基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系

本试验旨在研究基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系。利用烘箱对豆渣进行不同温度(100、115、130℃)下不同时间(2、4、6 h)的热处理,采用NRC(2001)模型预测不同程度热处理豆渣的代谢蛋白质产量、可消化养分含量和能值,同时利用傅里叶变换红外光谱(FTIR)技术分析不同程度热处理豆渣的分子结构功能团特征,并分析它们之间的相关关系。结果表明:1)随着温度的升高以及加热时间的延长,豆渣的代谢蛋白质产量、可消化养分含量和能值呈现出降低的趋势。2)温度和时间对豆渣的分子结构功能团存在显著的互作效应(P<0.05)。3)酰胺Ⅰ带与结构性碳水化合物峰面积比值(AmideⅠ_STCHO)和酰胺Ⅰ带与总碳水化合物峰面积比值(AmideⅠ_CHO)可以共同作为预测因子估测瘤胃可降解蛋白质(R^2=0.35,P<0.05)、过瘤胃蛋白质(R^2=0.35,P<0.05)、小肠可吸收过瘤胃蛋白质(R^2=0.33,P<0.05)和瘤胃可降解蛋白质可合成菌体蛋白质(R^2=0.35,P<0.05)含量。综上所述,不同程度热处理豆渣的分子结构功能团与其代谢蛋白质产量、可消化养分含量和能值之间存在相关关系,初步证明可以利用分子结构功能团对热处理豆渣的营养价值进行快速分析和估测。     

猪饲料有效能值预测模型的构建

为探索饲料常规成分及碳水化合物组分与饲料有效能值之间的关系方程,本研究以NRC第11版《猪营养需要量》中发布的122套饲料营养成分表为基础,将饲料中11种基础成分[6项常规成分:干物质、粗蛋白质(CP)、粗纤维(CF)、粗脂肪(EE)、酸性醚提取物、粗灰分(ash);5项碳水化合物组分:淀粉(ST)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、半纤维素、酸性洗涤木质素]作为自变量,将饲料中的消化能(DE)、代谢能(ME)及净能(NE)作为因变量,采用SAS软件中的REG过程,分别建立不同性质饲料、自变量的不同组合与DE、ME及NE之间的回归关系方程,并以相关系数(R2)及变异系数(CV)作为评价回归模型的优劣。研究表明,有效能值与CP、ST及纤维类指标显著或极显著相关(P0.05或P0.01)。将所有饲料作为研究对象时,饲料的DE、ME及NE与上述11种基础成分之间建立的普适性回归模型预测效果较差。当将14种玉米及其加工产品形成子集时,建立饲料基础营养成分与DE、ME及NE的关系方程分别为7、6和7套(P0.05),且3组回归模型R2分别为0.632 8~0.772 3、0.646 9~0.684 9和0.670 5~0.822 1,CV分别为6.61%~8.40%、6.58%~7.34%和6.21%~8.27%;当将13种大豆及其加工产品形成子集时,共建立饲料基础成分与DE、ME关系方程分别有3和4套,回归模型R2分别为0.907 1~0.926 9、0.890 7~0.922 3,CV分别为5.40%~6.09%、5.79%~6.78%,NE与基础营养成分指标之间无法建立具有营养学意义的有效回归方程。对于同类饲料中具有相同自变量组合的DE及ME预测模型而言,两者之间的差异主要是自变量CP的系数上,且CP部分对ME的正效应低于DE,这保证模型预测的ME低于DE。同时选用本研究构建的适宜模型,补充了NRC第11版成分表中第97(去皮大豆粕,低寡糖,浸提)、101(全脂大豆,高蛋白质)及102号(全脂大豆,低寡糖)饲料的DE值分别为15.99、17.35、17.27 MJ/kg,ME值分别为14.53、16.15和16.14 MJ/kg。综上,以NRC(2012)饲料营养成分表为基础,建立的普适性有效能值回归模型预测效果较差。按照玉米类和大豆类进行分类,可建立DE、ME和NE与饲料化学成分之间的多元回归方程,其中最优的预测因子为CP、EE、ST、ash、NDF、ADF。具有相同自变量的同类饲料DE和ME预测模型之间的差异是CP系数,CP影响DE转化为ME的效率。     

