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

¿Cómo va a afectar el Deep fake a nuestro futuro?

¿Cómo va a afectar el Deep fake a nuestro futuro? El aumento exponencial de fake news en la web hace imposible saber con certeza la veracidad del contenido digital que consumimos. Además cada vez los deep fakes son más sofisticados, convirtiéndose en un elemento fundamental de las agendas estratégicas a futuro de las empresas.

¿Cómo está afectando el COVID-19 al sector retail?

En situaciones provocadas por factores externos, como el COVID-19, los minoristas se ven inmersos en un agujero negro, donde las ventas son mínimas o nulas, haciendo que se adapten de cualquier manera para sobrevivir.

La maduración de la fabricación aditiva: aplicaciones de...

La impresión 3D, un término que a menudo se utiliza como sinónimo de fabricación aditiva (la adición sistemática de materiales para formar un producto final), tiene actualmente alrededor de cuatro décadas de antigüedad. Originalmente fue desarrollada en los años 80, con la finalidad de reducir los plazos y los costes para el desarrollo de prototipos. Por aquel entonces, la tecnología de impresión 3D era ampliamente desconocida por la generalidad debido a los elevados costes y a la limitación de herramientas de software disponibles. La última década ha visto numerosos avances en la impresión 3D, a la vez que la bajada de los costes y los avances tecnológicos han conseguido que sea más viable comercialmente. 2 de cada tres fabricantes ya utilizan la impresión 3D, y otro 25% está planeando adoptarla en un futuro. Esta tecnología está siendo utilizada para desarrollar vehículos, aviones, casas, dispositivos médicos, prendas de tejido vivo, muebles, etc., aunque no todos a escala. Está previsto que la industria de impresión 3D a nivel mundial crezca de 7,3 miles de millones de dólares en 2016 a 12,7 miles de millones de dólares en 2018, y a 21,2 miles de millones en 2020, lo que representa un CAGR del

¿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