Noticias Tecnología - Innovación - Ciencia

add ver todas

El cuarto pilar para el mercado de proteínas alternativas es la agricultura molecular

Good Food Institute (GFI) ha publicado el que cree que es el cuarto pilar para el mercado de proteínas alternativas.

Las tres categorías más conocidas dentro del marco de las proteínas alternativas son:

  1. A base de plantas
  2. Fermentación de precisión
  3. Carne/kariscos cultivados.

GFI asegura que el cuarto pilar de las proteínas alternativas es la agricultura molecular de plantas.

  • Se trata de producir proteína animal utilizando cultivos de semillas. Se introduce ADN animal directamente en las semillas, transformando los cultivos resultantes en fábricas de proteínas.
  • Una vez que se plantan las semillas genéticamente modificadas, se pueden emplear técnicas tradicionales de gestión agrícola para hacer crecer los cultivos.

La adición de este cuarto pilar en el mercado de proteínas alternativas se produce porque la agricultura molecular está ganando terreno.

Vemos algunos ejemplos del desarrollo de la agricultura molecular:

  • Moolec, el pionero en agricultura molecular, anunció que sus plantas de cártamo han sido aprobadas por el Servicio de Inspección de Sanidad Anima uy Vegetal. Moolec tiene la capacidad de producir proteínas como la quimosina (enzima utilizada en el queso) utilizando plantas de cártamo.
  • Motif Foodworks, especialista en ingredientes de bioingeniería, anunció que se estaban diversificando hacia la agricultura molecular. Van a producir un ingrediente idéntico a la mioglobina en la carne de res, a través de cultivos de maíz.

Actualmente, tan solo hay 12 empresas en todo el mundo que utilicen esta tecnología para cultivar varios productos como proteínas lácteas libres de animales, factores de crecimiento para carne cultivada, entre otros.

Según GFI no hay forma más eficiente de producir calorías para el consumo humano que brotarlas del suelo.


Para saber más, haz click aquí

NOTICIAS RELACIONADAS

add ver todas

PROYECTOS LANZADOS

Benchmarking de Sostenibilidad de AECOCEl primer proyecto a destacar es el de «Benchmarking de Sostenibilidad» que se va a lanzar por primera vez este año. En este caso, el proyecto no ha surgido de una idea en concreto, sino del match entre varias ideas publicadas en el Portal de Innovación. Mediante el análisis de estas ideas publicadas en 2022, se vio la posibilidad de crear un nuevo benchmarking de sostenibilidad. El proyecto ha sido liderado y ejecutado desde el área de Benchmarking por Laia Balañà con el apoyo de Cinta Bosch desde el área de Sostenibilidad.Además, para la correcta ejecución del proyecto se ha contado con la colaboración de Greenpeace y Oxfam Intermón que, gracias a su conocimiento, han ayudado a detectar cuáles son aquellos puntos clave que se tienen que evaluar de las empresas. Aspectos relevantes del benchmarking:8 enseñas de la distribución evaluarán a 25 proveedores de gran consumo en los diferentes aspectos de la sostenibilidad.Actualmente hay 10 empresas contratantes.El proyecto se complementa con los resultados obtenidos del informe de sostenibilidad.A finales de marzo se presentarán los resultados del benchmarking.

China lanza su red nacional de blockchain en 100 ciudades

El mes próximo se espera que una alianza entre el gobierno chino, bancos nacionales y distintas empresas lance su primera red a nivel nacional de blockchain. Esta red permitirá que diferentes individuos disfruten de las herramientas disponibles o crear las suyas propias sin tener que construir el soporte de cero.

Walmart acaba de invertir en agricultura vertical

Invertir en agricultura vertical se está convirtiendo en una forma popular de cultivar alimentos cerca de los principales centros urbanos. A causa de la dificultad de accesibilidad a estos alimentos y a pesar de que hay muchos países que ya están invirtiendo en esta tecnología, los consumidores todavía los perciben como fuera de su alcance.

¿Cómo enseñar a la IA el concepto de "parecido, pero...

La Inteligencia Artificial tal y como hoy la conocemos engloba muchos conceptos que se encuentran interconectados y que en muchas ocasiones pueden llegar a ser un galimatías al profano. Machine Learning se refiere a la capacidad de la máquina para aprender algo sin estar explícitamente programada para ello. Deep Learning, se refiere a las redes neuronales profundas, que permiten a la máquina procesar grandes cantidades de datos. De esta manera, la IA es capaz de llevar a cabo un aprendizaje