Fish & chips? Modellen som kan hjelpe oppdrettere med å optimalisere fôrstrategier

Å kombinere biologisk forskning og matematisk modellering har åpnet døren for en ny tilnærming til fiskeoppdrett.  

Vi møter professor i fysiologi, Ivar Rønnestad og forsker, Sergey Budaev på Høyteknologisenteret i Bergen. Begge jobber ved Institutt for Biovitenskap ved Universitetet i Bergen og står bak prosjektet FishMet. Som en del av dette prosjektet er det utviklet en simuleringsmodell med samme navn, som er resultatet av mange år med forskning i Rønnestads forskningsgruppe.

Mer enn et verktøy for bransjen

Forskningen har fokusert på hvordan fisk spiser, fordøyer og absorberer fôr og hvordan dette bidrar til vekst. Rønnestad har særlig vært opptatt av samspillet mellom mage-tarm og hjernen, samt rollen til sentrale signalstoffer som regulerer appetitt, fôrinntak og vekst.  

– I FishMet har vi jobbet med å oversette denne fysiologiske forståelsen til en matematisk modell som kan forutsi fiskens fôrbehov og vekst forteller han og understreker at modellering ikke bare er et verktøy for bransjen, men også en nyttig metode for å forbedre forskernes egen forståelse. 

Budaev, med sin bakgrunn i økologi og nevrovitenskap, deler en lignende lidenskap for modellering, men med fokus på hvordan dyr tar beslutninger.  

– Jeg bruker modeller for å forstå hvordan fisk oppfører seg, hva de spiser, og når de spiser, forklarer han og legger til at modellering hjelper til med å bryte ned komplekse biologiske prosesser og gjøre dem mer forståelige. 

FishMet, prosjektet de leder, har lansert en simuleringsmodell, en såkalt digital tvilling, som baserer seg på detaljert kunnskap om fiskens fysiologi. Modellen går utover enkle forståelser som "fisk spiser og vokser" og tar hensyn til hvordan faktorer som fôr, utfôringsstrategi, magefylling, tarmpassasje, appetittregulering, og eksterne miljøpåvirkninger virker sammen. Gjennom modellering kan forskerne forutsi hvordan fisk reagerer på ulike mengder fôr, og hvordan dette påvirker fôrinntak, vekst og fôrforbruk. 

Professoren forklarer at modelleringen ofte avdekker feil og mangler i forskernes antakelser:  

– Når vi tester modellen og noe ikke stemmer, er det en påminnelse om at vi må hente inn mer erfaringsdata eller gå tilbake til laboratoriet for å jobbe enda mer med vår egen forståelse. Dette er samtidig en svært nyttig prosess for å gradvis forstå mer av fiskens biologi 

– Å forstå helheten er nøkkelen 

FishMet har også et tydelig potensial for praktisk bruk i fiskeoppdrett. På sikt vil modellen kunne hjelpe oppdrettere med å optimalisere fôrstrategier, redusere fôrsvinn og samtidig forbedre fiskens vekst.  

– Bærekraft er definitivt en viktig faktor i arbeidet vi gjør. Hvis man kan redusere fôrforbruket og samtidig sørge for at fisken vokser like godt eller bedre, er det mange positive aspekter. Mindre fôrsvinn er én av dem, i tillegg til økonomiske fordeler og bærekraft i form av å spare ressurser til vekst, understreker Budaev. 

FishMet er fremdeles under utvikling, men har allerede blitt testet  som en del av et skybasert kontrollsystem for oppdrett. Fremover planlegger forskerne flere forsøk for å samle mer data og finjustere modellen. I tillegg diskuterer de muligheter for å utvide modellen til å inkludere andre aspekter i laksens livsløp, som smoltifisering som klargjør laksen til overgang fra ferskvann til saltvann, en krevende prosess som har svært stor betydning for oppdrettsnæringen. Andre moduler som er mulig er kjønnsmodning, noe man gjerne vil unngå i oppdrett siden det forringer kvaliteten til fisken 

– Fisk er ikke bare en samling komponenter, men en hel organisme. Å forstå helheten er nøkkelen, sier Budaev og får støtte av Rønnestad: 

– Vår visjon er at en oppdretter vil kunne bruke FishMet til å simulere hvordan ulike strategier påvirker vekst gjennom hele produksjonen. Hvis målet er å ha fisk av en viss størrelse til en bestemt tid, kan modellen gi konkrete anbefalinger for hvordan dette kan oppnås. 

En forskningsdrevet prosess 

Utviklingen av FishMet har vært en forskningsdrevet prosess, der data fra laboratoriet og oppdrettsanlegg kontinuerlig mates inn i modellen for å gjøre den mer nøyaktig. 

– Vi har gjennomført omfattende studier på hvordan fisk regulerer appetitten. For eksempel har vi analysert hvordan hormonelle signaler fra mage-tarm påvirker hjernen og fôrinntaket. Selv om vi ennå ikke har teknologi for å måle alt nøyaktig, gir modelleringen oss en metode for å teste hypoteser og avdekke nye mønstre, forteller Rønnestad. 

En del av forskningen har vært å forstå hvordan fiskens fôrinntak og vekst under ulike miljøforhold påvirkes av utfôringsstrategier. 

– Ved å modellere disse mønstrene kan vi forutsi hvordan fisk reagerer på ulike fôringsregimer, slår Budaev fast. 

Å utvikle en kompleks modell har ikke vært uten utfordringer. Særlig når det gjelder innsamling av data og forståelse av fiskens fysiologiske prosesser, har teamet støtt på hindre. 

– Vi mangler fortsatt metoder for å måle noen av de hormonelle signalene som regulerer appetitt, og det betyr at vi må gjøre tilnærmelser basert på korrelasjoner, men vi jobber kontinuerlig med å forbedre modellen. 

Budaev ser også for seg at FishMet kan brukes til forskning på andre arter og økologiske spørsmål i fremtiden. 

– Modellen gir oss en ramme for å forstå fysiologiske mekanismer, og denne kunnskapen kan brukes til å utvikle digitale tvillinger for andre arter. Vi kan til og med bruke modellen til å undersøke spørsmål som hvordan dyrs appetitt reguleres i ulike miljøer, avslutter han.