生长猪大米蛋白消化能、代谢能的评定及预测模型研究

贺 喜 陈达图 胡官波 刘 耕 李 霞 叶小飞 闫景彩 张石蕊

(湖南农业大学动物科技学院动物营养研究所，饲料安全与高效利用教育部工程研究中心，长沙 410128)

大米蛋白(rice protein，RP)是以碎米为原料，利用淀粉酶将碎米中的淀粉分解成为可溶性的糖，而其中的蛋白质、脂类以及纤维等成分仍然以固体的形式存在，通过固液分离，液化液是葡萄糖浆或味精的生产原料，得到的固体分离物则称为米渣，干燥后即是大米蛋白。根据作者实地调查得知，近年来碎米制糖后所得的大米蛋白年产量大约为10万t，而从稻谷加工过程中所得到的碎米年生产量推算，全国大米蛋白粉的潜在产量为80～120万t。目前研究多集于在食用级大米蛋白在保健方面的作用，如降低机体脂质水平和提高机体抗氧化能力的作用［1-2］。大米蛋白是一种优质植物源性饲用型蛋白质原料，但目前尚没有针对其营养成分及营养价值在动物生产应用方面的系统研究。本试验通过在全国大米蛋白主产地湖南、湖北、江西、浙江、安徽和广西6省，现场采集不同稻谷产地的具有代表性的11种大米蛋白样品，测定其常规化学成分。采用全收粪法和套算法结合测定其猪消化能(DE)、代谢能(ME)，并将大米蛋白的常规营养成分与猪消化能、代谢能进行相关和回归分析，建立其猪消化能、代谢能预测模型。该研究拟为建立大米蛋白营养价值数据库和为大米蛋白生产应用提供科学依据与参考。

1 材料与方法

1.1 大米蛋白及试验饲粮

本试验根据大米蛋白的生产区域状况、生产厂家的产量，在6个省份(湖南、湖北、江西、安徽、广西、浙江)，9个有代表性的大米蛋白生产厂家，采集了11个样品，分析其常规成分含量。

本试验的基础饲粮为玉米-豆粕型，参照NRC(1998)［3］20 ～50 kg 生长猪的营养需要量进行配制，试验饲粮为大米蛋白替代基础饲粮的15%，粉料饲喂。基础饲粮组成及营养水平见表1。

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

试验选用12头体重(33.0±1.3)kg的“杜×长×大”三元杂交健康去势公猪，分别将其置于个体代谢笼中，全期自由饮水，室温控制在20～22℃，保持圈舍清洁、通风和干燥。饲养管理方式参照国家标准GB/T 26438—2010《全收粪法测定猪配合饲料表观消化能技术规程》［4］要求进行。

1.3 试验设计

试验采用2个6×6拉丁方设计，其中包括11个试验饲粮(T1～T11)和1个基础饲粮，试验设计见表2。试验一共分成6个阶段进行，各个阶段各分为适应期、预试期和正试期，每天饲喂3次(时间为08:00、14:00和18:00)，全期自由饮水。适应期为4 d，在此期间过渡并换料，观察以及确定试验猪的采食量，作为正试期饲粮饲喂量的依据;每期预试期为3 d，正试期为7 d，这2期按试验猪自由采食量的85%准确、定量、定时饲喂。

1.4 样品的制备与分析

1.4.1 样品的制备

饲料样品:将大米蛋白样品、基础饲粮、试验饲粮粉碎，过40目筛，用密封袋保存待测。

粪样:准确收集正试期内各试验猪每日(24 h)排粪量，每次收粪后将鲜粪贮存于-20℃冰柜。以试验猪静卧状态界定日与日之间的时间界限(取早饲试验猪吃完料后1 h作为界限)。将每日收集的鲜粪在室温下解冻，按20%的比例取样，并将粪样贮存于-20℃冰柜。将每头猪7日鲜粪样在室温下解冻，并在65℃条件下烘干至恒重。烘干后置室内回潮24 h，并充分混匀7日粪样，然后称重、记录、粉碎、过40目筛，密封保存待测。

