2. 吉林省农业科学院, 长春 130000
2. Jilin Academy of Agricultural Sciences, Changchun 130000, China
豆粕(soybean meal, SBM)是大豆经过浸提或预压浸提制油工艺生产的副产物,占畜禽蛋白质饲料原料用量的67%左右,其以粗蛋白质(crude protein,CP)含量高、氨基酸组成平衡、较高的生物学效价等特性成为植物性蛋白质饲料的主要来源[1]。原料产地、压榨方法和贮存方式的不同使得豆粕的营养成分和能值存在较大的差异,这造成动物从豆粕中获得的能量和养分不同[2],从而给预测饲粮能量和制定饲粮配方带来困难。因此确定不同豆粕饲料原料在家禽上的能量利用对于评估豆粕原料的营养和经济价值非常重要。
相对于碳水化合物(carbohydrate, CHO)的利用率,CHO、脂肪和蛋白质的能量利用率分别为100%、113%和78%[3]。豆粕经过浸提制油的工艺后,脂肪含量很低。CHO是动物机体主要的供能物质,其能量利用效率与化学结构和含量有关,根据其聚合度的不同可分为单糖、低聚糖和多糖。单糖包括葡萄糖、甘露糖、半乳糖和阿拉伯糖等,其不需要内源酶的消化,可以直接被动物机体吸收利用[4];低聚糖包括蔗糖和乳糖等二糖,可以直接被肠黏膜内的酶水解吸收,消化率和能量利用率高,而功能性低聚糖包括棉子糖、水苏糖和低聚果糖等,由于体内缺乏相应的内源酶,不能被动物完全消化利用[5]。所以分析豆粕中CHO的结构和含量对于评定豆粕代谢能和在动物中的能量利用至关重要。
目前国内外豆粕生产企业采用的豆粕加工工艺逐渐趋同,将豆粕和豆皮按照一定比例混合,配制成工业标准的带皮豆粕,使得豆粕原料在蛋白质水平上同质化程度严重。因此本文通过配制人工豆粕(synthesized soybean meal, SSBM)测定其代谢能,以便为家禽生产提供数据。近年来也有不少的研究测定豆粕的代谢能,但针对豆粕营养价值评估和预测的研究多集中在常规营养成分上[6-7]。本文结合人工豆粕的CHO组成对营养代谢利用进行分析和评定,为评估豆粕原料品质,提高饲料的能量利用率提供理论依据。
1 材料与方法 1.1 试验饲粮本试验选用不同CP含量的豆粕1(43.97%CP)、豆粕2(47.64%CP)和豆粕3(47.58%CP)及大豆皮原料,根据豆粕原料与豆皮的不同混合比例模拟配制6种人工豆粕(SSBM1~SSMB6),使得6种人工豆粕CP含量梯度增加,涵盖生产用豆粕的CP含量范围。非试验期饲粮来源于新希望饲料有限公司。采用6种人工豆粕作为唯一蛋白质来源配制20%CP含量的半纯合颗粒饲粮,半纯合饲粮组成见表 1。
试验选用1日龄爱拔益加(AA)雄性肉仔鸡,于10日龄按照体重均匀的原则挑选1 008只鸡,随机分为7个组,每组8个重复,每个重复18只鸡。其中6个组分别饲喂6种人工豆粕配制的半纯合饲粮;饥饿组用于内源代谢能测定。经过3 d的饲粮适应期后禁食24 h,于14日龄开始饲喂和收集排泄物,饲喂48 h后再次禁食,继续收集24 h粪尿,共收集72 h粪尿,每24 h收集1次。粪尿收集时小心去除羽毛和皮屑等杂物,喷洒少许10%稀盐酸后置于-20 ℃冰箱保存。将3 d收集的排泄物混匀后于65 ℃烘干72 h,回潮称重,粉碎过筛待测。
1.3 检测方法按照国家标准方法测定干物质(dry matter, DM)(GB/T 6435—2006)、CP(GB/T 6432—1994)、粗脂肪(ether extract,EE)(GB/T 6433—2006)、粗灰分(Ash)(GB/T 6438—2007)含量;利用ANKOM-2000i型全自动纤维分析仪检测粗纤维(crude fibre,CF)、中性洗涤纤维(neutral detergent fiber, NDF)和酸性洗涤纤维(acid detergent fiber, ADF)含量;利用PARR-6400型氧弹式量热仪测定原料总能(gross energy,GE);采用凯氏定氮仪测定碱溶蛋白质和总蛋白质含量,计算得到蛋白质溶解度(protein solubility, PS);使用Dionex ICS-3000型离子色谱仪定性和定量测定部分单糖、二糖及低聚糖含量,利用康奈尔净碳水化合物-蛋白质体系(Connell net carbohydrate and protein system, CNCPS)对CHO和非纤维性碳水化合物(non-fibrous carbohydrate, NFC)含量进行计算[8],计算公式如下:
式中:RN1=摄入氮-排出氮;RN2=摄入氮-排出氮+内源氮;34.39(kJ/g)为沉积每克氮的校正因子。
式中:X为葡萄糖在饲粮中的占比(%);Y为待测豆粕在饲粮中的占比(%);葡萄糖AME=12.89 MJ/kg。
