Investigan la creación una base de datos para llegar a diferenciar las cualidades organolépticas de la carne ecológica frente a la producida de forma tradicional

“Las personas que comen productos orgánicos dicen que estos productos son más sabrosos”, dice Hans Spoolder, que trabaja en Wageningen Livestock Research. “¿Pero es así? Y si es así, ¿por qué? Para el proyecto de investigación europeo mEATquality de cuatro años, Spoolder investigará si la carne de cerdo y pollo de la ganadería extensiva sabe […]

Fecha: 19-Aug-2022

Fuente: Agro Meat

“Las personas que comen productos orgánicos dicen que estos productos son más sabrosos”, dice Hans Spoolder, que trabaja en Wageningen Livestock Research. “¿Pero es así? Y si es así, ¿por qué? Para el proyecto de investigación europeo mEATquality de cuatro años, Spoolder investigará si la carne de cerdo y pollo de la ganadería extensiva sabe mejor que la carne de la ganadería intensiva. Los investigadores visitarán granjas en Dinamarca, Alemania, Polonia, España e Italia, prestando atención al bienestar animal, la raza del animal y el tipo de alimentación.

A lo largo del proyecto, la carne de las distintas granjas se presenta a los paneles de degustación. Las propiedades de la carne también se determinan en el laboratorio. Spoolder asegura que “hacemos un extenso análisis químico y físico de la carne. Queremos vincular esto con el origen de la carne. Por ejemplo, buscamos isótopos que muestren si un cerdo ha comido hierba española o polaca”.

“En general, se recopilan muchos tipos diferentes de datos de varios países europeos. Estos incluyen puntajes de cuestionarios sobre el bienestar animal que los investigadores realizan en las granjas, datos de los paneles de degustación y datos de estudios de laboratorio”. También debe ser posible vincular todos estos datos entre sí: después de todo, desea poder comprobar si la carne de la granja de cerdos orgánicos alemana tiene un sabor diferente y una composición diferente que, por ejemplo, la carne de cerdo convencional.

Y luego, todos los datos también deben cumplir con el Reglamento General de Protección de Datos (GDPR), lo que significa que los datos personales de los agricultores pueden no ser visibles. Spoolder: “Tratamos de garantizar el anonimato tanto como sea posible. Cada agricultor recibe un número y un nombre de país. Pero solo los investigadores del país en cuestión saben qué agricultor está detrás de ese código”.

WUR es el coordinador de este proyecto y también está construyendo el almacén de datos en el que se recopilarán todos los datos. ¿Cómo manejas algo así? En eso está trabajando Wouter Hoenderdaal, desarrollador de bases de datos de Wageningen Food Safety Research. Hoenderdaal: “El proyecto aún se encuentra en la fase de inicio, pero el proceso que precede a la recopilación de datos es al menos igual de importante. Es fundamental que todos midan lo mismo y envíen esos datos de la misma manera. Por lo tanto, enviamos a todos los investigadores un formato específico en el que pueden ingresar sus datos”.

Por lo tanto, en el proyecto mEATquality es importante que los datos se puedan vincular entre sí. Hoenderdaal: “Una parte del animal va al laboratorio, otra parte del mismo animal va a los paneles de degustación. Por lo tanto, debemos establecer un sistema de codificación hermético que le permita rastrear de principio a fin de dónde proviene la muestra de carne: de qué animal, de qué granja, de qué región y de qué país”. Dos partes El almacén de datos consta de dos partes y una especie de portal. Este último es un sistema de archivos en el que los propios investigadores pueden cargar sus datos sin procesar. Solo se les otorgarán derechos de acceso a su propia carpeta. Hoenderdaal: “Todos los archivos también están protegidos con una contraseña. Por lo tanto, el usuario X solo puede leer en su propia carpeta y luego solo leer sus propios archivos allí”.

El almacén de datos real consta de una base de datos de desarrollo y otra de producción. Hoenderdaal: “Construiremos y probaremos en la base de datos de desarrollo, y cuando encontremos que todo está correcto allí, todos los datos se enviarán a la base de datos de producción. Los investigadores no tienen acceso a la base de datos de desarrollo y producción, pero sí al sistema de archivos”. Esto es para evitar que la base de datos se contamine con datos inutilizables o, lo que es peor, que un investigador distraído los borre en parte. “Esa base de datos la creamos en Postgres, una base de datos relacional de código abierto, en la que los datos se almacenan de forma estructurada”.

La transferencia de datos del sistema de archivos a la base de datos de desarrollo está automatizada. “Escribimos scripts en Python, para que los archivos de los investigadores terminen automáticamente en el lugar correcto en la base de datos. La idea es que los scripts no puedan evitar que un archivo de error se cargue en el sistema de archivos, pero pueden reconocerlo y evitar que ingrese a la base de datos. De esta manera evitamos que se carguen datos incorrectos en la base de datos. Construimos todo para que sea infalible; después de todo, no todos los investigadores son igualmente expertos en tecnología”.

Los investigadores deben poder buscar en la base de datos de producción para que puedan comparar sus propios datos con los de otros, pero no pueden acceder a esa base de datos. ¿Cómo resuelven esto Hoenderdaal y sus colegas? “Esperamos que principalmente quieran ver conjuntos de datos estándar, en los que se combinan ciertos datos. Luego podemos ponerlos listos para ellos en una carpeta segura. Si un investigador tiene una pregunta muy específica, compilaremos un conjunto de datos personalizado para él”.

¿Cuáles son los peligros de este tipo de intercambio internacional de datos? Hoenderdaal: “El lenguaje puede causar problemas. El idioma de instrucción es el inglés, lo que significa que puede haber errores en la traducción de la lengua materna al inglés. Los investigadores ahora han incorporado un control ellos mismos traduciendo primero un texto en inglés al alemán y luego de nuevo. Si el segundo texto en inglés tiene el mismo resultado que el primero, saben que está bien”.

Un segundo escollo tiene que ver con el sistema: una base de datos relacional como Postgres es muy adecuada para almacenar datos estructurados, pero menos para datos no estructurados como archivos PDF o fragmentos de texto. Hoenderdaal: “Puede recibir datos estructurados sobre una determinada muestra de carne, por ejemplo, del laboratorio, pero quizás también escaneos. Después de todo, no todo se puede capturar en datos estructurados. Todavía tenemos que idear algo para vincular esos datos no estructurados con los datos estructurados. Así que hay mucho que aprender para nosotros en este proyecto”.

Si depende de Hans Spoolder, el proyecto mEATquality formará la base de una gran base de datos europea sobre el origen de la carne. Spoolder: “Ya existe una base de datos europea de este tipo para el vino. La empresa Oritain está creando una base de datos para carne de vacuno y cordero. Están interesados ​​en nuestros datos sobre pollos y cerdos”. La trazabilidad de la carne es importante para prevenir el fraude cárnico; pensemos en el escándalo de la carne de caballo, pero también en etiquetar la carne como orgánica, cuando en realidad proviene de una ganadería intensiva.

Spoolder: “Determinar el fraude de la carne es un paso lateral en nuestro proyecto. No tenemos un presupuesto para expandirlo más, pero a la larga podemos contribuir a una base de datos internacional de carne”.