Investigadores españoles desarrollan modelos analíticos para detectar enfermedades en el cerdo usando saliva como muestra

La saliva ha ganado gran importancia en los últimos años como muestra biológica para detectar enfermedades infecciosas en cerdos. 

En este sentido, un trabajo recientemente publicado y realizado por el grupo de investigación Interlab-UMU, dirigido por José Joaquín Cerón en colaboración con Edgar García Manzanilla del Teagasc (Irlanda) y Antonio González-Bulnes de la empresa Cuarte (Zaragoza), ha evaluado la capacidad que tienen los analitos en saliva para detectar enfermedades en el cerdo.

Para ello, se ha aplicado un perfil que incluye marcadores de inflamación como la haptoglobina (Hp), del sistema inmune como la enzima adenosina desaminasa (ADA) y calprotectina (Calp), marcadores de sepsis como la aldolasa, marcadores de estrés como la alfa-amilasa (sAA), marcadores del estado redox como los productos proteicos de oxidación avanzada (AOPP) y marcadores del estado general como la enzima lactato deshidrogenasa (LDH) y la concentración total de proteína (TP).

Se obtuvieron muestras de saliva de cerdos sanos (n = 97) y cerdos afectados por meningitis por Streptococcus suis (n = 118), diarrea por Escherichia coli enterotoxigénica (ETEC, n = 77) y síndrome respiratorio y reproductivo porcino (PRRS, n = 52), y se construyeron modelos predictivos basados en regresión logística binaria y árboles de decisión que combinan esos analitos para detectar enfermedades específicas.

Los resultados mostraron un perfil de biomarcadores diferente entre los grupos y los modelos construidos mostraron una precisión superior al 78% y 87% para predecir ETEC y PRRS, respectivamente; mientras que los modelos no predijeron con precisión la infección por S. suis.

Por lo tanto, se puede concluir que los analitos salivales muestran diferentes cambios dependiendo de la enfermedad en el cerdo, y la combinación de estos analitos puede contribuir a la predicción de diferentes enfermedades. Se deben realizar más estudios en poblaciones más grandes para confirmar estos hallazgos y evaluar sus posibles aplicaciones prácticas.