王超勝 賈 剛 張克英 丁雪梅 吳秀群 趙 華陳小玲 吳彩梅 劉光芒

(四川農(nóng)業(yè)大學(xué)動(dòng)物營(yíng)養(yǎng)研究所，農(nóng)業(yè)部動(dòng)物抗病營(yíng)養(yǎng)與飼料重點(diǎn)實(shí)驗(yàn)室，雅安 625014)

以代謝能(ME)和氨基酸可利用率(AAA)為基礎(chǔ)，配制家禽飼糧備受關(guān)注，但原料間由于產(chǎn)地、品種、加工方式等的不同會(huì)導(dǎo)致其生物效價(jià)具有較大的差異。因此準(zhǔn)確、快速評(píng)定飼料原料的ME和AAA是進(jìn)行精準(zhǔn)配制飼料的關(guān)鍵之一。近紅外光譜(near infrared spectroscopy，NIRS)分析技術(shù)能夠?yàn)轱暳瞎I(yè)提供一種簡(jiǎn)單、快速、準(zhǔn)確的評(píng)定飼料原料生物效價(jià)的方法［1］。Losada等［2］在預(yù)測(cè)家禽6種蛋白飼料的氮校正表觀代謝能(AMEn)，以 AMEn與總能(GE)之比指標(biāo)為依據(jù)，發(fā)現(xiàn)NIRS法優(yōu)于化學(xué)成分預(yù)測(cè)法和酶解法;Liu等［3］采用NIRS在肉雞上對(duì)豆粕的表觀代謝能(AME)和可消化氨基酸進(jìn)行實(shí)時(shí)分析，可使不同品質(zhì)的豆粕得到高效利用，達(dá)到最大的生產(chǎn)效益。而迄今為止未見(jiàn)有關(guān)產(chǎn)蛋雞對(duì)豆粕的ME、AAA以及采用NIRS進(jìn)行預(yù)測(cè)的報(bào)道，因此本研究將以羅曼產(chǎn)蛋雞為研究對(duì)象，在實(shí)測(cè)30個(gè)不同來(lái)源豆粕AME和AAA的基礎(chǔ)上，采用NIRS分析技術(shù)來(lái)探討建立其預(yù)測(cè)模型的可行性。

1 材料和方法

1.1 試驗(yàn)樣品

收集30種豆粕樣品，分布于我國(guó)豆粕的主產(chǎn)區(qū)，包括內(nèi)蒙古、黑龍江、吉林、遼寧、河北、山東、河南、安徽、江蘇、浙江、廣東和廣西等12省和自 治區(qū)。其常規(guī)養(yǎng)分含量見(jiàn)表1。

表1 豆粕的常規(guī)養(yǎng)分含量(干物質(zhì)基礎(chǔ))Table 1 Proximate nutrients contents of soybean meal(DM basis) %

1.2 羅曼蛋雞豆粕AME和AAA的評(píng)定

AME和AAA的評(píng)定采用“訓(xùn)飼+全收糞法”。選用 248 只體重(1.60±0.10)kg、36 周齡、產(chǎn)蛋率85%，經(jīng)過(guò)7 d采食訓(xùn)練的羅曼粉殼蛋雞，隨機(jī)分為31組，每組8個(gè)重復(fù)，每個(gè)重復(fù)1只雞，置于代謝籠中單籠飼養(yǎng)。31種飼糧(1個(gè)玉米淀粉基礎(chǔ)飼糧，30個(gè)豆粕試驗(yàn)飼糧)參考趙峰等［4］配制(表2);采食訓(xùn)練在參考 Hoai等［5］的基礎(chǔ)上，根據(jù)產(chǎn)蛋雞的消化生理特點(diǎn)，進(jìn)行部分修改:采食訓(xùn)練期7 d，每天飼喂蛋雞商品飼糧2次(每次1.5 h);試驗(yàn)期7 d，每天飼喂試驗(yàn)飼糧3次(每次1.5 h)，用于補(bǔ)償適口性的改變而引起采食速度的降低［6］，其中預(yù)試期3 d，正試期4 d。飼糧、糞樣的能量采用氧彈式熱量計(jì)(Parr1281，美國(guó))測(cè)定。飼糧、糞樣的氨基酸含量參考GB/T 18246—2000方法，采用氨基酸分析儀(日立L-8900)測(cè)定。