基于智能手机平台的猪饲料配方系统设计与实现

设计依猪只个体日龄、体重等参数而异的饲料配方是实现猪精细饲养的关键，目前已有很多具备此功能的饲料配方软件，但它们大多数基于PC平台。结合智能手机便于携带、可移动性好等优点开发的基于智能手机平台的猪饲料配方软件，便于携带且操作简单，使用NRC1998模型精确预测了猪营养需要量，配方结果更准确科学，饲料原料营养成分数据用XML文件贮存，数据读取方便，有效地降低了系统开发成本。     

密码子指导下饲料氨基酸生物配比对雏鸡生产性能的影响

以NRC推荐的赖氨酸为基础 ,以各氨基酸对应的密码子使用频率的比率来确定饲料配方中赖氨酸、蛋氨酸、苏氨酸、缬氨酸和胱氨酸之间的生物配比。在基础日粮代谢能为 1 2 .2 7MJ/kg、粗蛋白 1 8.5 8%的条件下 ,研究氨基酸对雏鸡生产性能的影响。结果表明 ,试验Ⅱ组、试验Ⅰ组及对照组平均日增重分别为 (1 1 .3 4± 0 .5 4 ) g、(1 0 .5 2± 0 .77) g和 (9.6 3± 0 .6 8) g。2 1日龄肝组织中mRNA含量分别为 (471 1 .4± 1 3 1 .0 4 ) μg/g、(42 82 .4± 1 6 0 .0 3 ) μg/g和(40 4 2 .42± 1 2 0 .95 ) μg/g。     

生长肥育猪胴体品质和瘦肉生长指数的研究

为验证NRC( 1998)生长猪营养需要模型 ,进而建立我国生长猪营养需要模型 ,本试验在较高营养水平下研究测定了生长肥育猪生产性能、胴体品质和瘦肉生长指数。全期试验结果表明 ,在一定营养水平和环境条件下 ,公、母猪日增重、采食量、饲料转化率差异不显著 (P >0 .0 5) ,但公猪日增重有高于母猪日增重的趋势。胴体品质上 ,公、母猪热胴体重、瘦肉重、背脂、瘦肉脂肪含量差异不显著 (P >0 .0 5)。通过测定热胴体重、最后肋背脂得到瘦肉生长指数为 :去势公猪 2 78g/d ,母猪 2 82g/d ,公母平均 2 81g/d。通过测定热胴体重 ,第 10肋背脂、第 10肋眼肌面积得到的瘦肉生长指数为 :去势公猪 2 56g/d ;母猪 2 72g/d ;公母平均 2 64g/d。将瘦肉生长指数、温度、饲养密度等参数输入NRC( 1998)模型得到的营养需要量估测值有一定实际意义 ,但在实践中的应用情况有待进一步评估验证     

猪营养需要量动态预测系统的开发

本文以美国NRC(1998)发布的<猪营养需要量>中的主要养分预测模型及有关的参数为基础,利用数据库和软件编程技术,开发了猪对养分需要的动态预测系统.结果表明,开发的系统整合了<猪营养需要量>中的模型、参数与相关知识,系统在给定必要的动物及其环境的描述参数后.能给出猪对各种营养的全面预测结果.最后指出,只要适当调整相关输入参数,同样可以做到NRC<猪营养需要量>为我所用.     

CNCPS与NRC在反刍动物方面的分析比较及其研究进展

文中通过CNCPS与NRC在营养成分的划分、饲料营养价值的评定、自身功能、蛋白质体系与碳水化合物体系评定等方面的分析比较及CNCPS最新研究进展,表明CNCPS具有很强的利用价值,为今后NRC的应用及畜牧业的发展(反刍动物)指明了一条更为科学合理的方向。     

低蛋白鸡饲料添加氨基酸的研究

以NRC推荐的赖Aa为基础，以各氨基酸对应的密码子比率来研究低蛋白饲料中的氨基酸生物配比。结果表明，低蛋白日粮中添加氨基酸能显著改善雏鸡的生长性能。密码子的使用频率可以作为指导饲料氨基酸生物配比的参考依据。     

两种方法预测长×荣杂交仔猪赖氨酸需要量的比较研究

为了比较用NRC(1998)生长模型的胴体分离法和全胴体法预测长白×荣昌(简称长×荣)杂交仔猪赖氨酸需要量的差异,我们开展了本试验。结果表明:用NRC(1998)生长模型胴体分离法估测的10～20kg长×荣杂交仔猪的赖氨酸需要量与全胴体法预测的值无明显差异,证明NRC(1998)生长模型的胴体分离法对我国的长×荣杂交仔猪同样适用。