari ; Willian Vaniel Alves dos Reis
• Assunto(s): Bovinos Diagnóstico Gravidez Inteligência artificial
• Palavra(s)-Chave do Pesquisador: bovinos | concepção | diagnóstico | Espectroscopia óptica Raman | gestação | Inteligência Artificial | Reprodução de Grandes Animais

Resumo

A demanda mundial por alimentos cresce paralelamente ao aumento da população e estimula o desenvolvimento de tecnologias para a melhoria da produtividade. Na pecuária de corte, tecnologias aplicadas nas últimas décadas para a multiplicação de material genético e produção de bezerros foram essenciais para o crescimento deste setor. No entanto, a eficiência de muitas destas tecnologias pode ser melhorada. A inseminação artificial em tempo fixo (IATF), que apresenta taxas de concepção média em torno de 50%, é um exemplo. Assim, o desenvolvimento de metodologias que possam maximizar a eficiência da IATF poderia colaborar substancialmente para uma maior produção de bezerros com menores custos. A identificação precoce e uso seletivo de fêmeas com maior potencial de concepção e o diagnóstico gestacional o mais precoce possível são exemplos de ações que poderiam colaborar substancialmente para isso. Técnicas para diagnósticos clínicos reprodutivos com elevada acurácia, rápidas e capazes de serem realizadas no campo são valiosas para a tomada de decisões. Com a rápida evolução dos sistemas de processamento computacionais, a inteligência artificial e o aprendizado de máquina são ferramentas que permitem a análise de dados complexos, em grande volume e com finalidade diagnóstica. Neste projeto, dois estudos objetivarão o desenvolvimento de metodologias para diagnosticar fêmeas com maior potencial de concepção e para diagnóstico superprecoce da gestação. Dados espectrais serão obtidos por espectroscopia óptica Raman em soro sanguíneo e muco cérvico-vaginal colhidos de fêmeas bovinas submetidas à técnica de IATF. Modificações na composição de metabólitos nessas amostras biológicas poderão estar associadas a modulação do metabolismo pelos hormônios reprodutivos. As amostras serão provenientes de dois experimentos com animais e de dois bancos de amostras. Após obtenção dos dados espectrais, estes terão sua dimensionalidade reduzida e ajustada por análise de componentes principais para depois serem submetidos a análise com algoritmos de aprendizagem de máquina para determinação diagnóstica. No Estudo 1 - Identificação de animais com maior probabilidade de concepção por espectroscopia óptica Raman, em sua primeira fase, serão desenvolvidos algoritmos de aprendizado de máquina para identificação de animais com maior probabilidade de concepção, além do estudo da repetibilidade desta característica. 200 amostras de sangue (soro) e muco cérvico-vaginal nos dias D-10, D-2 e D0 (dia da IA), provenientes do experimento 1, serão analisadas por espectroscopia óptica Raman para obtenção dos dados espectrais. Para avaliação da acurácia dos algoritmos, será considerado como acerto o animal indicado como apto à concepção e que nos dias D22 e/ou D30 forem diagnosticados como gestantes pelas técnicas ultrassonográficas. O modelo será testado e ajustado nas fases 2 e 3 com amostras provenientes do banco de amostras e do experimento 2. No Estudo 2 - Diagnóstico de gestação por espectroscopia óptica Raman, em sua primeira fase, serão desenvolvidos algoritmos de aprendizado de máquina para diagnóstico de gestação, sendo utilizadas amostras dos dias D22 e D30 das 200 fêmeas do experimento 1. Na avaliação da acurácia dos algoritmos, será considerado como acerto o animal indicado como gestante e que nos dias D22 e/ou D30 foram diagnosticados como gestantes pelas técnicas ultrassonográficas. O modelo será testado nas fases 2 e 3 com amostras provenientes do banco e do experimento 2. Na fase 3, a precocidade de diagnóstico de gestação durante a IATF também será investigada. Em ambos os estudos, a acurácia dos resultados obtidos entre os biofluidos analisados será comparada. Pretende-se, com estes dois estudos, identificar e descrever padrões de assinaturas espectrais ("impressões digitais") que permitam selecionar fêmeas com maior ou menor probabilidade de concepção e que permitam o diagnóstico de gestação precoce de maneira rápida, precisa e com baixo custo. (AU)