生长猪菜籽饼粕消化能与能量消化率预测模型的研究

李 明 陈代文 毛湘冰 陈 洪 毛 倩 余 冰

(四川农业大学动物营养研究所，动物抗病营养教育部重点实验室，雅安 625014)

生长猪菜籽饼粕消化能与能量消化率预测模型的研究

李 明 陈代文 毛湘冰 陈 洪 毛 倩 余 冰*

(四川农业大学动物营养研究所，动物抗病营养教育部重点实验室，雅安 625014)

本试验旨在通过研究菜籽饼粕各化学成分及其对生长猪消化能(DE)及能量消化率(DCE)的影响，分析用菜籽饼粕化学成分预测其DE及DCE的可行性，建立菜籽饼粕饲料DE与DCE预测模型。试验选用平均体重(46.37±1.53)kg、健康状况良好的“杜×长×大”三元杂交去势公猪12头，采用3个4×4拉丁方设计，并运用全收粪法与套算法相结合测定9种菜籽饼粕饲料DE与 DCE，通过分析饲料原料中粗蛋白质(CP)、粗纤维(CF)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)、粗脂肪(EE)、酸性洗涤木质素(ADL)、蛋白质溶解度(PS)、粗灰分(Ash)、总能(GE)与DE及DCE之间的相关关系，筛选出最佳预测因子并建立预测方程。结果表明，NDF为DCE最佳预测因子，ADF和NDF为DE的最佳预测因子。推荐DE预测模型为:DE=16.20 －0.10NDF(R2=0.63，RSD=0.49，P＜0.05)，DE=16.32 －0.15ADF(R2=0.63，RSD=0.49，P＜0.05)。推荐 DCE 预测模型为:DCE=97.27 －0.87NDF(R2=0.93，RSD=1.55，P＜0.01)，DCE=86.6 －0.67NDF+0.09PS(R2=0.94，RSD=1.56，P＜0.01)。由此可见，利用化学法建立的菜籽饼粕DCE预测方程相关指数较高，方程拟合度高，而DE预测方程相关指数较低，方程拟合度较低。

菜籽饼粕;消化能;能量消化率;预测方程;生长猪

消化能(DE)是饲料配方设计的关键指标之一，它直接关系到饲养标准的制定、饲料原料营养价值表的编制、饲料生产成本的控制及饲料资源的合理利用［1］。全收粪法是饲料DE评定较为科学合理的手段，但是该方法费时耗力，在较短时间内很难对饲料样品做出评价。因此，寻求快速简便的DE评定方法势在必行。随着动物营养学的发展，利用饲料化学成分预测饲料DE的方法和技术也日趋成熟，但是许多预测模型都是建立在所有饲料基础上，而不同种类的饲料其化学组成上各具特点，若将不同种类的饲料放在一起建立预测模型具有一定的局限性。大量研究表明［2－3］，进行分类建模有利于预测模型的精确性。菜籽饼粕因其品种和加工工艺的不同，在营养价值上存在着很大的差异，如果在生产上使用某一固定的DE进行饲料配方，往往会造成理论上的计算结果与原料的实测值存在一定的差异，进而引起饲料资源的浪费或动物的营养需要量无法得到满足，不利于畜牧业的可持续发展。本试验拟通过测定来源于我国不同地区的9种菜籽饼粕饲料原料的化学成分、能量消化率(DCE)及DE，并根据菜籽饼粕的化学成分与DE和DCE的相关关系，筛选最佳预测因子，从而建立预测菜籽饼粕饲料的DCE和DE的数学模型。

1 材料与方法

1.1 试验材料

本研究中9个菜籽饼粕样品(Ⅰ～Ⅸ)分别从四川、湖南、湖北等地采集，于同一地点进行粉碎。样品Ⅰ～Ⅳ为高温压榨型菜籽饼粕，Ⅴ～Ⅸ为预榨－浸提型菜籽饼粕。

消化试验的基础饲粮参照 NRC(1998)［4］50～80 kg生长猪的营养需要量配制，基础饲粮组成及营养水平见表1。试验饲粮采用不同菜籽饼粕替代基础饲粮的15%组成。