AME計(jì)算公式如下:

式中:AMEsoy為待測(cè)豆粕的AME;AMEdiet為試驗(yàn)飼糧的AME;AMEBD為淀粉基礎(chǔ)飼糧的AME;C1為試驗(yàn)飼糧中淀粉的含量;C2為試驗(yàn)飼糧中待測(cè)豆粕的含量。

AAA計(jì)算公式:

AAA(%)=100×［氨基酸攝入量(AAI，mg)-氨基酸排泄量(AAO，mg)］/AAI。

式中:AAO根據(jù)代謝試驗(yàn)中所收蛋雞的排泄物測(cè)定。

1.3 豆粕NIRS預(yù)測(cè)模型的建立

選用BRUKER公司生產(chǎn)的MPA型傅立葉變換近紅外光譜儀掃描豆粕樣品。豆粕粉碎過(guò)40目，在風(fēng)干條件下，掃描得到豆粕的光譜。譜區(qū)范圍4 000～12 000 cm-1，掃描次數(shù) 64次，分辨率8 cm-1。儀器掃描樣品前，室內(nèi)(25℃)預(yù)熱30 min，以儀器內(nèi)置參比做背景校正。

按照AME和AAA分布從30個(gè)樣品中選擇5個(gè)作為外部驗(yàn)證集，其余25個(gè)樣品作為校正集。用OPUS/QUENT 5.5光譜定量分析軟件，以最小交叉驗(yàn)證標(biāo)準(zhǔn)差(RMSECV)為指標(biāo)，篩選豆粕樣品建模的最佳預(yù)處理方法，以校正集建立預(yù)測(cè)模型，并對(duì)模型進(jìn)行外部檢驗(yàn)，考察模型的外部驗(yàn)證系數(shù)(Rval2)和外部驗(yàn)證標(biāo)準(zhǔn)差(RMSEP)。

表2 飼糧組成及營(yíng)養(yǎng)水平(飼喂基礎(chǔ))Table 2 Composition and nutrient levels of diets(as-fed basis) %

1.4 數(shù)據(jù)統(tǒng)計(jì)

試驗(yàn)數(shù)據(jù)采用SPSS 17.0描述性統(tǒng)計(jì)分析(descriptive statistic)模塊對(duì)各指標(biāo)進(jìn)行描述性統(tǒng)計(jì)，利用其one-way ANONA對(duì)AME和AAA數(shù)據(jù)進(jìn)行方差分析，其平均值再用LSD法進(jìn)行多重比較，以P＜0.05為差異顯著水平，試驗(yàn)結(jié)果用平均值±標(biāo)準(zhǔn)差表示。

2 結(jié)果與分析

2.1 豆粕的光譜、常規(guī)養(yǎng)分、AME和AAA

30種豆粕的NIRS如圖1所示，其吸光譜圖基本相同，均在 8 500～8 000 cm-1、7 000～6 500 cm-1、6 000～5 500 cm-1、5 000～4 500 cm-1等位置具有明顯的吸收峰，但峰高不同，表明樣品的特征性官能團(tuán)基本相同而含量存在差異，這提示我們?cè)系臉?gòu)成基本相同相同而含量存在差異。

羅曼蛋雞對(duì)30個(gè)不同來(lái)源豆粕AME的范圍在 11.95～ 14.87 MJ/kg 之間，平均值為(13.24±0.67)MJ/kg，不同來(lái)源豆粕間差異極顯著(P＜0.01);豆粕總氨基酸可利用率(TAAA)的范圍為89.99% ～94.96%，平均值為(93.73±1.23)%，不同來(lái)源的豆粕TAAA差異不顯著(P=0.463 0);總非必需氨基酸可利用率(TNEAAA)的范圍90.08% ～95.75%，平均值為(93.08±1.26)%，總體差異不顯著(P=0.986 1);總必需氨基酸可利用率(TEAAA)的 范 圍 91.18% ～ 96.34%，平 均 值(94.10±1.23)%，不同來(lái)源間差異極顯著(P=0.006 6);必需氨基酸中的賴氨酸、精氨酸、纈氨酸的可利用率均值分別為 94.81%、98.31%、92.26%。結(jié)果表明產(chǎn)蛋雞對(duì)不同來(lái)源豆粕的AME和AAA存在差異，詳見(jiàn)表3。

