Investigación
Machine Learning vs. BLUP: Futuro Labs e Inca Tops – Pacomarca ponen a prueba la predicción de calidad de fibra en alpacas
Junto al Proyecto Pacomarca iniciamos la primera comparación entre métodos de machine learning y BLUP para predecir calidad de fibra en alpacas, una pregunta abierta en camélidos sudamericanos.
El Centro de Investigación Futuro Labs y Inca Tops – Pacomarca, referente mundial en mejora genética de fibra de alpaca, inician un estudio conjunto para responder una pregunta que nadie ha respondido todavía: ¿pueden los métodos de machine learning predecir la calidad de fibra de una alpaca mejor que BLUP?
El reto
Los programas de mejoramiento genético de alpacas utilizan BLUP (Best Linear Unbiased Prediction) como método estándar para estimar valores de cría. Ha sostenido décadas de progreso genético y funciona bien, pero tiene una limitación de fondo: asume que la relación entre la genética y los rasgos de fibra es lineal. No captura interacciones complejas ni efectos no aditivos que podrían estar influyendo en la calidad de la fibra.
Los métodos de machine learning no tienen esa restricción, y en los últimos años han mostrado mejoras consistentes de precisión en predicción genómica para cerdos, aves y bovinos. En alpacas, nadie lo ha probado.
Los camélidos sudamericanos están prácticamente ausentes de esta literatura. Los trabajos previos en alpacas —incluidos los realizados sobre el hato de Pacomarca— han comparado métodos estadísticos convencionales entre sí, sin incluir machine learning. Ese es el vacío que queremos cerrar.
Probar esta hipótesis exige algo que casi nadie tiene: datos reales de producción, a escala y con pedigrí completo. El Proyecto Pacomarca lleva años registrando genealogía, análisis de fibra, esquila y evaluación fenotípica de su hato, y esa base —la misma que sostiene Alpaca Pro— es hoy una de las más grandes del mundo para alpacas.
Es el terreno adecuado para una comparación honesta: no datos simulados ni un experimento de laboratorio, sino el mismo tipo de información con la que trabaja un programa de mejoramiento real.
Qué esperamos aportar
- La primera comparación entre machine learning y BLUP para calidad de fibra en alpacas.
- Un punto de referencia para camélidos sudamericanos, hasta ahora inexistente.
- Una guía práctica para que otros programas de mejoramiento evalúen si les conviene adoptar estos métodos.
El estudio también da continuidad al trabajo que publicamos en IJACSA (Vol. 16, No. 4, 2025), donde propusimos una arquitectura con un módulo de machine learning que quedó planteado como trabajo futuro. Ahora toca implementarlo y ponerlo a prueba.
Apoya nuestra investigación.
Futuro Labs es una asociación sin fines de lucro y todo el equipo trabaja de manera voluntaria. Tu apoyo nos permite sostener la infraestructura y ampliar el alcance de los proyectos.