表1 基础饲粮组成及营养水平(风干基础)Table 1 Composition and nutrient levels of the basal diet(air-dry basis) %

1.2 试验动物及饲养管理

试验选取12头体重基本一致(46.37±1.53)kg、遗传背景接近、健康状况良好的“杜 ×长×大”三元杂交去势公猪进行消化试验，试验猪分别置于代谢笼中，单笼饲养，试验全期自由饮水，室内温度控制在20～22℃，保持圈舍清洁、通风，按照常规程序对试验猪进行免疫和驱虫，试验在四川农业大学动物营养研究所教学科研农场进行。

1.3 试验设计及饲养管理

本试验采用3个4×4拉丁方设计［5］，每个拉丁方包含1个基础饲粮和3个试验饲粮，试验设计见表2。试验共分4期，每期分为3个阶段，其中预试期为4 d，正试期为4 d，过渡期为5 d。过渡期饲喂基础饲粮，预试期饲喂试验饲粮，这2个阶段均自由采食。预试期计算每头猪平均日采食量，正试期按照预试期平均日采食量的90%给料，每天饲喂2次，分别于08:00和16:00饲喂，每次饲喂量相同。

1.4 样品的制备与分析

1.4.1 样品的制备

饲料样品:将待测饲料、基础饲粮、试验饲粮粉碎，过40目筛，用样品瓶密封保存待测。

粪样:正试期收集试验猪排出全部粪便，准确称重，按每100 g粪样加入10 m L 10%的硫酸，另加数滴甲苯防腐，混匀后迅速将样品置于－20℃冰箱保存。每期试验结束，将每头猪4 d的粪样混匀，按10%的比例取样，样品置于－20℃冰箱保存。测定时将试验期收集的粪样置于65℃烘箱中烘12 h，室温下回潮24 h后称重，计算其初水含量。将样品粉碎，过40目筛，用样品瓶密封保存待测。

1.4.2 样品的测定

按照张丽英［6］的方法测定饲料、饲粮样品中的总能(GE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)、粗纤维(CF)、蛋白质溶解度(PS)、粗灰分(Ash)、粗脂肪(EE)、酸性洗涤木质素(ADL)及粪样中的GE。

1.5 饲粮及饲料原料DCE及表观消化能(ADE)的计算

基础饲粮、试验饲粮DCE按如下公式计算:

式中:DD为试验饲粮GE的表观消化率(%);

DB为基础饲粮GE的表观消化率(%);

SB为基础饲粮GE对试验饲粮GE的贡献率(小数表示百分含量);

SA为饲料原料GE对试验饲粮GE的贡献率(小数表示百分含量)。

表2 试验设计Table 2 Experimental design

1.6 数据分析

采用SAS 9.1对数据进行分析处理。以DE和 DCE 对菜籽饼粕的 CP、EE、CF、NDF、ADF、Ash、PS、GE等进行相关分析、回归分析，最后筛选出最佳的预测模型。

2 结果与分析

2.1 菜籽饼粕饲料样品实测值

由表3可以看出，由于品种和加工工艺的不同，菜籽饼粕饲料间各化学成分、GE、DE及DCE存在较大的差异。

表3 菜籽饼粕饲料化学成分实测值(干物质基础)Table 3 The determ ined chem ical composition of the rapeseed meal feed(DM basis)

2.2 菜籽饼粕饲料各化学成分与DE的简单相关关系

由表4可以看出，饲料原料的 CP、EE、Ash、GE与 DE之间无显著相关关系(P＞0.05)，而CF、ADF、NDF、ADL、PS 与 DE 之间存在显著相关关系(P＜0.05)。

2.3 菜籽饼粕饲料各化学成分与DCE的简单相关关系

由表5可以看出，饲料原料 CP、EE、Ash与DCE之间无显著相关关系(P＞0.05)，而GE与DCE 呈显著相关关系(P＜0.05)，CF、ADF、NDF、ADL、PS与 DCE间呈极显著相关关系(P＜0.01)。