2.2 豆粕AME和AAA的NIRS預(yù)測(cè)模型

豆粕AME和AAA的NIRS預(yù)測(cè)模型的建模條件見(jiàn)表4。不同指標(biāo)選擇優(yōu)化的譜區(qū)范圍有所不同，但大部分在 6 101.9～5 446.2 cm-1范圍內(nèi)。所建立豆粕AME和AAA的NIRS預(yù)測(cè)模型的參數(shù)見(jiàn)表5。AME的NIRS預(yù)測(cè)模型的預(yù)測(cè)值和實(shí)測(cè)值相關(guān)性如圖2所示;總氨基酸和天冬氨酸的NIRS預(yù)測(cè)模型的預(yù)測(cè)值和實(shí)測(cè)值相關(guān)性如圖3、圖4所示。

AME的NIRS模型的校正決定系數(shù)(Rcal2)、交叉 驗(yàn) 證 系數(shù)(Rcv2)、Rval2分 別 為 99.24%、83.79%、80.73%;RMSEE、RMSECV、RMSEP分別為 0.05、0.18、0.22 MJ/kg;外部檢驗(yàn)相對(duì)標(biāo)準(zhǔn)差(RSD)為 1.71%。

除絲氨酸(78.58%)外，其他氨基酸的Rcv2均在80%以上;各氨基酸的RMSECV均小于0.60%。氨基酸模型的Rcal2都在95%以上;除異亮氨酸(0.31%)外，其他氨基酸的 RMSEE 均小于0.30%。對(duì)于氨基酸模型的 Rval2，異亮氨酸(99.42%)最高，精氨酸(61.80%)最低。除酪氨酸(0.90%)外，其余氨基酸的RSD均小于0.70%。上述結(jié)果表明大部分指標(biāo)的預(yù)測(cè)值與實(shí)測(cè)值比較接近，模型可用來(lái)對(duì)未知樣品進(jìn)行實(shí)際預(yù)測(cè)。

圖1 30種不同來(lái)源豆粕樣品的NIRSFig.1 The near infrared reflectance spectrum of 30 soybean meal samples

表3 30種豆粕AME和AAA(干物質(zhì)基礎(chǔ))Table 3 AME and AAA of 30 soybean meal samples(DM basis) %

圖2 豆粕AME實(shí)測(cè)值與近紅外內(nèi)部交叉檢驗(yàn)預(yù)測(cè)值(a)以及校正模型預(yù)測(cè)值(b)Fig 2 True and predicted AME value of the internal validation(a)and calibration(b)data set in soybean meals

圖3 豆粕總AAA實(shí)測(cè)值與近紅外內(nèi)部交叉檢驗(yàn)預(yù)測(cè)值(a)以及校正模型預(yù)測(cè)值(b)Fig.3 True and predicted TAAA of the internal validation(a)and calibration(b)data set in soybean meals

圖4 豆粕Asp可利用率實(shí)測(cè)值與近紅外內(nèi)部交叉檢驗(yàn)預(yù)測(cè)值(a)以及校正模型預(yù)測(cè)值(b)Fig.4 True and predicted Asp of the internal validation(a)and calibration(b)data set in soybean meals

表4 豆粕AME和AAA建模條件Table 4 The modeling conditions for AME and AAA of soybean meal samples

表5 豆粕AME和AAA的NIRS預(yù)測(cè)模型參數(shù)Table 5 Statistics of NIRS prediction models of AME and AAA of soybean meals