1.4.2 样品的测定

分析饲粮样和粪样的干物质和总能，分析11种大米蛋白的干物质(DM)、总能(GE)、粗蛋白质(CP)、粗脂肪(EE)、粗灰分(Ash)、粗纤维(CF)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)含量。总能用氧弹式测定计测定，其他成分依据相应的国家标准测定。

1.5 饲粮与饲粮原料消化能、代谢能的计算公式

1.5.1 基础饲粮消化能计算公式

饲粮消化能(MJ/kg)=［食入总能(MJ)-排粪总能(MJ)］/食入饲粮总量(kg)。

大米蛋白消化能按如下公式计算:大米蛋白消化能(MJ/kg)=［DT-DB×(1-SA)］/SA。

式中:DT为试验饲粮表观消化能(MJ/kg);DB为基础饲粮的表观消化能(MJ/kg);SA为大米蛋白替代基础饲粮的比例(%)。

1.5.2 基础饲粮代谢能计算公式

饲粮代谢能(MJ/kg)=［食入总能(MJ)-排粪总能(MJ)+排尿总能(MJ)］/食入饲粮总量(kg)。

表2 拉丁方试验设计Table 2 Latin square experimental design

大米蛋白代谢能按如下公式计算:

大米蛋白代谢能(MJ/kg)=［MT-MB×(1-SA)］/SA。

式中:MT为试验饲粮表观代谢能(MJ/kg);MB为基础饲粮的表观代谢能(MJ/kg);SA为大米蛋白替代基础饲粮的比例(%)。

1.6 数据分析

采用SPSS 16.0统计分析软件的Correlate过程对大米蛋白的酸性洗涤纤维、中性洗涤纤维、粗纤维、总能、粗灰分、粗蛋白质、粗脂肪、无氮浸出物、可溶性碳水化合物含量与消化能、代谢能的关系进行相关性分析，用Regression过程进行回归分析，建立最佳预测方程。

2 结果与分析

2.1 大米蛋白样品常规成分分析结果

采集的11个大米蛋白样品的常规营养成分分析结果见表3。由表3可知，11种大米蛋白的粗纤维、酸性洗涤纤维、中性洗涤纤维以及粗脂肪含量变异较大。

表3 大米蛋白常规成分分析(风干基础)Table 3 Analyzed proximate composition of rice protein(air-dry basis)

2.2 大米蛋白消化能及代谢能测定结果

本试验通过全收粪法与套算法结合测定了在全国不同地区采集的11种大米蛋白样品的猪消化能、代谢能，其结果见表4。由表4可知，11种大米蛋白样品猪消化能最高的是T10号大米蛋白，为19.90 MJ/kg，最低的是T7号大米蛋白，为16.28 MJ/kg，消 化 能 平 均 值 为 (18.13 ±1.12)MJ/kg;11种大米蛋白样品猪代谢能最高的是T10号，为 18.59 MJ/kg，最 低 的 是 T7 号，为13.76 MJ/kg，代 谢 能 平 均 值 为 (16.44 ±1.59)MJ/kg。

表4 大米蛋白消化能、代谢能测定结果(风干基础)Table 4 The results of DE and ME of rice protein(air-dry basis) MJ/kg

2.3 大米蛋白消化能预测模型的建立

2.3.1 大米蛋白各常规成分与消化能的简单相关关系

将大米蛋白常规成分与消化能进行简单相关分析，结果见表5。由表5可知，粗纤维、酸性洗涤纤维、中性洗涤纤维、总能与消化能存在显著相关性(P＜0.05)。纤维类成分与消化能呈负相关性，中性洗涤纤维与消化能相关性系数最高(R2=-0.70，P＞0.05)。饲料成分之间，粗纤维、酸性洗涤纤维、中性洗涤纤维三者之间相关性极显著(P＜0.01);粗纤维与粗灰分的相关性极显著(P＜0.01)，与粗蛋白质的相关性显著(P＜0.05);酸性洗涤纤维、中性洗涤纤维与粗灰分的相关性显著(P＜0.05);粗蛋白质与可溶性碳水化合物、无氮浸出物的相关性显著(P＜0.05);可溶性碳水化合物与无氮浸出物的相关性极显著(P＜0.01);总能与粗脂肪、酸性洗涤纤维、中性洗涤纤维的相关性显著(P＜0.05)。余下的化学成分之间相关性不显著(P＞0.05)。