2.4 DE预测模型

根据简单相关分析的结果，以CF、NDF、ADF、ADL、PS为预测因子建立的DE预测方程见表6。由表6可以看出，DE的一元预测方程为DE=16.20 －0.10NDF(R2=0.63，RSD=0.49，P＜0.05)、DE=16.32 － 0.15ADF(R2=0.63，RSD=0.49，P＜0.05)，随着其他变量的引入，方程相关指数变化不大，反而增加了方程的RSD。

表4 消化能与饲料化学成分、各化学成分间相关系数分析结果Table 4 The correlation coefficients between chem ical composition and digestible energy

表5 能量消化率与饲料化学成分、各化学成分间相关系数分析结果Table 5 The correlation coefficients between chem ical composition and digestibility coefficient of energy

表6 菜粕化学成分对消化能的预测方程Table 6 The prediction equations for DE based on chem ical composition

2.5 DCE 预测模型

根据简单相关分析的结果，以 ADF、NDF、ADL、CF、PS、GE为预测因子建立的能量消化率预测模型见表7。DCE的最佳一元预测方程为DCE=97.27 － 0.87NDF(R2=0.93，RSD=1.55，P＜ 0.01)，最佳二元预测方程为DCE=86.61 －0.67NDF+0.09PS(R2=0.94，RSD=1.56，P＜0.01)，随着其他变量的引入，方程相关指数变化不大，反而增加了方程的RSD。

表7 菜粕化学成分对能量消化率的预测方程Table 7 The prediction equations for DCE based on chem ical com position

2.6 饲料消化能实测值及预测值比较

模型1和模型2的DE预测值根据何英［2］推荐的DE预测模型计算而得，其预测模型分别为DE=21.782 － 0.336NDF(R2=0.83，RSD=1.31，P＜ 0.05)和DE=11.206+0.252CP－0.525ADF(R2=0.97，RSD=0.55，P＜ 0.01)。模型3和模型4的DE预测值根据李明元等［13］推荐的DE预测模型计算而得，其预测模型分别为DE=4 287.217 － 57.105ADF(R2=0.90，RSD=163，P＜0.01)和DE=7 544.584 －51.690ADF(R2=0.98，RSD=88.1，P＜0.01)。而模型5和模型6的DE预测值则根据本试验得出的DE预测模型计算而得，其预测模型分别为DE=16.20 －0.10NDF(R2=0.60，RSD=0.49，P＜0.05)和DE=16.32 － 0.15ADF(R2=0.63，RSD=0.40，P＜0.05)。

由表 8 数据可见，何英［2］、李明元等［13］推荐的DE预测模型所得的预测值与本研究所得到的DE实测值误差较大，而本研究所建立的DE预测模型所计算得出预测值与DE实测值误差较小。

表8 菜籽饼粕消化能实测值及预测值Table 8 The determ ined and predictive values of digestible energy of rapeseed meal MJ/kg

3 讨论

3.1 纤维对DCE预测模型的影响

在饲料化学成分中，纤维成分几乎不能被单胃动物所消化，纤维对养分消化率的影响较明显。有研究表明［8］，纤维与饲料养分消化率之间呈显著负相关关系。菜籽饼粕由于其产地和加工工艺的差异，纤维成分含量存在较大差别。彭健［9］研究发现，预压浸提型菜籽粕与高温压榨型菜籽饼中性洗涤纤维含量差异达到显著水平。陈刚等［10］研究发现，过热处理可显著增加菜籽饼粕中NDF的含量，进一步研究发现，过热处理可以增加NDF中CP的含量。该研究表明，NDF含量增加的主要原因是在焙炒和脱溶剂的过程中发生了美拉德反应，从而产生不可溶性蛋白质，不可溶性蛋白质在用中性洗涤剂洗涤时不能被溶解。在本试验中，样品Ⅰ～Ⅳ均为高温压榨型菜籽饼，而其余样品为预榨－浸提型菜籽粕，各样品中NDF的含量变异较大，在进行相关性分析时，NDF与DCE呈现出显著的负相关，并且其相关系数最高，因此，NDF对DCE预测模型影响最大，应作为第一预测因子引入预测方程。