3 討論

3.1 豆粕 AME 和 AAA

豆粕的品種、產(chǎn)地以及加工條件均會(huì)影響其生物效價(jià)。趙峰等［4］測(cè)定12種不同來(lái)源豆粕在肉鴨上 ME 為 11.44～13.35 MJ/kg。Baker等［7］以肉雞為試驗(yàn)對(duì)象，評(píng)定普通豆粕、低聚糖豆粕和高蛋白豆粕的氮校正真代謝能(TMEn)分別為12.40、12.49、12.99 MJ/kg。本 研 究 30 種 豆 粕AME 值為 11.95～14.87 MJ/kg，表明不同來(lái)源豆粕的蛋雞ME存在較大的差異。本研究30種豆粕AME的平均值為13.24 MJ/kg，高于《中國(guó)飼料成分及營(yíng)養(yǎng)價(jià)值表2012年(第23版)》［8］推薦值，但和仲 菊等［9］報(bào) 道母雞 對(duì)豆 粕的 AME值(13.72 MJ/kg)相似。由上述可知，產(chǎn)蛋雞和公雞對(duì)飼料的利用率有差異，因此實(shí)時(shí)預(yù)測(cè)蛋雞對(duì)豆粕的有效能值對(duì)于飼料的高效利用具有重要意義。

30種豆粕TAAA 的范圍為89.99%～94.96%，TAAA的最大值比最小值高 5.52%，平均值為92.63%，高 于 王 冉 等［10］的 報(bào) 道，而 與 Huang等［11］、趙峰等［4］的報(bào)道相似，這與豆粕來(lái)源/加工方式有關(guān)［12］。不同原料間同一氨基酸和同一原料間不同氨基酸的AAA都存在差異。不同原料間同一非必需氨基酸和同一原料間不同非必需氨基酸的AAA差異大，而其必需氨基酸的AAA差異小，具體原因還有待探究，可能是氨基酸之間消化吸收的具體機(jī)制不同［13］。限制性氨基酸中Lys可利用率高于Caria等［14］以及《中國(guó)飼料成分及營(yíng)養(yǎng)價(jià)值表 2012年(第 23版)》［8］推薦值，但和趙峰等［4］的研究結(jié)果相似。因此在配制飼料時(shí)，采用豆粕AME和AAA的實(shí)時(shí)評(píng)定值進(jìn)行飼料配制對(duì)于精準(zhǔn)飼養(yǎng)具有關(guān)鍵性的意義。

3.2 豆粕AME和AAA的NIRS預(yù)測(cè)模型

NIRS分析技術(shù)是基于物質(zhì)的近紅外吸收特性來(lái)判定其大致成分及含量的技術(shù)。NIR是紅外分子從基態(tài)向激發(fā)態(tài)躍遷或分子轉(zhuǎn)動(dòng)能級(jí)的變化所產(chǎn)生的，此光譜區(qū)與含氫基團(tuán)(O-H、N-H、CH)振動(dòng)的倍頻和合頻吸收緊密相關(guān)。物質(zhì)的化學(xué)成分相同，其NIRS就會(huì)相同。我們知道由于物質(zhì)在組成和結(jié)構(gòu)上的特異性，從而使一種物質(zhì)僅對(duì)某些特定頻率的近紅外光有強(qiáng)烈吸收，并在光譜圖上表現(xiàn)有較高的吸收峰，形成特征光譜圖。這表明樣品的大致成分相同，而含量不同。本研究中30種豆粕的NIRS圖相似、即吸收峰所在的波數(shù)相同，說(shuō)明基本構(gòu)成官能團(tuán)相同;但它們峰高具有一定的差異，說(shuō)明官能團(tuán)的含量不同，這為我們建立預(yù)測(cè)模型進(jìn)行定量預(yù)測(cè)提供了理論依據(jù)。為提高定標(biāo)模型的可靠性，在對(duì)光譜進(jìn)行偏最小二乘(PLS)法回歸分析前，需要對(duì)光譜進(jìn)行預(yù)處理。光譜預(yù)處理可凈化譜圖信息，消除光譜噪聲及其他干擾因素，如光譜矢量歸一化預(yù)處理對(duì)消除粒度、加樣差異和不同次數(shù)掃描產(chǎn)生的差異非常有效。本研究建立不同指標(biāo)的NIRS預(yù)測(cè)模型時(shí)，其共同最佳光譜區(qū)間在 6 101.9～5 446.2 cm-1和7 502.1～4 246.7 cm-1等范圍。本研究氨基酸的NIRS預(yù)測(cè)模型的共同最佳優(yōu)化譜范圍為7 502.1～ 4 246.7 cm-1，將 4 677 cm-1處純蛋白質(zhì)吸收峰包含在內(nèi)，這為我們準(zhǔn)確預(yù)測(cè)蛋白質(zhì)及氨基酸的有效性提供了保障。另外本試驗(yàn)在建立大部分指標(biāo)定標(biāo)模型時(shí)都需要對(duì)光譜進(jìn)行預(yù)處理，并選擇最佳光譜區(qū)間以及主成分維數(shù)，然后再進(jìn)行PLS回歸并建立預(yù)測(cè)模型。這樣確定的NIRS校正模型，其決定系數(shù)較大、標(biāo)準(zhǔn)差較小，準(zhǔn)確性高。

