Benessere animale

Avicoltura

11 Giugno 2026

---

L’Istituto Zooprofilattico Sperimentale delle Venezie (IZSVe) ha avviato un progetto per migliorare la sostenibilità ambientale ed economica della filiera uova attraverso l’identificazione di biomarcatori predittivi della salute animale. Il programma, finanziato con 870.000 euro nell’ambito del Contratto di Filiera “Sustainable Egg Supply Chain – SESC” approvato dal Ministero dell’Agricoltura, della Sovranità Alimentare e delle Foreste (Masaf), si baserà su analisi omiche sull’uovo tramite spettrometria di massa ad alta risoluzione (DART-HRMS) e fluorescenza a raggi X a riflessione totale (TXRF), integrate in un sistema predittivo basato su machine learning.

Le tecnologie: omics e machine learning applicati all’uovo

L’analisi verrà condotta sulla matrice uovo come Easy Collection Sample (ECS), campione non invasivo facilmente raccoglibile in allevamento. Le metodiche omiche prescelte – DART-HRMS e TXRF – consentono un’analisi rapida e ad alta risoluzione dei parametri biologici. I dati così raccolti alimenteranno un sistema predittivo basato su tecniche di machine learning, in grado di rendere l’attività diagnostica più efficiente, riproducibile e scalabile, e di fornire agli operatori una valutazione accurata dello stato sanitario dei diversi gruppi in produzione.

Gli obiettivi e il dataset di riferimento

Il progetto mira a definire un dataset comparativo di biomarcatori predittivi per il monitoraggio della salute delle galline ovaiole, reso accessibile agli stakeholder della filiera come strumento strategico per il miglioramento continuo degli standard produttivi e sanitari. L’approccio punta a ottimizzare la gestione sanitaria degli allevamenti, ridurre le emissioni e limitare gli sprechi, orientando la filiera verso standard di sostenibilità più elevati. Al progetto partecipano il Laboratorio di medicina aviaria, il Laboratorio di chimica sperimentale e il supporto statistico dell’IZSVe.

TAG: AVICOLTURA, BIOMARCATORI, GALLINE OVAIOLE, IZS DELLE VENEZIE, MACHINE LEARNING, MASAF, OMICS, SESC, SOSTENIBILITà, UOVA