Cuytec (Versión 1.0): Aplicación de celular para la gestión de registros productivos, reproductivos y genealógicos en cuyes

• Rufino Paucar-Chanca Universidad Nacional de Huancavelica, Laboratorio de Mejoramiento Genético. Huancavelica, Perú
• Luz Eliana Caso-Huamani Universidad Nacional de Huancavelica, Laboratorio de Mejoramiento Genético. Huancavelica, Perú

DOI: https://doi.org/10.52973/rcfcv-e33251

Palabras clave: Cuy, aplicación móvil, registros productivos, registros reproductivos, genealogía

Resumen

En los últimos años, se ha intensificado el uso de metodologías objetivas para predecir el valor genético de los animales basadas en evaluaciones genéticas mediante la metodología BLUP (Best Linear Unbiased Predictor); sin embargo, su aplicación requiere la organización de bases de datos con una estructura de información completa y fiable que incluya datos: productivos, reproductivos y genealogícos. Actualmente, la gestión de los registros productivos, reproductivos y de genealogía en las unidades productivas de cuyes se realiza de manera tradicional (manual), limitando la utilización de las evaluaciones genéticas. Por ello, el objetivo del presente trabajo fue elaborar la primera versión de una aplicación de celular (Cuytec V–1.0), que facilite la captura y procesamiento de información con aplicaciones a la mejora genética, para lo cual se utilizaron algoritmos matemáticos y datos reales del Programa de Mejoramiento Genético de Cuyes (PMGC) de la Universidad Nacional de Huancavelica, Perú (UNH). Cuytec V–1.0 permite recoger (Sistema General de Base de Datos), procesar (lógica del lenguaje de programación) y consolidar la información acerca de la producción, reproducción y genealogía de cuyes. Facilitando la toma de decisiones y el procesamiento de datos usando modelos genéticos y estadísticos dentro de un programa de mejora genética.

Citas

Pascual M, Cruz DJ, Blasco A. Modeling production functions and economic weights in intensive meat production of guinea pigs. Trop. Anim. Health Prod. 2017;49(7):1361–1367.

Quijandria B, Zaldivar M, Robison OW. Selection in guinea pigs: II. Direct response for litter size and body weight. J. Anim. Sci. 1983;56(4):820–828.

Ramos–Espinoza Y, Aguilar–Jara LL, Paucar–Chanca R. Parámetros productivos y reproductivos de cuyes (Cavia porcellus) de la raza Perú. Rev. Cientif. Fac. Cien. Vet. 2023;33(1):1–6. doi: https://doi.org/kc96

Patiño–Burbano RE, Cardona–Iglesias JL, Carlosama–Ojeda LD, Portillo–Lopez PA, Moreno DC. Parámetros zootécnicos de Cavia porcellus en sistemas productivos de Nariño y Putumayo (Colombia). Rev. CES Med. Vet. Zoot. 2019;14(3):29–41. doi: https://doi.org/kc94

Chauca L. Realidad y perspectiva de la crianza de cuyes en los países andinos. Arch. Latin. Prod. Anim. 2007;15(1):223–228.

Silva MN. Uso de IoT e IoNT en animales: Estudio de herramientas de recolección de datos para el análisis y comparación de datos vinculados a la sanidad animal. [La Plata]: Universidad Nacional de La Plata;2019. 38 p.

Paucar–Chanca R. Utilidad de marcadores SNP en la mejora genética de poblaciones altoandinas de alpacas. [Pamplona]: Universidad Pública de Navarra;2011. 40 p.

Bourdon RM. Understanding animal breeding. 2da. Ed.. Vol. 2. Upper Saddle River, NJ: Prentice Hall;2000. 523 p.

Sherman GB, Kachman SD, Hungerford LL, Rupp GP, Fox CP, Brown MD, Feuz BM, Holm TR. Impact of candidate sire number and sire relatedness on DNA polymorphism–based measures of exclusion probability and probability of unambiguous parentage. Anim. Genet. 2004;35(3):220–226.

Tosh JJ, Wilton JW. Effects of Data Structure on Variance of Prediction Error and Accuracy of Genetic Evaluation. J. Anim. Sci. 1994;72(10):2568–2577. doi: https://doi.org/kc95

Mrode RA, Thompson R. Linear models for the prediction of animal breeding values. 3ra. ed. Boston: CABI. 2014. 337 p.

Cardoso FF, Tempelman RJ. Genetic evaluation of beef cattle accounting for uncertain paternity. Livest. Prod. Sci. 2004;89(2–3):109–120.

Martelo RJ, Ponce AL, Acuña F. Guía metodológica para el diseño de un plan estratégico informático en instituciones de educación superior. Formación Univers. 2016;9(1):91–98.

Sánchez II. Estado del arte de las metodologías y modelos de los Objetos Virtuales de Aprendizaje (OVAS) en Colombia. Entornos. 2014;28(1):93–107.

Vranken E, Berckmans D. Precision livestock farming for pigs. Anim. Front. 2017;7(1):32–37.

Ahumada RC, Cervantes L, Martelo RJ. Sistema de información para la gestión de inventario y actividades en un hato ganadero. Espacios. 2020;41(50):215–230.

Vite HA, Vargas ON. Ganadería de precisión en la provincia de El Oro Diagnostico situacional. Espirales. 2018;2(1):1–16.

Gómez–Prada UE, Orellana–Hernández ML, Salinas–Ibáñez JM. Apropiación de Sistemas de Tecnologías de la Información para toma de decisiones de productores agroindustriales basada en videojuegos serios. Una revisión. Inform. Tecnol. 2019;30(5):331–340.

Saravanan N, Mahendiran A, Subramanian NV, Sairam N. An implementation of RSA algorithm in google cloud using cloud SQL. Res. J. Appl. Sci. Engineer. Technol. 2012;4(19):3574–3579.

Ayoze A. Curso de programacion web JavaScript, Ajax y jQuery. 2da. ed. IT Campus Academy. 2017; 430 p.