以上结果均在DM基础上计算。
1.5 数据统计分析不同人工豆粕饲粮处理数据采用SPSS 21.0统计软件进行单因素方差分析(one-way ANOVA),采用Duncan氏法对差异显著数据进行多重比较,试验结果以平均值和标准差表示,P < 0.05表示差异显著,P < 0.01表示差异极显著。对人工豆粕的常规营养成分、抗营养成分与肉鸡代谢能进行相关分析,逐步回归建立预测方程,以决定系数(R2)和P值(P < 0.05)选择最佳回归预测方程。
2 结果与分析 2.1 人工豆粕的特性 2.1.1 人工豆粕的常规营养成分由表 2可知,人工豆粕中DM、EE、CP、CF、NDF、ADF和Ash含量以及GE平均值分别为90.27%、2.18%、50.32%、6.14%、11.79%、6.93%、6.80%和19.38 MJ/kg。其中,常规营养成分EE、CF、NDF和ADF含量的变异系数较大,分别为24.65%、42.57%、33.86%和45.09%,而DM、CP和Ash含量、GE以及PS的变异系数相对比较稳定。
由表 3可知,人工豆粕中CHO和NFC含量平均值分别为30.97%和19.18%。其中,蔗糖、棉子糖和水苏糖含量平均值分别为49.86、12.88和42.79 g/kg;人工豆粕中单糖成分包括葡萄糖(Glc)、半乳糖(Gal)和甘露糖(Man)含量变异较大,变异系数分别为30.17%、36.52%和48.65%。
由表 4可知,人工豆粕中DM与NFC含量存在显著正相关性(P < 0.05),EE与Ash含量存在显著负相关性(P < 0.05);CP与ADF含量呈极显著负相关(P < 0.01),与CF、NDF和CHO含量呈显著负相关(P < 0.05);CF、NDF和ADF含量之间存在极显著正相关性(P < 0.01),NFC、蔗糖和水苏糖含量与纤维指标CF、ADF和NDF含量存在显著负相关性(P < 0.05);棉子糖含量与DM和EE含量呈显著正相关(P < 0.05),水苏糖与蔗糖含量呈极显著正相关(P < 0.01),与NFC含量呈显著正相关(P < 0.05)。
由表 5可知,SSBM6组CP表观消化率显著高于其他组(P < 0.05),SSBM2组和SSBM3组CP表观消化率最低。SSBM1组和SSBM2组GE表观消化率显著低于其他组(P < 0.05)。SSBM4组、SSBM5组和SSBM6组AME显著高于SSBM2组和SSBM1组(P < 0.05),与SSBM3组差异不显著(P>0.05)。SSBM5组AMEn最高,显著高于SSBM1组和SSBM2组(P < 0.05),SSBM1组AMEn最低,显著低于除SSBM2组外的其他组(P < 0.05)。SSBM1组和SSBM2组TME和TMEn显著低于其他组(P < 0.05)。
由表 6可知,人工豆粕中AME、AMEn、TME和TMEn的平均值分别为11.36、11.17、12.74和12.51 MJ/kg,其中SSBM5的AME、AMEn、TME和TMEn在数值上表现出最高,SSBM6次之,SSBM1最低。6种人工豆粕的代谢能变异系数均在5%以下。
由表 7可知,人工豆粕中常规营养成分CP、CF、NDF和ADF含量均与肉鸡代谢能呈极显著相关(P < 0.01),其中CP含量与代谢能呈正相关,纤维指标CF、NDF和ADF含量与代谢能呈负相关。代谢能与糖类成分葡萄糖和半乳糖含量呈极显著负相关(P < 0.01),与乳糖含量呈显著负相关(P < 0.05),与水苏糖、甘露糖和NFC含量呈显著正相关(P < 0.05)。
将人工豆粕的常规营养成分和糖类成分与代谢能逐步回归建立预测方程,通过R2和P值挑选的最优预测方程见表 8,预测方程的R2均高于0.900,P值均小于0.01,初步判断预测方程比较适宜。由表 9可知,通过交叉验证的方式将文献中的营养成分含量代入本试验的预测方程2(AME=9.078-0.123CF+0.060CP)和方程3(AME=2.236+0.187CP-0.120EE)中,验证预测方程的准确性,相对标准偏差(RSD)值较小,即预测值和实测值较为接近。
在豆粕的实际生产应用中,通常将大豆皮和高蛋白质豆粕混合制成饲料工业标准中常见的43%CP含量的豆粕。之前的研究多通过不同地区的饲料原料建立能值预测方程,而本试验以CP和CF含量为基准配制人工豆粕,CP含量呈梯度增加且范围较广(43%~48%,风干基础),而CF、NDF和ADF含量呈梯度降低,达到本试验预期目的,具有一定代表性,以便为生产豆粕提供代谢能数据和预测方程。