3.2 PS对DCE预测模型的影响

PS被认为是评价大豆粕、菜籽饼粕等油料饼粕加工程度的一项指标。Anderson-Hafermann等［11］研究表明，当菜籽饼粕的PS小于35%时，其蛋白质品质遭到了热破坏。初雷等［12］研究发现，菜籽饼粕的PS对温度特别敏感，高温可以显著降低菜籽饼粕的PS。本试验9个菜籽饼粕样品中，Ⅰ～Ⅳ均为高温压榨型菜籽饼，其PS均低于35%，其余5个样品的PS均在35%以上。PS的降低将影响菜籽饼粕的品质，最终影响其DCE。因此，引入PS作为预测因子可以改善DCE预测模型的相关指数。

3.3 GE对DE预测模型的影响

李明元等［13］研究表明，在DE的预测中，GE与DE的相关性较高，可以作为第二预测因子引入方程中。但在本研究中，GE与DE的相关系数很低，未达显著水平。这可能与本研究中菜籽饼粕GE含量变异较大有关。菜籽饼粕的EE含量受到品种和加工工艺的影响，加工工艺对其含量影响更大［14］。本试验9个菜籽饼粕样品中有高温压榨型、预榨－浸提型，高温压榨型菜籽饼EE含量和GE都很高，但是由于其品质受到加工工艺的影响，其NDF含量较高，DCE较低。在本试验中可以看出，DCE的预测模型相关指数很高，但DE预测模型的相关指数较低，这可能就是由于加工工艺不同引起脂肪含量差异较大进而导致GE变异较大，因此，建议在建立菜籽饼粕DE预测模型时，应当根据加工工艺分类建模，以提高预测模型的可靠性。

3.4 DE预测模型应用比较

何英［2］、李明元等［13］推荐的 DE 预测模型所得的预测值与本研究所得到的DE实测值误差较大，而本研究所建立的DE预测模型所得的预测值与DE实测值误差较小。李明元等［13］建立的DE预测方程主要针对的是植物性蛋白质饲料，何英［2］建立的DE预测模型主要针对的是饼粕类饲料，因此其针对性不强，准确性不一致。而本研究所建立的DE预测方程主要针对菜籽饼粕饲料，其准确性较高，因此在今后的DE预测模型的研究中，建议对饲料原料进行分类建模，以提高预测模型的准确性。

4 结论

①本研究建立的DCE一元预测模型以NDF为预测因子，该方程相关指数较高，模型拟合度较好，预测效果较好;当引入PS建立二元预测方程后，预测方程相关指数有所改善。

②本研究建立的DE预测模型，相关指数相对较低，模型拟合度相对较差，这可能与菜籽饼粕加工工艺有关。

［1］张子仪，聂光达.猪饲料消化能值的离体测定方法及其生物学试验根据［J］.中国畜牧杂志，1986，24(1):5－9.

［2］何英.糠麸、糟渣、饼粕类饲料猪有效能预测模型的研究［D］.硕士学位论文.雅安:四川农业大学，2004.

［3］左绍群，张慎容，杨凤，等.猪饲料消化能间接评定方法的探讨［J］.四川农业学院学报，1983，1:25 －32.

［4］NRC.Nutient requirements of sw ine［S］.10th ed.Washington， D. C.:National Academ y press，1998:111－116.

［5］CHABEAUTIE，NOBLET J，CARRE B.Digestion of plant cellwalls from four different sources in growing pigs［J］.Animal Feed Science and Technology，1991，32:207－213.

［6］张丽英.饲料分析及质量检测技术［M］.2版.北京:中国农业大学出版社，2002.

［7］FAN M Z，SAUERW C.Determ ination of apparent ileal am ino acid digestibility in barley and canolameal for pigs with the direct，difference and regression methods［J］.Journal of Animal Science，1995，73(8):2364－2374.