表5 大米蛋白各常规成分与消化能的相关关系Table 5 Correlation coefficients between DE and proximate composition of rice protein

2.3.2 通径分析

依据大米蛋白常规成分与代谢能简单相关分析结果，选择与消化能相关性较高的3个纤维类因子(粗纤维、酸性洗涤纤维和中性洗涤纤维)做通径分析，将各个纤维类因子与消化能的简单相关系剖分为纤维类因子对消化能的直接作用和间接作用2个部分。比较3个纤维类因子直接通径系数绝对值的大小可知，中性洗涤纤维对消化能的直接作用较大，粗纤维和酸性洗涤纤维对消化能的直接作用较小。从3个纤维因子对消化能的间接作用来看，酸性洗涤纤维和粗纤维通过中性洗涤纤维对消化能的间接作用比较大。从对消化能直接和间接作用的整体数据来看，中性洗涤纤维对消化能的直接作用与粗纤维、酸性洗涤纤维通过中性洗涤纤维对消化能的间接作用相近;粗纤维、酸性洗涤纤维对消化能的直接作用与粗纤维通过酸性洗涤纤维对消化能的间接作用、酸性洗涤纤维通过粗纤维对消化能的间接作用以及中性洗涤纤维通过粗纤维、酸性洗涤纤维对消化能的作用相近。由此可以说明，粗纤维和酸性洗涤纤维对消化能变异的影响主要是通过中性洗涤纤维来实现的，中性洗涤纤维是影响大米蛋白消化能的主效因子。

表6 通径分析结果Table 6 The results of path analysis

2.3.3 消化能的预测模型

2.3.3.1 消化能的一元预测模型

依据表5简单相关性分析结果的显著性，粗纤维、中性洗涤纤维、酸性洗涤纤维、总能与消化能相关性显著，因此以粗纤维、中性洗涤纤维、酸性洗涤纤维、总能为预测因子建立消化能的一元预测方程(表7)。由表7可见，粗纤维、中性洗涤纤维、酸性洗涤纤维以及总能建立的4个一元预测模型均达到显著水平(P＜0.05)，R2的值越大，预测模型的拟合度越好，越能反映预测模型的准确度，其中中性洗涤纤维的预测方程拟合度R2最高，剩余标准误(RSD)最低。另一方面，从通径分析的结果来看，中性洗涤纤维对消化能的直接影响最大，酸性洗涤纤维和粗纤维对消化能变异的影响主要是通过中性洗涤纤维来实现。由此可以得出，中性洗涤纤维为大米蛋白最佳预测因子，大米蛋白消化能最佳一元预测方程为DE=22.17-0.51NDF(R2=0.50，RSD=0.93，P＜0.05)。

表7 大米蛋白常规成分对消化能的一元预测方程Table 7 One-variable prediction equations for DE based on proximate composition of rice protein

2.3.3.2 消化能的多元预测模型

采用SPSS16.0 Regression过程中的Stepwise步骤，以消化能为依变量，大米蛋白的各常规成分为自变量进行回归分析，得到大米蛋白猪消化能最佳多元预测模型为 DE=18.58-0.49CF+0.31EE(R2=0.70，RSD=0.77，P＜0.01)。