近年來(lái)國(guó)內(nèi)外已有采用NIRS技術(shù)預(yù)測(cè)植物中成分含量，飼料的代謝能和可利用氨基酸含量的研究。本研究定標(biāo)NIRS模型中，除總氨基酸、絲氨酸外，其他氨基酸的R2都在80%以上，R2cvcal均在90%以上，說(shuō)明本試驗(yàn)建立的定標(biāo)模型可靠。采用NIRS分析技術(shù)能夠成功測(cè)定玉米秸稈的中性洗滌纖維(NDF)和酸性洗滌纖維(ADF)的含量［15］，甜葉菊中微量物質(zhì)甜菊醇糖苷的含量［16］，甚至成功地構(gòu)建了預(yù)測(cè)紫花苜蓿干草多項(xiàng)指標(biāo)指標(biāo)的傅里葉 NIRS預(yù)測(cè)模型［17］。這表明NIRS分析技術(shù)能夠用于預(yù)測(cè)植物單一或多種成分的含量。Liu等［3］采用NIRS對(duì)肉雞豆粕的AME和可消化氨基酸(DAA)進(jìn)行實(shí)時(shí)分析，可使不同品質(zhì)的豆粕達(dá)到最大生產(chǎn)效益。這進(jìn)一步表明NIRS分析技術(shù)能夠用于預(yù)測(cè)飼料的生物效價(jià)。本研究定標(biāo)NIRS模型中總氨基酸、TNEAA、TEAA的定標(biāo)效果稍微差些，可能是測(cè)定每種氨基酸都存在誤差，各氨基酸的數(shù)據(jù)相加之后，得到結(jié)果的誤差放大;另外也可能每個(gè)氨基酸的特征吸收峰存在較大差異，NIRS分析技術(shù)未能很好地獲得其共同的吸收峰，因此不能建立有效的相關(guān)性。另外精氨酸和蘇氨酸的檢驗(yàn)效果不如其他氨基酸好，其精度需進(jìn)一步提高，其可能原因是樣品量比較少或者模型定標(biāo)時(shí)所選樣品代表性不強(qiáng)等所致。本研究中多數(shù)氨基酸的Rcv2都在80%以上，Rcal2均在90%以上，定標(biāo)模型精度高。這表明NIRS分析技術(shù)運(yùn)用于蛋雞豆粕的AME和AAA的預(yù)測(cè)是可行的。

4 結(jié)論

① 不同來(lái)源豆粕的羅曼蛋雞AME、AAA存在較大的差異。

②利用NIRS分析技術(shù)可建立羅曼蛋雞豆粕的AME、AAA預(yù)測(cè)模型，模型的 Rcal2及預(yù)測(cè)的RMSEP較好。

［1］ 王康寧，李霞.飼料養(yǎng)分生物效價(jià)快速評(píng)定［C］//動(dòng)物營(yíng)養(yǎng)研究進(jìn)展——中國(guó)畜牧獸醫(yī)學(xué)會(huì)動(dòng)物營(yíng)養(yǎng)學(xué)分會(huì)第八屆全國(guó)代表大學(xué)暨第十屆學(xué)術(shù)研討會(huì)論文集.杭州:中國(guó)畜牧獸醫(yī)學(xué)會(huì)動(dòng)物營(yíng)養(yǎng)學(xué)分會(huì)，2008.