本试验中,通过测定6种人工豆粕的常规营养成分、CHO含量和PS,从多方面分析不同人工豆粕的营养特性差异,以期为豆粕生产应用提供数据。近年来有不少研究分析了各种豆粕的差异,中国的豆粕CP平均含量(45.08%)要显著低于巴西(49.08%)、印度(49.51%)、美国(47.31%)和阿根廷(46.71%),而蔗糖含量却最高[12]。本试验中,人工豆粕营养成分含量测定值在NRC(1994)提供参考的数值内变化,其中EE、CF、NDF和ADF含量的变异系数较大。研究表明,将豆皮添加到豆粕中配制的生产豆粕纤维含量提高,可溶性纤维和不可溶性纤维的含量均增加[12]。本试验中,随着豆皮添加量的增加,人工豆粕中CP含量降低,CF、NDF和ADF含量升高,CP含量与纤维类指标之间呈现负相关,CF、NDF和ADF含量之间呈极显著正相关。本试验测定的人工豆粕中蔗糖和水苏糖含量与Baker等[13]一致,棉子糖含量与Lopez等[12]测定的值相近,但蔗糖和水苏糖含量与Lopez等[12]差异较大,这可能是因为豆粕的产地、添加豆皮比例和测定的方法的不同造成的。Hartwig等[14]指出,大豆的CP和蔗糖含量之间存在显著负相关,而本试验中人工豆粕的CP含量与蔗糖含量之间呈不显著正相关,这可能因为豆粕经过浸提油脂等工艺制成,豆粕营养成分与大豆之间存在较大差异。本试验中的6种人工豆粕的PS在75.89%~81.80%,在适宜范围之内,说明人工豆粕经过加工没有加热过度或者过生,蛋白质和氨基酸含量和质量较好[15]。
Sotak-Peper等[16]试验表明,不同地区收集的豆粕能量表观消化率之间没有显著差异,而本试验中SSBM3、SSBM4、SSBM5和SSBM6人工豆粕中的GE表观消化率显著高于SSBM1和SSBM2人工豆粕,随着人工豆粕CP含量的升高,GE和CP表观消化率有升高的趋势;与该趋势不一致的是SSBM1的CP表观消化率显著高于SSBM2,这可能是SSBM2中的CP含量高于SSBM1,但CHO含量低于SSBM1,因此蛋白质养分消化率与饲粮营养成分的关系需要综合分析。
3.2 人工豆粕肉鸡代谢能我国家禽饲料原料的数据库大多是采用强饲法测定成年公鸡得出,强饲法会导致采食量降低和应激,不能真实地反映肉鸡的消化代谢情况。而采用替代法估测饲料原料的AME和净能时,待测原料与基础饲粮之间存在的拮抗作用会影响原料能值的估测[17],而且对于玉米-豆粕型基础饲粮来说,玉米与豆粕之间的组合效应对能值推算存在较大干扰。另外,肉仔鸡阶段消化系统尚未发育成熟,成年公鸡测得的原料能值数据高估了前期肉仔鸡的豆粕能值[18]。于是,本试验采用人工豆粕作为唯一蛋白质来源,采用葡萄糖作为能量补充的方法准确地测定人工豆粕肉鸡代谢能并建立预测方程,为前期肉仔鸡的豆粕能值提供数据。本试验的代谢能结果达到了高CP(47%)豆粕的代谢能为10.51~11.32 MJ/kg[2],6种豆粕的代谢能均略高于中国饲料成分及营养价值表(2016年)中成年公鸡对豆粕的代谢能(10.00 MJ/kg),这可能是豆粕营养成分、测定方法的不同和试验动物的差异造成的。
饲粮的不同营养成分对代谢能的影响不同。本试验中,代谢能与CP含量呈极显著正相关,而与纤维类指标呈极显著负相关,与EE含量的相关性不显著。有研究表明,通过添加脂肪从而提高饲粮能值,降低了采食量和提高饲料转化率[19],从而降低了畜禽养殖中的饲粮成本[20]。Villamide等[21]研究表明,饲粮纤维含量对代谢能的影响很大,两者之间呈高度负相关。纤维和AME之间的负相关可能是因为纤维的物理特性会阻碍其他营养物质的消化[22]。本试验中,随着CP含量增加,饲粮代谢能AME、AMEn、TME和TMEn显著提高,而人工豆粕代谢能之间没有显著差异,这可能是因为饲粮中补充的葡萄糖逐渐升高,葡萄糖的能量利用率高,导致饲粮能值和人工豆粕能值出现较大差异。
饲料配方对于能量的需求给豆粕这种高蛋白质饲料原料提出了新的挑战,就是提高能值的供应[23]。脂肪对于能量的利用率高于糖类和蛋白质,而豆粕经过浸提油脂的处理后脂肪的含量非常低,可溶性CHO在非油成分中的占比达到12%,主要是蔗糖、棉子糖和水苏糖,因此研究糖分含量对于豆粕营养的全面评价和能量利用非常重要。蔗糖是一种易消化的CHO,可以提高饲料的能量含量和适口性[24],与代谢能呈正相关。水苏糖和棉子糖作为豆粕饲料的抗营养因子,只能在后肠的微生物发酵利用[25]。本试验中,棉子糖含量与代谢能呈现负相关,但水苏糖含量与代谢能呈显著正相关,这可能因为虽然水苏糖是抗营养因子,但寡糖作为潜在的益生元物质,在一定情况下消化率并不低[26],能通过微生物发酵产生短链脂肪酸,对胃肠道健康和能量利用有益[2]。本试验中,人工豆粕的代谢能与葡萄糖和半乳糖含量呈极显著负相关,这可能是因为人工豆粕中单糖类成分含量较低,分别为276.56和23.32 mg/kg,虽然与人工豆粕代谢能呈负相关,但相关的有效性还有待进一步验证。
3.3 人工豆粕肉仔鸡代谢能预测方程人们普遍认为测定能值的原料数量越多,越有代表性,得出的结论更有说服力。但是很多情况下,可能由于条件的限制不能收集到足够数量和具有代表性的豆粕样品,本试验中的豆粕数量少,但通过配制人工豆粕营养成分涵盖范围广,建立预测方程对于豆粕生产中的应用更有意义。
原料之间最明显的差异就是常规营养成分,这些指标检测较为简单,是用来预测原料代谢能值最简便快捷的预测因子。从代谢能和常规营养成分含量相关分析可以看出,CF含量与代谢能的相关系数最高,本试验CF为代谢能最佳预测因子。通过1个预测因子CF建立的预测方程R2较低,增加因子CP后得到方程2,R2较高(R2=0.982)。Zhang等[27]对菜籽粕建立预测方程,当预测因子从2个增加到3个时,R2从0.59提高到0.67,即预测值更接近实测值。另外,通过CP和EE建立的AME预测方程3效果较好(R2=0.911,P < 0.01)。预测方程3(AME=2.236+0.187CP-0.120EE)中的EE预测系数为负值,这是因为豆粕原料含有的成分大部分为CP,CP即作为主要的供能物质,所以能提高有效能值的营养成分EE也会显示出负的预测系数[28]。方程5~方程7的预测因子为常规营养成分CP和EE,以及蔗糖、棉子糖或水苏糖的3因子预测方程,预测效果均大于方程3。
为了验证试验得到的预测方程的准确性,通过交叉验证的方法将文献中的预测因子带入方程,将方程预测值与文献中实测值进行比较,可以初步验证预测方程的有效性。将Liu等[10]的2种豆粕和Barzegar等[11]的1种豆粕的营养成分含量带入方程2和方程3,预测值和实测值接近,RSD较小,可以判断得到的预测方程较好。由于现有的文献中豆粕CHO含量的测定与分析较少,且由于豆粕来源、测定技术的不同导致不同豆粕原料中糖分含量有较大差异,因此通过糖分含量建立的预测方程还有待进一步验证。
4 结论① 6种人工豆粕常规营养成分中CP、EE和CF含量的平均值分别为50.32%、2.18%和6.14%,CHO营养成分中蔗糖、棉子糖和水苏糖含量平均值分别49.86、12.88和42.79 g/kg。
② 半纯合人工豆粕饲粮的AME、AMEn、TME和TMEn平均值分别为11.68、11.48、12.30和12.06 MJ/kg,人工豆粕原料的AME、AMEn、TME和TMEn平均值分别为11.36、11.17、12.74和12.51 MJ/kg。
③ 生长前期(14~16日龄)肉仔鸡豆粕的代谢能预测方程为:AME=9.078-0.123CF+0.060CP(R2=0.982,P < 0.01)和AME=2.236+0.187CP-0.120EE(R2=0.911, P < 0.01);交叉验证的效果较好。另外,用蔗糖和常规营养成分建立代谢能预测方程为:AME=4.825+0.121CP+0.019蔗糖-0.229EE(R2=0.970, P < 0.01)。
[1] |
HONG K J, LEE C H, KIM S W. Aspergillus oryzae GB-107 fermentation improves nutritional quality of food soybeans and feed soybean meals[J]. Journal of Medicinal Food, 2004, 7(4): 430-435. DOI:10.1089/jmf.2004.7.430 |
[2] |
GARCÍA-REBOLLAR P, CÁMARA L, LÁZARO R P, et al. Influence of the origin of the beans on the chemical composition and nutritive value of commercial soybean meals[J]. Animal Feed Science and Technology, 2016, 221: 245-261. DOI:10.1016/j.anifeedsci.2016.07.007 |
[3] |
BARZEGAR S, WU S B, NOBLET J, et al. Energy efficiency and net energy prediction of feed in laying hens[J]. Poultry Science, 2019, 98(11): 5746-5758. DOI:10.3382/ps/pez362 |
[4] |
HUANG Q H. Study on the method for determination of non-starch polysaccharide components and the effect of non-starch polysaccharides on the digestibility of energy of feeds in pigs[J]. Master's Thesis.Beijing: Chinese Academy of Agricultural Sciences, 2015, 1-63 (in Chinese). |
[5] |
ADEBOWALE T O, YAO K, OSO A O. Major cereal carbohydrates in relation to intestinal health of monogastric animals: a review[J]. Animal Nutrition, 2019, 5(4): 331-339. DOI:10.1016/j.aninu.2019.09.001 |
[6] |
桓宗锦. 肉鸡玉米和豆粕净能的测定及其预测模型的建立[D]. 硕士学位论文. 雅安: 四川农业大学, 2009: 1-52. HUAN Z J. The mensuration of net energy value of corn and soybean meal and prediction models for broiler chicken[D]. Master's Thesis. Ya'an: Sichuan Agricultural University, 2009: 1-52. (in Chinese) |
[7] |
张正帆. 应用化学成分及傅里叶近红外建立0~3周龄黄羽肉鸡豆粕净能预测模型的研究[D]. 硕士学位论文. 雅安: 四川农业大学, 2010: 1-37. ZHANG Z F. The use of chemical composition and fourier near infrared spectroscopy to predict the net energy value of soybean meal for 0 to 3-week-old yellow plumage broiler[D]. Master's Thesis. Ya'an: Sichuan Agricultural University, 2010: 1-37. (in Chinese) |
[8] |
李欣新. 双低菜粕和豆粕分子结构与营养特性和奶牛生产性能的关系[D]. 博士学位论文. 哈尔滨: 东北农业大学, 2016: 1-105. LI X X. The molecular structure of double-low rapeseed meal and soybean meal in relation to nutrient profiles and production performance in dairy cows[D]. Ph. D. Thesis. Harbin: Northeast Agricultural University, 2016: 1-105. (in Chinese) |
[9] |
NASCIMENTO FILHO M A, PEREIRA R T, OLIVEIRA A B S, et al. Nutritional value of Tenebrio molitor larvae meal for broiler chickens: metabolizable energy and standardized ileal amino acid digestibility[J]. Journal of Applied Poultry Research, 2021, 30(1): 1-11. |
[10] |
LIU W, LIU G H, LIAO R B, et al. Apparent metabolizable and net energy values of corn and soybean meal for broiler breeding cocks[J]. Poultry Science, 2017, 96(1): 135-143. DOI:10.3382/ps/pew195 |
[11] |
BARZEGAR S, WU S B, NOBLET J, et al. Metabolizable energy of corn, soybean meal and wheat for laying hens[J]. Poultry Science, 2019, 98(11): 5876-5882. DOI:10.3382/ps/pez333 |
[12] |
LOPEZ D A, LAGOS L V, STEIN H H. Digestible and metabolizable energy in soybean meal sourced from different countries and fed to pigs[J]. Animal Feed Science and Technology, 2020, 268: 114600. DOI:10.1016/j.anifeedsci.2020.114600 |
[13] |
BAKER K M, KIM B G, STEIN H H. Amino acid digestibility in conventional, high-protein, or low-oligosaccharide varieties of full-fat soybeans and in soybean meal by weanling pigs[J]. Animal Feed Science and Technology, 2010, 162(1/2): 66-73. |
[14] |
HARTWIG E E, KUO T M, KENTY M M. Seed protein and its relationship to soluble sugars in soybean[J]. Crop Science, 1997, 37(3): 770-773. DOI:10.2135/cropsci1997.0011183X003700030013x |
[15] |
SAKKAS P, ROYER E, SMITH S, et al. Combining alternative processing methods for European soybeans to be used in broiler diets[J]. Animal Feed Science and Technology, 2019, 253: 45-55. DOI:10.1016/j.anifeedsci.2019.03.010 |
[16] |
SOTAK-PEPER K M, GONZALEZ-VEGA J C, STEIN H H. Concentrations of digestible, metabolizable, and net energy in soybean meal produced in different areas of the United States and fed to pigs[J]. Journal of Animal Science, 2015, 93(12): 5694-5701. DOI:10.2527/jas.2015-9281 |
[17] |
NING D, YUAN J M, WANG Y W, et al. The net energy values of corn, dried distillers grains with solubles and wheat bran for laying hens using indirect calorimetry method[J]. Asian-Australasian Journal of Animal Sciences, 2014, 27(2): 209-216. DOI:10.5713/ajas.2013.13243 |
[18] |
YANG Z, PIRGOZLIEV V R, ROSE S P, et al. Effect of age on the relationship between metabolizable energy and digestible energy for broiler chickens[J]. Poultry Science, 2020, 99(1): 320-330. DOI:10.3382/ps/pez495 |
[19] |
GROBAS S, MENDEZ J, DE BLAS C, et al. Laying hen productivity as affected by energy, supplemental fat, and linoleic acid concentration of the diet[J]. Poultry Science, 1999, 78(11): 1542-1551. DOI:10.1093/ps/78.11.1542 |
[20] |
KANG H K, PARK S B, JEON J J, et al. Effect of increasing levels of apparent metabolizable energy on laying hens in barn system[J]. Asian-Australasian Journal of Animal Sciences, 2018, 31(11): 1766-1772. DOI:10.5713/ajas.17.0846 |
[21] |
VILLAMIDE M J, SAN J L. Effect of chemical composition of sunflower seed meal on its true metabolizable energy and amino acid digestibility[J]. Poultry Science, 1998, 77(12): 1884-1892. DOI:10.1093/ps/77.12.1884 |
[22] |
AGYEKUM A K, NYACHOTI C M. Nutritional and metabolic consequences of feeding high-fiber diets to swine: a review[J]. Engineering, 2017, 3(5): 716-725. DOI:10.1016/J.ENG.2017.03.010 |
[23] |
HAGELY K B, PALMQUIST D, BILYEU K D. Classification of distinct seed carbohydrate profiles in soybean[J]. Journal of Agricultural and Food Chemistry, 2013, 61(5): 1105-1111. DOI:10.1021/jf303985q |
[24] |
RAVINDRAN V, ABDOLLAHI M, BOOTWALLA S. Nutrient analysis, apparent metabolisable energy and ileal amino acid digestibility of full fat soybean for broilers[J]. Animal Feed Science and Technology, 2014, 197: 233-240. DOI:10.1016/j.anifeedsci.2014.08.014 |
[25] |
CHOCT M, DERSJANT-LI Y D, MCLEISH J, et al. Soy oligosaccharides and soluble non-starch polysaccharides: a review of digestion, nutritive and anti-nutritive effects in pigs and poultry[J]. Asian-Australasian Journal of Animal Sciences, 2010, 23(10): 1386-1398. DOI:10.5713/ajas.2010.90222 |
[26] |
HEDEMANN M S, KNUDSEN K E B. Dried chicory root has minor effects on the digestibility of nutrients and the composition of the microflora at the terminal ileum and in faeces of growing pigs[J]. Livestock Science, 2010, 134(1/2/3): 53-55. |
[27] |
ZHANG Z Y, LI P L, LIU L, et al. Ether extract and acid detergent fibre but not glucosinolates are determinants of the digestible and metabolizable energy of rapeseed meal in growing pigs[J]. Journal of Applied Animal Research, 2020, 48(1): 384-389. DOI:10.1080/09712119.2020.1806072 |
[28] |
李忠超. 生长猪植物蛋白原料净能推测方程的构建[D]. 博士学位论文. 北京: 中国农业大学, 2017: 1-118. LI Z C. Net energy prediction of plant protein ingredients to growing pigs[D]. Ph. D. Thesis. Beijing: China Agricultural University, 2017: 1-118. (in Chinese) |