2.4 大米蛋白代谢能预测模型的建立

2.4.1 大米蛋白各常规成分与代谢能的简单相关关系

大米蛋白的常规成分与代谢能的简单相关关系见表8。由表8可见，大米蛋白的粗蛋白质、粗脂肪、灰分、无氮浸出物以及可溶性碳水化合物与代谢能之间相关性不显著(P＞0.05)，而粗纤维、酸性洗涤纤维、中性洗涤纤维、总能与代谢能存在显著相关性(P＜0.05)。纤维类成分与代谢能的相关性呈负相关性，中性洗涤纤维与代谢能相关性系数比较高。饲料成分之间的相关性与消化能中所述一致。

表8 大米蛋白各常规成分与代谢能的相关关系Table 8 Correlation coefficients between ME and proximate composition of rice protein

2.4.2 通径分析

依据大米蛋白常规成分与代谢能简单相关分析结果，选择与代谢能相关关系较高的3个纤维类因子做通径分析，将各个纤维类因子与代谢能的简单相关系剖分为纤维类因子对代谢能的直接作用和间接作用2个部分见表9。比较3个纤维类因子直接通径系数绝对值的大小可知，中性洗涤纤维对代谢能的直接作用较大，酸性洗涤纤维和粗纤维对代谢能的直接作用较小。从3个纤维因子对代谢能的间接作用来看，酸性洗涤纤维和粗纤维通过中性洗涤纤维对代谢能的间接作用比较大。从数值来看，纤维类因子中与代谢能呈负相关性的主导因子为中性洗涤纤维，同时中性洗涤纤维也是影响大米蛋白代谢能的主效因子。

表9 通径分析结果Table 9 The results of path analysis

2.4.3 代谢能的预测模型

2.4.3.1 代谢能的一元预测模型

依据表8简单相关关系分析结果的显著性，粗纤维、中性洗涤纤维、酸性洗涤纤维、总能与代谢能相关性显著，因此以粗纤维、中性洗涤纤维、酸性洗涤纤维、总能为预测因子建立代谢的一元预测方程(表10)。由表10可见，粗纤维、中性洗涤纤维、酸性洗涤纤维以及总能建立的4个一元预测预测模型均达到显著水平(P＜0.05)，R2的值越大，预测模型的拟合度越好，越能反映预测模型的准确度，其中中性洗涤纤维的预测方程拟合度R2最高，RSD最低。从通径分析的结果来看，中性洗涤纤维对代谢能的直接影响最大。由此可以得出，中生洗涤纤维为大米蛋白最佳预测因子，大米蛋白代谢能最佳一元预测方程为ME=21.42-0.74NDF(R2=0.52，RSD=1.30，P＜0.05)。

表10 大米蛋白常规成分对代谢能的一元预测方程Table 10 One-variable prediction equations for ME based on proximate composition of rice protein

2.4.3.2 代谢能的多元预测模型

采用SPSS16.0 Regression过程中的Stepwise步骤，以代谢能为依变量，大米蛋白的常规成分为自变量进行回归分析，结果显示，大米蛋白中全部成分在模型建立过程中都被剔除，无法得出其最佳多元预测模型。大米蛋白猪代谢能最佳预测模型为 ME=22.17-0.51×NDF(R2=0.50，RSD=0.93，P＜0.05)。