［2］ LOSADA B，GARCíA-REBOLLAR P，áLVAREZ C，et al.The prediction of apparent metabolisable energy content of oil seeds and oil seed by-products for poultry from its chemical components，in vitro analysis or near-infrared reflectance spectroscopy［J］.Animal Feed Science and Technology，2010，160(1/2):62-72.

［3］ LIU Y G，SWICK R A，CRESWELL D.Assessing AME and digestible amino acids of different soybean meals by NIRS and broiler performance［C］//World’s Poultry Science Association，23rd Annual Australian Poultry Science Symposium.Sydney，2012:55-58.

［4］ 趙峰，趙江濤，張宏福.12個(gè)豆粕樣品鴨代謝能值及氨基酸消化率的比較研究［J］.動(dòng)物營(yíng)養(yǎng)學(xué)報(bào)，2009，21(2):165-172.

［5］ HOAI H T，KINH L V，VIET T Q，et al.Determination of the metabolizable energy content of common feedstuffs in meat-type growing ducks［J］.Animal Feed Science and Technology，2011，170(1/2):126-129.

［6］ PARSONS C M，POTTER L M，BLISS B A.A modified voluntary feed intake bioassay for determination of metabolizable energy with Leghorn roosters［J］.Poultry Science，1984，63(8):1610-1616.

［7］ BAKER K M，UTTERBACK PL，PARSONSC M，et al.Nutritional value of soybean meal produced from conventional，high-protein，or low-oligosaccharide varieties of soybeans and fed to broiler chicks［J］.Poultry Science，2011，90(2):390-395.

［8］ 中國(guó)飼料數(shù)據(jù)庫(kù).中國(guó)飼料成分及營(yíng)養(yǎng)價(jià)值表［J］.中國(guó)飼料，2012(22):40-45.

［9］ 仲菊，楊全明，王本平，等.環(huán)境溫度、飼料、性別對(duì)肉雞氨基酸表觀消化率和氮、能代謝的影響［J］.動(dòng)物營(yíng)養(yǎng)學(xué)報(bào)，2004，16(2):22-28.

［10］ 王冉，周巖民，李如治.五種蛋白質(zhì)飼料的家禽氨基酸利用率測(cè)定研究［J］.中國(guó)飼料，2002(24):17-19.

［11］ HUANG K H，LI X，RAVINDRAN V，et al.Comparison of apparent ileal amino acid digestibility of feed ingredients measured with broilers，layers，and roosters［J］.Poultry Science，2006，85(4):625-634.

［12］ BAKER K M，STEIN H H.Amino acid digestibility and concentration of digestible and metabolizable energy in soybean meal produced from conventional，highprotein，or low-oligosaccharide varieties of soybeans and fed to growing pigs［J］.Journal of Animal Science，2009，87(7):2282-2290.

［13］ 咼于明.家禽營(yíng)養(yǎng)［M］.2版.北京:中國(guó)農(nóng)業(yè)大學(xué)出版社，2004:260-264.

［14］ GARCIA A R，BATAL A B，DALE N M.A Comparison of methods to determine amino acid digestibility of feed ingredients for chickens［J］.Poultry Science，2007，86(1):94-101.

［15］ 白琪林，陳紹江，董曉玲，等.近紅外漫反射光譜法測(cè)定玉米秸稈NDF與ADF含量［J］.光譜學(xué)與光譜分析，2004，24(11):1345-1347.

［16］ TANG Q K，MIN D，HU T H，et al.Determination of the content of steviol glycoside in stevia rebaudiana by near infrared spectroscopy(NIRS)［J］.Medicinal Plant，2014，5(4):33-35.

［17］ 聶志東，韓建國(guó)，玉柱，等.FT-NIR光譜法測(cè)定紫花苜蓿青干草的6項(xiàng)品質(zhì)指標(biāo)［J］.光譜學(xué)與光譜分析，2007，27(7):1308-1311.