［8］AUFRERE J，M ICHALET-DOREAU B.Comparison of methods for predicting digestibility of feeds［J］.Animal Feed Science and Technology，1988，20:203－218

［9］彭健.中国双低油菜饼粕品质评价和品质改进研究［D］.博士学位论文.武汉:华中农业大学，2000.

［10］陈刚，彭健，刘振利，等.中国菜籽饼粕品质特征及其影响因素研究［J］.中国粮油学报，2006，21(6):95－99.

［11］ANDERSON-HAFERMANN JC，ZHANG Y，PARSONSC M.Effects of processing on the nutritional quality of canola meal［J］.Poultry Science，1993，72(2):326－333.

［12］初雷，李爱科，高玉鹏，等.菜籽粕品质指标变化规律及相互关系研究［J］.中国油脂，2009，34(11):20－23.

［13］李明元，王康宁.用纤维等饲料成分预测植物性蛋白饲料的猪的消化能值［J］.西南农业大学学报，2000，13:41 －50.

［14］席鹏彬.中国地方菜籽饼粕组成特点及猪回肠氨基酸消化率的研究［D］.博士学位论文.北京:中国农业大学，2002.

*Corresponding author，associate professor，E-mail:ybingtian@yahoo.com.cn

(编辑 武海龙)

Prediction Models for Digestible Energy and Digestibility Coefficient of Energy of Rapeseed Meal for Grow ing Sw ine

LIMing CHEN Daiwen MAO Xiangbing CHEN Hong MAO Qian YU Bing*
(Animal Nutrition Institute，Sichuan Agricultural University，Key Laboratory for Animal Disease-resistance Nutrition of China Ministry of Education，Ya’an625014，China)

The relationships between chem ical composition of rapeseedmeal and digestible energy(DE)or digestibility coefficient of energy(DCE)were investigated in order to establish relative prediction models for DE and DCE of rapeseed meal based on the chem ical composition.A total of 12 crossbred barrow s(Duroc×Landrace×Large white)with an average initial body weight of(46.37 ±1.53)kg were used in three 4 ×4 Latin square designs.The DE and DCE of 9 types of rapeseed meal were determ ined by total feces collection method and substitutionmethod.The optimum prediction factorswere selected to establish prediction equations for DE and DCE based on correlation relationship between DE or DCE and chem ical composition including crude protein(CP)，ether extract(EE)，acid detergent fiber(ADF)，neutral detergent fiber(NDF)，crude fiber(CF)，acid detergent lignin(ADL)，protein solubility(PS)，ash and gross energy(GE).The results showed that NDF was the best factor for predicting DCE，but ADF and NDF were the best factors for predicting DE.The recommended prediction models for DE wereDE=16.20 －0.10NDF(R2=0.63，RSD=0.49，P＜0.05)andDE=16.32 －0.15ADF(R2=0.63，RSD=0.49，P＜ 0.05).The recommended prediction models for DCE wereDCE=97.27 －0.87NDF(R2=0.93，RSD=1.55，P＜0.01)，DCE=86.61 －0.67NDF+0.09PS(R2=0.94，RSD=1.56，P＜0.01).In conclusion，the prediction equation for DCE of rapeseed meals by chem ical analysis had higher correlation index and fitting degree compared with the prediction equation for DE.［Chinese Journal of Animal Nutrition，2011，23(9):1483-1489］

rapeseed meal;digestible energy;digestibility coefficient of energy;prediction equation;growing sw ine

S828

A

1006-267X(2011)09-1483-07

10.3969/j.issn.1006-267x.2011.09.005

2011－04－13

农业部公益性行业专项饲料营养价值与畜禽饲养标准研究与应用(20090300608)

李 明(1984—)，男，湖南娄底人，硕士研究生，从事饲料营养价值评定的研究。E-mail:physiology_1984@yahoo.cn

*通讯作者:余 冰，副教授，硕士生导师，E-mail:ybingtian@yahoo.com.cn