3 讨论

3.1 大米蛋白猪消化能、代谢能

猪饲料有效能的测定有体内法、体外法、尼龙袋法和预测法等［5-8］，本试验采用的是体内法(即粪分析法)，针对全国范围内有代表性的11种大米蛋白在生长猪上进行消化试验，测得的11种大米蛋白消化能均值为18.13 MJ/kg(风干基础)，换算成绝干基础下的猪平均消化能为19.85 MJ/kg;代谢能均值为 16.44 MJ/kg(风干基础)，换算成绝干基础下的猪平均代谢能为18.0 1MJ/kg。目前国内还没有对大米蛋白的猪消化能、代谢能的研究和报道。但最新NRC(2012)［9］发表的数据表明，风干基础大米浓缩蛋白(粗蛋白质 67.51%)消化能为 19.75 MJ/kg，代谢能为17.83 MJ/kg，其能值稍高于本试验测定值，原因可能与其平均粗蛋白质含量有关。从中国饲料成分及营养价值表(2012)中选取与大米蛋白生产方式相似的玉米蛋白质粉(消化能为15.06 MJ/kg，代谢能为12.55 MJ/kg)、饲料生产中用量最大的蛋白质饲料豆粕(消化能为15.06 MJ/kg，代谢能为13.01 MJ/kg)以及鱼粉(消化能为 12.55 MJ/kg，代谢能为 10.54 MJ/kg)与大米蛋白的消化能、代谢能作比较，可以看出，大米蛋白的消化能、代谢能都远高于其他三者，由此可以得出，大米蛋白在能量营养的层面上明显优于玉米蛋白质粉、豆粕和鱼粉。本试验的猪消化能结果是在全国大范围内进行具有代表性的采样后测得的，可以为中国饲料原料数据库中大米蛋白数据的建立提供科学参考。

3.2 大米蛋白有效能最佳预测因子

孙献忠等［10］综述国内外文献，论证饲料消化能回归模型的最佳预测因子是酸性洗涤纤维或中性洗涤纤维，代谢能回归模型与其对应的消化能模型相似，纤维指标与哪些指标结合更合适主要取决于饲料本身的性质。Morgan等［11］、King等［12］发现粗纤维含量与饲料能值呈高度负相关，并建立了用粗纤维为主要预测因子的预测方程，King等［12］同时也证实了中性洗涤纤维可以极大地改进预测模型的准确性，明显优于由粗纤维建立的模型。Morgan 等［13］、Jorgensen 等［14］、Nobelt等［15］、Ewan 等［16］建立了以中性洗涤纤维和酸性洗涤纤维为主要预测因子的预测方程。研究表明，生长猪饲粮中性洗涤纤维含量与消化能值呈负相关，中性洗涤纤维含量增加1%，消化能值减少0.8% ～1.0%，用中性洗涤纤维所建立的一元方程预测饲料的消化能值，预测效果好［17］。本试验所作的相关分析以及通径分析均表明中性洗涤纤维是大米蛋白消化能、代谢能回归模型的最佳预测因子，二者的一元预测模型中，以中性洗涤纤维为预测因子的R2值最大，RSD值最小，说明以中性洗涤纤维为预测因子的一元预测模型的拟合度最好。大米蛋白中粗蛋白质的含量最高但没有进入预测模型，其原因可能为大米蛋白中能被消化吸收并可以提供能量的成分主要是粗蛋白质、粗脂肪和无氮浸出物(或可溶性碳水化合物)，从三者的含量上看，粗蛋白质占了绝对优势，但粗脂肪和无氮浸出物也不容忽视;从能量的角度看，大米蛋白中粗蛋白质的能量与粗脂肪和无氮浸出物的能量之和的比例为1.54∶1;11个大米蛋白的总能非常接近，粗蛋白质、粗脂肪和无氮浸出物含量总和为(85.50±2.48)%，而大米蛋白的总能主要由这三者提供;综合上述，再结合相关分析结果可知(粗蛋白质与粗脂肪、无氮浸出物呈负相关)，不同大米蛋白样品之间由粗蛋白质、粗脂肪、无氮浸出物造成的消化能、代谢能的差异可以在一定程度上相互抵消，因此也造成了粗蛋白质、粗脂肪和无氮浸出物与消化能、代谢能相关性都比较低的结果，这也可能是大米蛋白的一个特性。

4 结论

①11种大米蛋白常规成分平均值分别为:干物质 91.33%，粗蛋白质 62.52%，粗脂肪 8.75%，粗灰分2.72%，粗纤维 3.12%，酸性洗涤纤维3.95%，中性洗涤纤维4.19%，可溶性碳水化合物21.83%，无氮浸出物 14.24%，总能 21.35 MJ/kg。

② 大米蛋白(风干基础)的猪消化能值为(18.13±1.12)MJ/kg，代谢能值为(16.44±1.59)MJ/kg。

③根据SPSS 16.0中回归模型分析的逐步筛选法，得到大米蛋白猪消化能最佳预测模型(绝干基础):DE=22.17-0.51NDF(R2=0.50，RSD=0.93)，DE=18.58-0.49CF+0.31EE(R2=0.70，RSD=0.77)。大米蛋白猪代谢能最佳预测模型(绝干基础):ME=21.42-0.74NDF(R2=0.52，RSD=1.30)。在大米蛋白的常规成分中，NDF为最佳预测因子。

［1］ 杨林，王士磊，张兰威，等.大米蛋白水平对成熟期大鼠体质量及体脂水平的影响［J］.华中农业大学学报，2010，29(6):741-744.

［2］ 李娅楠.大米蛋白调控Nrf2通路及抗氧化机制研究［D］.硕士学位论文.哈尔滨:哈尔滨工业大学，2012:25-27.

［3］ NRC.Nutrient requirements of swine［S］.10th ed.Washington，D.C.:National Academy Press，1998:111-116.

［4］ GB/T 26438—2010.畜禽饲料有效性与安全性评价——全收粪法测定猪配合饲料表观消化能技术规程［S］.北京:中国标准出版社，2011.

［5］ NOBELT J，HENRY Y.Energy evaluation systems for pig diets:a review［J］.Livestock Production Science，1993，36(2):121-141.

［6］ QIAO S Y，THACKER P A.Use of the mobile nylon bag technique to determine the digestible energy con-tent of traditional and non-traditional feeds for swine［J］.Archives of Animal Nutrition，2004，58(4):287-294.

［7］ REGMI P R，SAUER W C，ZIJLSTRA R T.Prediction of in vivo apparent total trout energy digestibility of barely in grower pigs［J］.Journal of Animal Science，2008，86:2619-2626.

［8］ REGMI P R，FERGUSON N S，ZIJLSTRA R T.In vitro digestibility techniques to predict apparent total tract energy digestibility of wheat in grower pigs［J］.Journal of Animal Science，2009，87(11):3620-3629.

［9］ SOUTHERN L L，ADEOLA O，DELANGE C F M.猪营养需要［M］.印遇龙，阳成波，敖志刚，译.北京:科学出版社，2014:347.

［10］ 孙献忠，熊本海.用饲料化学成分预测猪饲料能值的研究进展［J］.中国畜牧兽医，2006，33(11):19-23.

［11］ MORGAN D J，COLE D J A，LEWIS D.Energy values in pig nutrition.Ⅱ:The prediction of energy values from dietary chemical analysis［J］.The Journal of Agricultural Science，1975，84(1):19-27.

［12］ KING R H，TAVERNER M R.Prediction of the digestible energy in pig diets from analyses of fiber contents［J］.Animal Production，1975，21(3):275-284.

［13］ MORGAN C A，WHITTEMORE C T.Energy evaluation of feeds and compounded diets for pigs:a review［J］.Animal Food Science and Techology，1982，7(4):387-400.

［14］ JUST A，JØRGENSEN H，FERNÁNDEZ J A.Prediction of metabolizable energy for pigs on the basis of crude nutrients in the feeds［J］.Livestock Production Science，1984，11(1):105-128.

［15］ NOBLET J H，FORTUNE H，SHI X S，et al.Prediction of net energy value of feeds for growing pigs［J］.Journal of Animal Science，1994，72(2):344-354.

［16］ EWAN R C.Predicting the energy utilization of diets and feed ingredients by pigs in energy metabolism.european association of animal production bulletin NO.43［C］//VAN DE HONING，CLOSE W H.Pudoc Wageningen，［S.l.］:［s.n.］，1989:271-274.

［17］ NOBELT J，PREZE J M.Prediction fo digestibility of nutrients and energy vales of pig diets from chemical analysis［J］.Journal of Animal Science，1993，71(12):3389-3398.