En la producción de moluscos en hatchery , el cultivo larval es una de las etapas más críticas para la obtención de semillas. Los lípidos actúan como fuente energética y respaldo metabólico frente al estrés, siendo especialmente relevantes en etapas tempranas del desarrollo. Sin embargo, su cuantificación precisa es un desafío técnico, debido a la necesidad de evaluar individualmente la variabilidad energética intra-cohorte . Se han realizado intentos que permitan enfrentar este desafío mediante el análisis cualitativo de lípidos utilizando la tinción vital fluorescente rojo nilo , los cuales se han llevado a análisis cuantitativo acoplando microscopía confocal y análisis de imágenes digitales en escala de grises. Sin embargo, en el primer caso la medición es subjetiva y en el segundo, este análisis presenta limitaciones técnicas. Nuestra propuesta consiste en generar un índice cuantitativo utilizando un software basado en machine learning , evaluando tres rangos de tonalidad de píxeles asociados a la presencia de lípidos a partir de imágenes de fluorescencia del componente rojo ( C1: segmentación 100–255, C2: segmentación 150–255 y C3: segmentación 200–255) y manteniendo constante el componente verde y azul (22-255, 0-100, respectivamente). Este análisis permitirá definir el rango de tonalidad que facilite diferenciar el contenido lipídico entre larvas de manera cuantitativa, que posteriormente pueda ser validado mediante ensayos de inanición. La incorporación de este análisis está orientada a profundizar en la interpretación de los resultados, permitiendo caracterizar la condición energética de las cohortes larvales y una cuantificación individualizada.
Financiamiento:
BECAS/DOCTORADO NACIONAL 21221359
FONDEF/ANID ID22I10012