Se presentan los primeros resultados del proyecto Q-OLOR a la Asamblea General de INNOVACC

El día 21 de junio de 2021, durante la Asamblea General Extraordinaria de INNOVACC, Maria Font (IRTA) y Jacobo Álvarez (Lenz Instruments) explicaron el trabajo realizado hasta ahora en el proyecto Q-OLOR y los primeros resultados.

Q-OLOR. Estrategias para obtener carne de cerdo libre de olor sexual


Participantes: Selección Batallé SA, Grup Gepork SA, UPB Genetic World SL, Frigoríficos del Nordeste SA, Lenz Instruments SL, IRTA, INNOVACC

Ver presentación Maria Font aquí.

Ver presentación Jacobo Álvarez aquí.

Maria Font explicó las actividades realizadas durante el proyecto con el objetivo de reducir el olor sexual de machos enteros y mejorar su detección se han estudiado diferentes protocolos de aplicación de la immunocastració como alternativa a la castración quirúrgica, se han evaluado marcadores genéticos ligados al olor sexual y se ha trabajado en dos metodologías para determinar el olor sexual: la nariz humano (conocido como ‘human nose’) y la espectroscopia Raman.

Jacobo Álvarez presentó los primeros resultados de utilizar el sensor Raman para detección automática del olor sexual. La predicción de androstenona y escatol se hace con una determinación indirecta, a partir de la medida del perfil de composición de ácidos grasos en el tejido subcutáneo. Confirmó la viabilidad de utilizar esta técnica como método de selección, si bien la precisión lograda hasta ahora es insuficiente. Próximamente se medirán más muestras para mejorar la precisión y robustez de los modelos predictivos.


Jacobo Álvarez presentó los primeros resultados de utilizar el sensor Raman para detección automática del olor sexual. La predicción de androstenona y escatol se hace con una determinación indirecta, a partir de la medida del perfil de composición de ácidos grasos en el tejido subcutáneo. Confirmó la viabilidad de utilizar esta técnica como método de selección, si bien la precisión lograda hasta ahora es insuficiente. Próximamente se medirán más muestras para mejorar la precisión y robustez de los modelos predictivos.

Con el apoyo de: