动物营养学报 >

2024 , Vol. 36 >Issue 4: 2344 - 2355

DOI: https://doi.org/10.12418/CJAN2024.202

研究论文

玉米在蛋鸡饲粮中有效能值的测定及其净能预测模型的构建

  • 潘敏慧 , 1 ,
  • 李成云 , 1, * ,
  • 张海军 2 ,
  • 班志彬 3 ,
  • 陈思淼 3 ,
  • 梁浩 3 ,
  • 闫晓刚 3 ,
  • 赵晓东 3 ,
  • 赵敬慧 4
展开
  • 1 延边大学农学院,延吉 133002
  • 2 中国农业科学院饲料研究所,北京 100081
  • 3 吉林省农业科学院动物营养与饲料研究所,公主岭 136100
  • 4 吉林大北农农牧科技有限责任公司,长春 130000
*李成云,教授,硕士生导师,E-mail:

潘敏慧(1994—),女,贵州榕江人,硕士研究生,动物营养与饲料科学专业。E-mail:

Copy editor: 菅景颖

收稿日期: 2023-10-08

  网络出版日期: 2024-04-15

基金资助

国家重点研发计划(2021YFD1300204)

长春市科技发展计划项目——创新平台与人才计划——长春市饲料加工产业科学家工作站(21ck03)

收起

Mensuration of Effective Energy Value of Corn in Diets of Laying Hens and Its Net Energy Prediction Model Construction

  • PAN Minhui , 1 ,
  • LI Chengyun , 1 ,
  • ZHANG Haijun 2 ,
  • BAN Zhibin 3 ,
  • CHEN Simiao 3 ,
  • LIANG Hao 3 ,
  • YAN Xiaogang 3 ,
  • ZHAO Xiaodong 3 ,
  • ZHAO Jinghui 4
Expand
  • 1 College of Agriculture, Yanbian University, Yanji 133002, China
  • 2 Institute of Feed Research of Chinese Academy of Agricultural Sciences, Beijing 100081, China
  • 3 Institute of Animal Nutrition and Feed, Jilin Academy of Agricultural Sciences, Gongzhuling 136100, China
  • 4 Jilin Dabeinong Agricultural & Animal Husbandry Technology Co., Ltd., Changchun 130000, China
*professor, E-mail:

Received date: 2023-10-08

  Online published: 2024-04-15

Fold

摘要

本试验采用间接测热法结合套算法测定不同来源玉米在产蛋高峰期海兰褐蛋鸡饲粮中的有效能值并建立基于理化指标的玉米净能(NE)预测模型。选取54周龄体重为(1 898.32±114.12) g、产蛋率为(90.74±1.31)%的海兰褐蛋鸡共72只,随机分为6个组(1个玉米-豆粕型基础饲粮组和5个玉米替代比例为30%的试验饲粮组),每组6个重复,每个重复2只鸡。试验鸡在舍内笼养,预试期10 d,正试期12 d,其中正试期分为3期,每期4 d(适应1 d,呼吸测热3 d)。每期试验中,从每组中选择4只试验鸡,称重后分别放入呼吸测热装置的12个代谢室(每个代谢室2只),每2个代谢室对应l种饲粮,间接测热和消化代谢试验同时进行。结果显示:1)5种玉米的表观代谢能(AME)分别为15.09、14.18、14.67、14.33和14.28 MJ/kg DM,NE分别为10.90、10.33、10.82、10.47和10.44 MJ/kg DM,NE/AME分别为72.17%、72.84%、73.71%、72.99%和73.11%。2)玉米的NE预测方程为NE=-0.001+0.57×AME+0.606×粗脂肪+0.088×粗纤维(R2=0.987,P<0.01)。交叉验证显示本试验所得蛋鸡玉米的NE预测模型准确性较高,利用该模型可根据AME、粗脂肪和粗纤维含量预测玉米的NE。

关键词： 蛋鸡; 净能; 间接测热法; 预测模型

本文引用格式

潘敏慧 , 李成云 , 张海军 , 班志彬 , 陈思淼 , 梁浩 , 闫晓刚 , 赵晓东 , 赵敬慧 . 玉米在蛋鸡饲粮中有效能值的测定及其净能预测模型的构建[J]. 动物营养学报, 2024 , 36(4) : 2344 -2355 . DOI: 10.12418/CJAN2024.202

Abstract

In this experiment, the effective energy value of Hy-Line brown laying hens to different sources of corns was determined by indirect calorimetry combined with substitution method, and a net energy (NE) prediction equation of corn based on physical and chemical indicators was established. A total of 72 Hy-line brown laying hens aged 54 weeks with body weight of (1 898.32±114.12) g and laying rate of (90.74±1.31)% were randomly divided into 6 groups (1 corn-soybean meal basal diet group and 5 experimental diet groups with 30% corn replacement ratio) with 6 replicates per group and 2 hens per replicate. The test hens were caged in the house, the pre-test period was 10 days, and the trial period was 12 days. The trial period was divided into 3 periods, each period was 4 days (1 day for adaptation, and 3 days for breath calorimetry). In each period of test, four hens were selected from each group, put them into 12 metabolic chambers (2 hens in each chamber) of the respiratory calorimetry device after weighing, each 2 metabolic chambers correspond to 1 kind of diet. Indirect calorimetry and digestion and metabolism tests were performed at the same time. The results were follows: 1) the apparent metabolizable energy (AME) of the five corns were 15.09, 14.18, 14.67, 14.33 and 14.28 MJ/kg DM, respectively; the NE were 10.90, 10.33, 10.82, 10.47 and 10.44 MJ/kg DM, respectively; the NE/AME were 72.17%, 72.84%, 73.71%, 72.99% and 73.11%, respectively. 2) The NE prediction equation of corn is NE=-0.001+0.57×AME+0.606×ether extract (EE)+0.088×crude fiber (CF) (R2=0.987, P<0.01). Cross-validation showed that the NE prediction model of corn for laying hens obtained in this experiment is more accurate, and the NE of corn can be predicted by using this model according to the AME and the contents of EE and CF.

Key words： laying hens; net energy; indirect calorimetry; prediction model

家禽生产中饲料成本约占总成本的70%以上,其中能量原料占饲料成本的60%以上[1-2],提高饲料能量利用效率是降低生产成本的关键。采用精准能量体系测定饲料原料有效能值对于优化配方和降低成本有重要意义。饲料中可被动物机体利用的能量被称为有效能,代谢能(ME)体系是家禽生产中普遍采用的能量体系,研究表明ME系统高估了粗蛋白质(CP)和粗纤维(CF)的能量利用率,低估了粗脂肪(EE)和淀粉(Starch)的能量利用率[3]。净能(NE)体系因其考虑了不同类型饲粮的热增耗(HI),所以对于评定饲料原料有效能值和家禽能量营养需求更为精准。因此,准确评定蛋鸡饲料原料NE值并构建基于理化指标的预测模型对于饲料原料的高效利用及蛋鸡产业的可持续发展具有重要意义。
饲料原料因品种、种植地区、储存条件、加工工艺等因素不同而致使其营养成分含量和有效能值存在较大差异,造成动物从饲料原料中获得的能量和养分量不同,从而给预测饲粮能值和制定精准的饲粮配方带来困难[4]。玉米营养成分变异与玉米的来源存在显著相关关系,玉米营养成分的变异是影响玉米有效能值的主要因素,而玉米的有效能值的除了与玉米营养成分和可消化性有关外,还与试验动物品种、年龄、生理状况、生长环境、饲养管理、饲料加工等因素有关[5]。杨霞[6]测得不同地区10个玉米样品的鸡表观代谢能(AME)范围为14.19~15.03 MJ/kg DM。近年来也有不少研究测定了玉米在不同家禽中的有效能值,班志彬等[7]测定了不同类型玉米的34周龄海兰褐蛋鸡的有效能值,结果表明3种正常玉米和2种陈化玉米的有效能值均存在显著差异,差值为1 MJ/kg DM;鲁继峰[8]指出不同来源玉米的营养成分和肉鸭ME均存在较大差异。前人的报道多是对玉米ME及其预测方程的研究,但有关玉米NE评价并建立预测方程的研究鲜有报道。因此,本试验以不同地区玉米为研究对象,通过间接测热法结合套算法测定其在产蛋高峰期海兰褐蛋鸡饲粮中的有效能值,并基于理化指标构建其NE预测模型,以期为优化家禽饲粮配方及建立饲料原料NE数据库提供基础数据。

1 材料与方法

1.1 试验材料及饲粮

本试验所用的5种待测玉米分别产自内蒙古呼和浩特(玉米1)、吉林伊通(玉米2)、黑龙江哈尔滨(玉米3)、吉林公主岭(玉米4)和河北涿州(玉米5),其理化指标见表1。试验饲粮为1种基础饲粮和5种待测饲粮,其中基础饲粮的配制参照《海兰褐商品代蛋鸡2021新版饲养管理手册》中的营养需求建议,待测饲粮为待测玉米以30%的比例替代基础饲粮中的供能原料(包括玉米、豆粕和氨基酸)。试验饲粮组成和营养水平分别见表2和表3。
表1 玉米理化指标(风干基础)

Table 1 Physical and chemical indicators of corn (air-dry basis)

项目
Items		 玉米1
Corn 1		 玉米2
Corn 2		 玉米3
Corn 3		 玉米4
Corn 4		 玉米5
Corn 5		 平均值
Mean		 变异系数
CV/%
干物质 DM/% 88.67 90.11 86.75 89.39 87.40 88.46 1.57
粗蛋白质 CP/% 6.76 6.83 6.79 6.92 6.93 6.85 1.08
粗脂肪 EE/% 3.16 3.18 3.26 3.11 3.12 3.16 1.93
粗灰分 Ash/% 1.02 0.98 1.58 1.04 1.33 1.19 21.72
淀粉 Starch/% 70.88 70.45 66.57 70.91 67.58 69.28 2.96
粗纤维 CF/% 1.57 1.74 1.47 1.51 1.20 1.50 13.08
中性洗涤纤维 NDF/% 1.21 1.53 2.60 1.41 1.92 1.73 31.66
酸性洗涤纤维 ADF/% 2.99 3.20 3.23 3.14 3.06 3.12 3.17
总能 GE/(MJ/kg) 16.25 16.48 16.08 16.25 16.16 16.26 0.96
容重 Unit weight/(g/L) 686.50 786.50 712.00 768.00 733.00 737.20 5.51
表2 试验饲粮组成(风干基础)

Table 2 Composition of experimental diets (air-dry basis)%

原料
Ingredients		 基础饲粮
Basal diet		 待测饲粮
Tested diet
玉米 Corn 63.55 41.98
豆粕 Soybean meal 24.64 16.28
待测玉米 Tested corn 30.00
DL-蛋氨酸 DL-Met 0.17 0.11
L-色氨酸 L-Try 0.02 0.01
石粉 Limestone 8.62 8.62
磷酸氢钙 CaHPO4 2.12 2.12
食盐 NaCl 0.50 0.50
预混料 Premix 0.28 0.28
氯化胆碱
Choline chloride (50%)		 0.10 0.10
合计 Total 100.00 100.00

预混料为每千克饲粮提供 The premix provided the following per kg of diets: VA 8 500 IU,VD3 2 400 IU,VB1 1.20 mg,VB2 3.6 mg,VB6 1.2 mg,VE 20 IU,VB12 12 μg,VK3 2.4 mg,泛酸 pantothenic acid 10 mg,叶酸 folic acid 0.5 mg,烟酸 folic acid 26.7 mg,胆碱 choline 450 mg,Cu 8 mg,Fe 64 mg,Mn 64 mg,Zn 48 mg,I 0.45 mg,Se 0.3 mg。

表3 试验饲粮营养水平(风干基础)

Table 3 Nutrient levels of experimental diets (air-dry basis)%

项目
Items		 基础饲粮
Basal diet		 待测饲粮 Tested diets1)
1 2 3 4 5
干物质 DM 87.72 87.12 88.09 84.07 87.64 87.03
粗蛋白质 CP 16.51 16.34 15.52 15.33 15.31 16.06
粗脂肪 EE 2.33 2.65 2.55 2.77 2.46 2.79
粗灰分 Ash 14.78 9.18 13.32 7.63 9.86 9.12
粗纤维 CF 2.25 2.50 2.07 1.92 3.28 2.33
中性洗涤纤维 NDF 6.03 6.05 6.31 5.24 7.23 6.03
酸性洗涤纤维 ADF 2.9 2.6 2.6 2.5 2.9 3.0
总能 GE/(MJ/kg) 14.46 14.52 14.37 14.26 14.53 14.71
淀粉 Starch 40.76 46.85 45.36 47.64 45.99 46.92
钙 Ca 0.44 0.28 0.46 0.26 0.35 0.32
磷 P 0.73 0.55 0.69 0.53 0.59 0.56
所提供能量在饲粮总能中的占比 Proportion of energy provided in the gross energy of diet
a2) 100.00 65.90 65.54 66.39 65.72 66.22
b3) 0.00 29.88 30.22 29.42 30.05 29.58

1)待测饲粮1~5分别为用玉米1~5以30%的比例替代基础饲粮的供能原料后所得的试验饲粮。Tested diets 1 to 5 were the experimental diets which were obtained by replacing the energy part of the basal diet with 30% of corn raw materials 1 to 5, respectively.

2)a代表基础饲粮中的供能原料所提供的能量在饲粮总能中的占比。a represents the proportion of energy provided by energy-supplying raw materials in the basal diet in the gross energy of diets

3)b代表待测原料所提供的能量在饲粮总能中的占比。b represents the proportion of energy provided by the tested raw material in the gross energy of diets.

1.2 试验设计

本试验采用间接测热法结合套算法测定NE,试验设计为完全随机设计,选取72只初始体重和产蛋率相近、健康状况良好的54周龄产蛋期海兰褐蛋鸡,随机分为6组,每组6个重复,每个重复2只鸡。每组对应1种饲粮,试验分预试期和正试期,试验鸡在鸡舍内笼养预饲10 d,正试期12 d,正试期分为3期,每期4 d(适应1 d,呼吸测热3 d)。每期从每组中分别选择4只试验鸡,转入12室呼吸测热装置适应1 d后进行呼吸测热3 d,每个代谢室2只鸡,每2个代谢室对应1种试验饲粮,呼吸测热期间试验鸡初始体重和终末体重的平均值作为体重数据使用,间接测热和消化代谢试验同时进行,试验鸡使用1次后淘汰,下期试验选择每组中剩余试验鸡,重复上述过程。

1.3 饲养管理和样品采集

本试验在吉林省农业科学院动物营养与饲料研究所和中国农业大学动物科学技术学院共建的家禽能量营养联合研究中心进行。试验期间试验鸡舍饲笼养,全程自由采食和饮水,鸡舍环境温度设定在(20±1) ℃,相对湿度为60%~70%,光照时间均为17.5 h光照+6.5 h黑暗(22:00关灯,次日04:30开灯)、光照强度均为20 lx。试验正试期采集试验鸡呼吸代谢等数据,计算产热量。正试期开始和结束时分别记录试验鸡的初始体重、终末体重。呼吸测热期间每天定时开启呼吸测热装置代谢仓记录采食量,并采用全收粪法收集正试期肉鸡3 d的粪便,喷洒10%稀盐酸固氮,将每日收集的粪样置于-20 ℃冰箱中保存;试验结束后,将3 d收集的粪便混合均匀,放入65 ℃烘箱中烘72 h,室温下回潮24 h后称重,粉碎过40目筛,装入已标记好的自封袋留样备用。

1.4 指标检测及方法

饲料原料、试验饲粮及粪样中水分、粗蛋白质、粗脂肪、粗灰分(Ash)、粗纤维、淀粉、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、钙(Ca)和磷(P)含量分别根据GB/T 6435—2014、GB/T 6432—2018、GB/T 6433—2006、GB/T 6438—2007、GB/T 6434—2006、GB/T 20194—2018、GB/T 20806—2006、NY/T 1459—2007、GB/T 13885—2017和GB/T 6437—2018方法进行测定,总能(GE)按照国际标准ISO9831:1998推荐的方法,采用氧弹测热仪(IKA-C3000,德国)进行测定。

1.5 计算公式

饲粮有效能值参考文献[9]中的公式进行计算:
总能摄入量(GEI,MJ)=饲粮总能(MJ/kg)×采食量(kg);
排泄总能(GEE,MJ)=粪能(MJ/kg)×排粪量(kg);
AME摄入量(AMEI,MJ)=总能摄入量(MJ)-排泄总能(MJ);
AME(MJ/kg)=AME摄入量(MJ)/采食量(kg);
氮沉积量(RN,g)=氮摄入量(g)-氮排出量(g);
氮校正表观代谢能(AMEn,MJ/kg)=AME(MJ/kg)-RN(kg)×34.39(MJ)。
NE(MJ/kg)=[AME摄入量(MJ)-热增耗(MJ)]/采食量(kg)。
式中:RN为家禽每采食l kg饲粮所沉积氮量(kg),34.39表示每沉积1 kg氮用34.39 MJ进行校正;采食量、排粪量、氮排出量均为每重复平均每天每只的量(干物质基础)。
总产热量(THP)参考文献[10]中的公式计算:
总产热量(kJ)=16.175 3×氧气消耗量(VO2,L)+5.020 8×二氧化碳排出量(VCO2,L)。
绝食产热量(FHP)参考文献[11]中的公式计算:
绝食产热量(kJ)=代谢体重(BW0.75,kg)×370(kJ/kg BW0.75)。
参考文献[9]中的公式对下列能量代谢指标进行计算:
呼吸熵(RQ)=二氧化碳排出量(L)/氧气消耗量(L);
热增耗(kJ)=总产热量(kJ)-绝食产热量(kJ);
沉积能(RE,kJ)=AME摄入量(kJ)-总产热量(kJ);
蛋白质沉积能(REprot,MJ)=氮沉积量(g)×6.25×23.84;
脂肪沉积能(REfat,MJ)=沉积能(MJ)-蛋白质沉积能(MJ)。
根据Barzegar等[12]的公式计算待测原料有效能值:
待测原料的有效能值=(试验饲粮有效能值-基础饲粮有效能值×a)/b。
式中:a为基础饲粮的供能原料部分在试验饲粮中所占的比例(%);b为待测原料在试验饲粮中所占的比例(%)。

1.6 数据统计与分析

原始数据采用Excel 2016进行基础处理,然后采用SPSS 23.0软件进行单因素方差分析(one-way ANOVA),并采用Duncan氏法对差异显著的数据进行多重比较,显著性水平定为P<0.05。对玉米原料的常规理化指标与蛋鸡对其的有效能值进行相关性分析,逐步回归建立有效能值预测模型,以F<0.10为步入标准。

2 结果与分析

2.1 玉米的营养成分含量

本试验中,5种待测玉米中粗蛋白质、粗脂肪、粗灰分、粗纤维、中性洗涤纤维、酸性洗涤纤维、淀粉含量以及容重、总能的平均值分别6.85%、3.16%、1.19%、1.50%、1.73%、3.12%、69.28%、737.20 g/L和16.26 MJ/kg(表1)。5种待测玉米的粗蛋白质含量均在6.70%以上,粗纤维、粗灰分以及中性洗涤纤维含量的变异系数均大于10%,以中性洗涤纤维含量的变异系数最大,达到了31.66%,说明该试验所用的不同来源玉米之间主要营养成分含量差异较大,具有一定代表性。

2.2 不同饲粮对蛋鸡生产性能和能量代谢的影响

不同饲粮对蛋鸡生产性能的影响见表4。由表4可知,各组蛋鸡初始体重、终末体重、采食量、产蛋率和料蛋比之间均无显著差异(P>0.05),其中采食量和产蛋率与试验预试期的差异较小,说明呼吸测热期间试验鸡生理状态正常。
表4 不同饲粮对蛋鸡生产性能的影响

Table 4 Effects of different diets on performance of laying hens

项目
Items		 基础饲粮
Basal diet		 待测饲粮 Tested diets SEM P值
P-value
1 2 3 4 5
初始体重 IBW/g 1 957.17 1 873.50 1 982.33 1 847.25 1 859.25 1 870.42 19.02 0.188
终末体重 FBW/g 1 991.33 1 978.50 2 054.42 1 944.17 1 936.17 1 943.50 16.50 0.300
采食量 FI/(g DM/d) 112.45 117.98 119.61 119.43 111.50 106.69 2.97 0.789
产蛋率 Laying rate/% 91.67 94.44 91.67 88.89 86.11 91.67 1.40 0.652
料蛋比 Feed/egg ratio 2.31 2.33 2.49 2.68 2.54 2.20 0.06 0.313

同行数据肩标无字母或相同字母表示差异不显著(P>0.05),不同小写字母表示差异显著(P<0.05)。下表同。

In the same row, values with no letter or the same letter superscripts mean no significant difference (P>0.05), while with different small letter superscripts mean significant difference (P<0.05). The same as below.

不同饲粮对蛋鸡能量代谢的影响见表5。由表5可知,在代谢体重条件下,各组蛋鸡的总产热量、热增耗和沉积能之间均无显著差异(P>0.05)。基础饲粮组和待测饲粮2组蛋鸡的氮排出量显著高于待测饲粮3组(P<0.05),其他指标各饲粮组均无显著差异(P>0.05)。在有效能值及能量转化效率上,各饲粮组的有效能值无显著差异(P>0.05),待测饲粮3组的NE/AME和NE/AMEn显著高于其他4个待测饲粮组(P<0.05)。
表5 不同饲粮对蛋鸡能量代谢的影响

Table 5 Effects of different diets on energy metabolism of laying hens

项目
Items		 基础饲粮
Basal diet		 待测饲粮 Tested diets SEM P值
P-value
1 2 3 4 5
能量平衡 Energy balance/[kJ/(kg BW0.75·d)]
总产热量 THP 497.69 504.80 505.60 512.27 498.85 486.85 3.51 0.419
热增耗 HI 127.69 134.86 135.60 142.27 128.85 116.85 3.51 0.419
沉积能 RE 393.27 449.97 406.35 469.07 399.62 365.94 21.46 0.780
总能摄入量 GEI 993.81 1 071.05 1 031.54 1 069.82 1 020.13 986.20 24.45 0.889
表观代谢能摄入量 AMEI 781.55 831.85 803.33 864.26 787.42 742.19 21.87 0.708
净能摄入量 NEI 653.86 696.99 667.73 721.99 658.57 625.34 18.40 0.748
蛋白质沉积能 REprot 146.23 189.22 154.76 193.25 150.87 137.59 7.26 0.112
脂肪沉积能 REfat 33.65 33.05 26.06 26.45 53.04 57.21 15.38 0.977
氮平衡 Nitrogen balance/(g/d)
氮摄入量 Nitrogen intake 3.42 3.59 3.41 3.35 3.14 3.09 0.09 0.605
氮排出量 Nitrogen output 1.78a 1.52ab 1.65a 1.25b 1.50ab 1.58ab 0.05 0.047
氮沉积量Retained nitrogen 1.64 2.07 1.77 2.10 1.64 1.51 0.08 0.210
有效能值 Effective energy value/(MJ/kg DM)
表观代谢能 AME 13.19 13.20 12.93 13.28 12.97 12.95 0.08 0.754
氮校正表观代谢能 AMEn 13.13 13.13 12.87 13.21 12.91 12.90 0.08 0.762
净能 NE 9.68 9.63 9.47 9.77 9.51 9.50 0.06 0.737
能量转化效率 Energy conversion efficiency/%
表观代谢能/总能 AME/GE 79.96 79.19 79.25 82.01 78.23 76.63 0.55 0.107
净能/表观代谢能 NE/AME 73.70ab 73.38c 73.56bc 73.97a 73.59cb 73.60bc 0.05 0.006
净能/氮校正表观代谢能
NE/AMEn		 73.38ab 72.99c 73.21b 73.57a 73.27b 73.31b 0.24 <0.001

2.3 不同玉米的有效能值和能量转化效率

由表6可知,5种玉米的AME分别为15.09、14.18、14.67、14.33和14.28 MJ/kg DM,AMEn分别为14.98、14.10、14.57、14.27和14.23 MJ/kg DM,NE分别为10.90、10.33、10.82、10.47和10.44 MJ/kg DM,5种玉米的有效能值之间均无显著差异(P>0.05)。5种玉米的NE/AME分别为72.17%、72.84%、73.71%、72.99%和73.11%,玉米2和玉米4均与玉米1和玉米3存在显著差异(P<0.05);玉米3的NE/AMEn显著高于另外4种玉米(P<0.05),但这4种玉米的NE/AMEn并无显著差异(P>0.05)。
表6 不同玉米的有效能值和能量转化效率(干物质基础)

Table 6 Effective energy value and energy conversion efficiency of different corns (DM basis)

项目
Items		 玉米 Corns SEM P值
P-value
1 2 3 4 5
有效能值 Effective energy value/(MJ/kg DM)
表观代谢能 AME 15.09 14.18 14.67 14.33 14.28 0.58 0.772
氮校正表观代谢能 AMEn 14.98 14.10 14.57 14.27 14.23 0.24 0.797
净能 NE 10.90 10.33 10.82 10.47 10.44 0.19 0.858
能量转化效率 Energy conversion efficiency/%
表观代谢能/总能 AME/GE 82.36 77.53 79.14 78.42 77.23 1.33 0.765
净能/表观代谢能 NE/AME 72.17c 72.84b 73.71a 72.99b 73.11ab 0.12 0.001
净能/氮校正表观代谢能 NE/AMEn 72.94b 72.72b 73.24a 74.23b 73.30b 0.14 0.018

2.4 玉米营养成分含量与有效能值相关性分析及NE预测方程

玉米营养成分含量与有效能值相关性分析结果见表7。玉米NE与粗脂肪含量、AME和AMEn存在极显著的正相关(P<0.01),与粗纤维含量存在显著的正相关(P<0.05)。玉米粗蛋白质含量与粗灰分、中性洗涤纤维含量和总能存在极显著的正相关性(P<0.01),与淀粉含量存在极显著的负相关(P<0.01)。玉米粗脂肪含量与粗灰分、中性洗涤纤维、酸性洗涤纤维含量及总能存在极显著的正相关(P<0.01),与淀粉含量存在极显著的负相关(P<0.01)。玉米粗纤维含量与酸性洗涤纤维含量存在极显著的正相关(P<0.01)。玉米淀粉含量与总能存在极显著的负相关(P<0.01),与AME和AMEn存在显著的正相关(P<0.05)。AME与AMEn存在极显著的正相关(P<0.01)。
表7 玉米营养成分含量与有效能值相关性分析

Table 7 Correlation analysis between nutrient content and effective energy value of corns

项目
Items		 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		 淀粉
Starch		 总能
GE		 表观
代谢能
AME		 氮校正
表观
代谢能
AMEn		 净能
NE
粗蛋白质 CP 1.000
粗脂肪 EE 0.399* 1.000
粗灰分 Ash 0.770** 0.890** 1.000
粗纤维 CF -0.331 0.442* 0.169 1.000
中性洗涤纤维 NDF 0.648** 0.891** 0.955** 0.281 1.000
酸性洗涤纤维 ADF 0.171 0.592** 0.543** 0.544** 0.761** 1.000
淀粉 Starch -0.649** -0.703** -0.830** 0.020 -0.917** -0.746** 1.000
总能 GE 0.796** 0.841** 0.968** -0.049 0.891** 0.393* -0.824** 1.000
表观代谢能 AME -0.213 0.340 0.086 0.321 -0.091 -0.414* 0.391* 0.106 1.000
氮校正表观代谢能
AMEn		 -0.189 0.324 0.086 0.295 -0.100 -0.440* 0.400* 0.109 0.999** 1.000
净能 NE -0.023 0.575** 0.352 0.456* 0.192 -0.172 0.152 0.331 0.955** 0.952** 1.000

*和**分别表示相关性显著(P<0.05)和极显著(P<0.01)。

* and ** mean the correlation was significant (P<0.05) and extremely significant (P<0.01), respectively.

基于玉米理化指标的NE预测方程见表8,其预测方程3(NE=-0.001+0.57×AME+0.606×粗脂肪+0.088×粗纤维)的决定系数(R2)最高,为0.987。玉米在蛋鸡饲粮中NE预测方程的精准性和适用性结果见表9、表10和表11,与Barzegar等[13]的预测方程进行精准性和适应性比较,差值最小为0.24 MJ/kg DM,精准度较高。
表8 玉米净能逐步回归预测方程(干物质基础)

Table 8 Prediction equation of NE of corn by stepwise regression (DM basis)

编号
No.		 预测方程
Prediction equation		 决定系数
R2		 P值
P-value
1 净能=5.727+1.359×粗脂肪 0.331 <0.01
2 净能=-0.215+0.58×表观代谢能+0.67×粗脂肪 0.983 <0.01
3 净能=-0.001+0.57×表观代谢能+0.606×粗脂肪+0.088×粗纤维 0.987 <0.01
表9 玉米净能预测值与实测值比较(干物质基础)

Table 9 Comparison of predicted value and measured value of NE of corn (DM basis)

项目
Items		 玉米 Corns 平均值
Mean
1 2 3 4 5
实测值 Measured value/(MJ/kg DM) 10.90 10.33 10.82 10.47 10.44 10.59
预测值 Predicted value/(MJ/kg DM) 10.91 10.37 10.81 10.43 10.42 10.59
差值 Difference/(MJ/kg DM) 0.01 0.04 0.01 0.04 0.02 0.00
相对标准偏差 RSD/% 0.04 0.27 0.07 0.26 0.12 0.03
表10 玉米净能值的验证

Table 10 Verification of corn NE value

玉米
Corns		 预测方程[13] 营养成分 Nutrients* 预测值
Predicted
value/
(MJ/kg DM)		 实测值
Measured
value/
(MJ/kg DM)		 相对标
准偏差
RSD/%
粗蛋白质
CP/% DM		 粗脂肪
EE/% DM		 表观代谢能
AME/
(MJ/kg DM)
1 净能=0.781×表观代
谢能-11×粗蛋白质+
16.4×粗脂肪		 7.62 3.56 15.10 9.10 10.90 12.74
2 7.58 3.53 14.18 10.97 10.33 4.24
3 7.83 3.76 14.57 11.35 10.82 3.41
4 7.74 3.48 14.33 11.07 10.47 3.97
5 7.93 3.57 14.28 11.03 10.44 3.90

*数据来源于本试验结果。

* Data from the results of this experiment.

表11 玉米净能预测方程适应性验证

Table 11 Adaptability verification of corn NE prediction equation

原料
Ingredient		 营养成分 Nutrients[14] 预测值1
Predicted
value 1/
(MJ/kg DM)		 预测值2
Predicted
value 2/
(MJ/kg DM)		 差值
Difference/
(MJ/kg DM)		 相对标
准偏差
RSD/%
粗蛋白质
CP/% DM		 粗脂肪
EE/% DM		 表观代谢能
AME/
(MJ/kg DM)
10.93 3.60 14.79 10.61 11.29 0.68 4.41
9.88 6.16 15.15 12.37 11.80 0.57 3.32
10.12 4.19 14.98 11.08 11.52 0.44 2.78
9.30 4.19 14.96 11.06 11.54 0.48 2.98
玉米 Corn 10.93 4.07 14.89 10.95 11.40 0.45 2.86
10.30 3.90 13.31 9.95 10.18 0.24 1.66
8.50 5.30 13.60 10.96 10.59 0.37 2.43
9.30 3.70 13.56 9.97 10.41 0.44 3.07
8.40 3.40 13.47 9.74 10.37 0.63 4.44

预测值1为本试验所得预测方程3(净能=-0.001+0.57×表观代谢能+0.606×粗脂肪+0.088粗纤维)的预测结果,预测值2为Barzegar等[13]的预测方程(净能=0.781×表观代谢能-11×粗蛋白质+16.4×粗脂肪)的预测结果。

The predicted value 1 is the prediction result of the prediction equation 3 obtained in this experiment (NE=-0.001+0.57×AME+0.606×EE+0.088×CF), and the predicted value 2 is the prediction result of prediction equation (NE=0.781×AME-11×CP+16.4×EE) from Barzegar, et al[13].

3 讨论

3.1 玉米的营养成分含量

玉米在饲粮中占比高达60%以上,是畜禽能量饲料的主要来源。根据GB 1353—2018,玉米按照颜色可分为黄玉米、白玉米和混合玉米,以容重为定质指标可分为5个合格等级和1个等外等级[15]。本试验的5种待测玉米均为黄玉米,容重变幅为686.5~786.5 g/L,有3种达到了1级。张玉萍等[5]通过对47个玉米品种常规理化指标进行变异分析,发现粗蛋白质含量的变幅为6.68%~11.66%,平均值为8.5%。鲁继峰[8]通过对15种不同来源玉米营养成分分析得出,粗脂肪含量变幅为2.82%~4.04%,变异系数为10.60%,平均值为3.38%,总淀粉含量平均值为72.34%,变异系数为1.84%。变异系数越大说明其受环境的影响越大,遗传多样性也更加丰富。本试验中,玉米中粗灰分、粗纤维以及中性洗涤纤维含量的变异系数均大于10%,总能和淀粉含量的变异系数较小,与上述研究结果相近。淀粉含量变异系数较小的原因可能是淀粉在玉米中含量最高且较稳定,主要分布在胚乳层中[16],不易受到环境的影响。本试验中,5种待测玉米的营养成分含量均在前人研究结果范畴内,具有较好的代表性。

3.2 不同饲粮对蛋鸡能量代谢的影响

本研究中的试验饲粮AME为12.95~13.28 MJ/kg DM,NE为9.47~9.77 MJ/kg DM,与宁冬[17]的研究结果相近;基础饲粮组和待测饲粮2组蛋鸡氮排出量显著高于待测饲粮3组,与Liu等[18]的研究结果相似,这可能与原料的营养成分有关。Liu等[18]的研究表明,蛋鸡对甜玉米饲粮的AME和NE显著高于其他3种玉米试验饲粮;刘伟[19]比较了全基础饲粮替代法和基础饲粮中能量类原料替代法对玉米AME的影响,结果显示基础饲粮的AME和2种替代方法试验饲粮的AME存在显著的差异,2种试验饲粮的AME也存在显著的差异;Moscoso-Muñoz等[20]指出,基础饲粮和玉米待测饲粮对肉仔鸡的AME有显著影响;Oblet等[21]研究指出,营养组成不同的饲粮,其热增耗也有所不同,导致NE/AME有所差异。由上述研究结果可知,饲粮有效能值除了与饲粮类型和营养成分含量有关外,还与试验方法、试验鸡品种与日龄和饲养管理等多种因素有关,所以试验饲粮有效能值差异较大。

3.3 玉米的有效能值

本试验采用套算法结合间接测热法,测得5种玉米的AME分别为15.09、14.18、14.67、14.33和14.28 MJ/kg DM,NE分别为10.90、10.33、10.82、10.47和10.44 MJ/kg DM,NE/AME分别为72.17%、72.84%、73.71%、72.99%和73.11%。Liu等[18]通过替代比例为50%的全替代法和间接测热法测定海兰褐蛋鸡对2种玉米的有效能值,AME分别为14.58和15.05 MJ/kg DM,NE分别为10.77和11.27 MJ/kg DM,NE/AME分别为74.4%和73.3%,其中1种玉米的有效能值和NE/AME与本试验结果数值相近。饲料原料有效能值测定受蛋鸡周龄、品种等因素影响。班志彬等[7]研究表明,34周龄产蛋期海兰褐蛋鸡玉米的AME为15.85~16.19 MJ/kg DM,NE为12.25~12.57 MJ/kg DM,NE/AME为75.75%~79.29%;刘伟[19]以28周龄的海兰褐蛋鸡为试验对象,通过能量替代方法得出的玉米AME为15.48 MJ/kg DM;宁冬[17]以矮小型粉壳蛋鸡为试验动物,测得玉米AME和NE分别为14.48和9.41 MJ/kg DM,NE/AME为65.25%;王旭莉[22]通过白来航蛋鸡估测玉米的有效能值,测得玉米的AME和NE分别为14.70和11.97 MJ/kg DM,NE/AME为81%。上述研究结果均与本试验结果存在差异,说明蛋鸡品种对饲料原料有效能值产生了影响,这可能是不同的蛋鸡品种之间的内源能存在显著差异,以及消化酶分泌能力和肠上皮细胞更新能力存在差异造成的[23]。
饲料原料的有效能值与其营养成分有关,饲粮中供能的主要成分为碳水化合物、脂肪和蛋白质。本试验中,在NE/AME上玉米2(吉林伊通玉米)和玉米4(吉林公主岭玉米)均分别与玉米1(内蒙古呼和浩特玉米)和玉米3(黑龙江哈尔滨玉米)存在显著差异。玉米3(黑龙江哈尔滨玉米)的NE/AMEn显著高于另外4种玉米的NE/AMEn,这可能与玉米的营养成分相关。Latshaw等[24]研究表明,蛋白质或粗纤维作为能量来源时会产生更多的热增耗,降低NE/AME;Jørgensen等[25]研究表明,饲粮中NDF和ADF含量较高会降低其他营养物质的消化率,并且动物会因肠道蠕动和排泄物的增加而增加机体能量消耗,进而影响ME的利用效率;Barzegar等[26]试验指出,蛋鸡饲粮脂肪水平与NE/ME呈显著的正相关,而饲粮蛋白质水平与NE/ME呈显著的负相关;Cerrate等[27]通过改变饲粮粗蛋白质、粗脂肪和纤维水平观察到NE/ME的变化幅度为59.0%~77.4%。以上研究均证明饲料营养成分不同可影响其能量利用效率。试验方法对饲料原料有效能值的影响主要在替代比例等方面,因为使用替代法时默认替代的原料与被替代饲粮之间没有任何相互作用,所以试验饲粮养分消化和能量代谢的差异全部由原料替代部分造成;但不同原料之间通常会存在不同程度的协同或拮抗作用,甚至存在剂量效应,使基础饲粮和试验饲粮之间有效能值变化不仅仅由替代原料部分引起,而使用替代法计算待测原料有效能值时将2种饲粮的能值差异全部计算到待测原料上,所以替代比例的不同会影响待测原料和基础饲粮之间的相互作用效果,进而影响待测原料有效能值测定。

3.4 玉米NE的预测方程

近年来,因饲料原料有效能值的直接测定比较复杂繁琐,而基于饲料原料常规理化指标通过逐步回归来建立饲料原料有效能值预测模型对有效能值进行预测更方便快捷。有效能值预测模型的建立一般先将有效能值与常规理化指标进行相关性分析,然后将与有效能值具有显著相关性的指标作为主要预测因子依次引入模型中建立出预测方程。本试验中,从玉米NE与常规营养成分含量的相关性分析可以看出NE分别与粗脂肪、粗纤维含量和AME、AMEn存在显著或极显著正相关,与宁然[28]的研究结果一致。粗脂肪、粗纤维含量和AME与NE的相关系数较高,因此本试验主要以此3个指标作为NE预测方程的主要预测因子。利用回归法建立基于理化指标的玉米NE预测方程,在家禽饲料原料营养价值评价研究中有部分报道,Carré等[3]、桓宗锦[29]、申攀[30]以不同家禽为试验动物建立了玉米NE预测方程,其中多数预测方程引入粗蛋白质、粗脂肪和粗纤维含量作为预测因子,少数引入AME作为预测因子。本试验中,随着引入AME和预测因子个数的增加,R2由0.331增加到了0.987,进一步增加了NE预测方程的拟合度。Barzegar等[13]利用4种主要原料构建了16种营养水平不同的饲粮,多元线性回归获得了蛋鸡饲粮和原料的NE预测方程:NE=0.781×AME-11×粗蛋白质+16.4×粗脂肪。本试验利用5种不同来源玉米获得的NE预测方程为NE=-0.001+0.57×AME+0.606×粗脂肪+0.088×粗纤维,与上述预测方程的预测因子个数相等且均引入了AME和粗脂肪,不同之处在于本试验引入的第3个预测因子为粗纤维而非粗蛋白质,这可能与试验的方法不同有关。NE是直接由AME扣除热增耗后得到的,因此AME是预测NE的关键因子。粗脂肪是一种重要的供能物质,是饲料中单位质量能值最高的组分,理应是有效能值重要的有贡献的因子,用粗脂肪含量来对NE进行预测也较合理。事实上,自20世纪40年代以来,在猪上就已开始用纤维指标来对饲料有效能值进行评定,纤维因子对饲料有效能值预测具有重要的意义[29]。粗蛋白质含量也是构成饲料有效能值的因素,已有大量的研究表明粗蛋白质也是较好的有效能值预测因子[3,13,28]。但是在本试验中NE与粗蛋白质含量的相关性不显著,所以并未被引入到预测方程中,其原因可能为:首先,本试验所用的5种玉米的粗脂肪、淀粉和粗蛋白质含量相对较高,NE与粗脂肪和淀粉含量所呈现的正相关作用可能对NE与粗蛋白质含量所呈现的负相关存在一定的掩盖效应;其次,玉米的粗蛋白质含量不高,且不同玉米间含量差异不大(变异系数为1.08%)。
预测方程的准确性需要通过交叉验证来进行验证,即将文献中的预测因子带入到试验获得的预测方程中后得到预测值,再将预测值与文献中的实测值进行比较可初步验证预测方程的有效性,但这种方法较单一且无法与前人研究所得的模型进行进一步比较。因此,本试验在NE预测方程的验证过程引入了前人研究模型。本试验中,利用本试验获得的NE预测方程对5种待测玉米的NE进行预测,预测平均值为10.59 MJ/kg DM,实测平均值为10.59 MJ/kg DM,平均差值为0.00 MJ/kg,平均相对标准偏差为0.03%。有报道称,试验结果可接受的有效能值的实测值和预测值的相对标准偏差范围为0~5%[31],本试验中最大相对标准偏差为0.27%,所以构建的NE预测方程具有较好的准确性。以Barzegar等[13]得出的预测方程与本试验中的玉米NE实测值和NE预测方程分别进行交叉验证,结果表明,有4种玉米的预测值与实测值的相对标准偏差均小于5%,不同研究方法获得的预测方程对同种玉米NE预测值的相对标准偏差均小于4.5%,说明预测方程均具有较高的精准性,并进一步说明通过不同方法所得的NE预测方程对于同一种原料来说均是适用的。Barzegar等[13]报道的研究方法试验设计复杂、工作量大、周期长,但获得的预测方程通用性较强,既可对原料NE进行预测,又可对饲粮的NE进行预测。本研究所用方法设计简单、工作量小和周期短,但获得数据结果单一,且需要原料样品理化指标有一定梯度。因此,根据不同的研究目的可采用不同的研究方法。

4 结论

① 本试验采用套算法结合间接测热法测得蛋鸡对5种玉米的AME分别为15.09、14.18、14.67、14.33和14.28 MJ/kg DM,NE分别为10.90、10.33、10.82、10.47和10.44 MJ/kg DM,NE/AME分别为72.17%、72.84%、73.71%、72.99%和73.11%。
② 基于理化指标的蛋鸡玉米NE预测方程为:NE=-0.001+0.57×AME+0.606×粗脂肪+0.088×粗纤维(R2=0.987,P<0.01)。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
YANG Y, IJI P A, KOCHER A, et al. Effects of mannanoligosaccharide in broiler chicken diets on growth performance,energy utilisation,nutrient digestibility and intestinal microflora[J]. British Poultry Science, 2008, 49(2):186-194.

DOI

[2]
NOBLET J, DUBOIS S, LASNIER J, et al. Fasting heat production and metabolic BW in group-housed broilers[J]. Animal, 2015, 9(7):1138-1144.

DOI PMID

[3]
CARRÉ B, LESSIRE M, JUIN H. Prediction of the net energy value of broiler diets[J]. Animal, 2014, 8(9):1395-1401.

DOI PMID

[4]
胡杰, 刘岭, 张帅, 等. 影响猪饲料原料有效能值的关键化学成分[J]. 中国科学(生命科学), 2020, 50(9):939-947.

HU J, LIU L, ZHANG S, et al. Key chemical components affecting the available energy of feed ingredients in pigs[J]. Scientia Sinica (Vitae), 2020, 50(9):939-947. (in Chinese)

[5]
张玉萍, 刘国华, 汝应俊, 等. 不同来源玉米的理化性质及肉鸡有效能值变异分析[J]. 甘肃农业大学学报, 2013, 48(4):27-33,39.

ZHANG Y P, LIU G H, RU Y J, et al. The variability of physical and chemistry quality and the available energy of corns from different regions for broilers[J]. Journal of Gansu Agricultural University, 2013, 48(4):27-33,39. (in Chinese)

[6]
杨霞. 采用酶水解物能值估测玉米、玉米DDGS及木薯鸡代谢能的研究[D].硕士学位论文. 北京: 中国农业科学院, 2016.

YANG X. Using enzymatic hydrolyzate gross energy to predict the metabolizable energy of corn,corn DDGS and cassava in roosters[D].Master’s Thesis. Beijing: Chinese Academy of Agricultural Sciences, 2016. (in Chinese)

[7]
班志彬, 张芳毓, 武斌, 等. 产蛋期蛋鸡不同类型玉米净能研究[J]. 动物营养学报, 2020, 32(4):1650-1657.

DOI

BAN Z B, ZHANG F Y, WU B, et al. Study on net energy of different types of corn in laying hens[J]. Chinese Journal of Animal Nutrition, 2020, 32(4):1650-1657. (in Chinese)

[8]
鲁继峰. 不同来源玉米的鸭代谢能和标准回肠氨基酸消化率的评定及淀粉酶改善效果研究[D].硕士学位论文. 成都: 四川农业大学, 2022.

LU J F. Evaluation of metabolizable energy and standardized ileal digestibility of amino acids of corn from different sources and the improvement by amylase in duck[D].Master’s Thesis. Chengdu: Sichuan Agricultural University, 2022. (in Chinese)

[9]
刘永发. 棉籽蛋白原料对肉仔鸡和蛋鸡的有效能评定研究[D].硕士学位论文. 北京: 中国农业大学, 2020.

LIU Y F. Evaluation on the bioavailable energy of cotton seed protein feedstuffs for broilers and laying hens[D].Master’s Thesis. Beijing: China Agricultural University, 2020. (in Chinese)

[10]
BROUWER E. Report of sub-committee on constants and factors[C]// Proceedings of the 3rd Symposium on Energy Metabolism. London: Academic Press,1965:441-443.

[11]
WU S, YANG H, BAN Z, et al. Heat production estimated from fasting layer hens at peak lay[J]. World Poult Congress, 2016, 25:197.

[12]
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

[13]
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 PMID

[14]
熊本海, 罗清尧, 赵峰, 等. 中国饲料成分及营养价值表 (2021年第32版) 制订说明[J]. 中国饲料, 2021(23):97.

XIONG B H, LUO Q Y, ZHAO F, et al. Introduction of tables of feed composition and nutritive values in China (2021 thirty-second edition)[J]. China Feed, 2021(23):97. (in Chinese)

[15]
中华人民共和国国家市场监督管理总局, 中国国家标准化管理委员会. 玉米:GB 1353—2018[S]. 北京: 中国标准出版社, 2018.

State Administration for Market Regulation, Standardization Administration of the People’s Republic of China. Maize:GB 1353—2018[S]. Beijing: Standards Press of China, 2018. (in Chinese)

[16]
JANE J L. Structure of starch granules[J]. Journal of Applied Glycoscience, 2007, 54(1):31-36.

DOI

[17]
宁冬. 蛋鸡饲料原料净能值的评定及其应用[D].博士学位论文. 北京: 中国农业大学, 2013.

NING D. Evaluation and application of net energy values of feedstuffs for laying hens[D].Ph.D.Thesis. Beijing: China Agricultural University, 2013. (in Chinese)

[18]
LIU W, YAN X G, YANG H M, et al. Metabolizable and net energy values of corn stored for 3 years for laying hens[J]. Poultry Science, 2020, 99(8):3914-3920.

DOI

[19]
刘伟. 肉鸡饲料净能测定方法及其应用的研究[D].博士学位论文. 北京: 中国农业科学院, 2017.

LIU W. Determination method of feed net energy and its application for broilers[D].Ph.D.Thesis. Beijing: Chinese Academy of Agricultural Sciences, 2017. (in Chinese)

[20]
MOSCOSO-MUÑOZ J E, GOMEZ-QUISPE O, GUEVARA-CARRASCO V. Contenido de energía metabolizable y energía neta del maíz,subproducto de trigo,harina de soya,harina de pescado y aceite de soya para pollos de carne[J]. Scientia Agropecuaria, 2020, 11(3):335-344.

DOI

[21]
NOBLET J, 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.

DOI PMID

[22]
王旭莉. 蛋鸡玉米和豆粕净能值的测定及其净能体系的应用[D].硕士学位论文. 杨凌: 西北农林科技大学, 2010.

WANG X L. Measurement on net energy value of corn and soybean meal and application of net energy system for laying hens[D].Master’s Thesis. Yangling: Northwest A&F University, 2010. (in Chinese)

[23]
马宁. 蛋鸡品种与谷物水分对玉米、小麦代谢能值影响的研究[D].硕士学位论文. 泰安: 山东农业大学, 2016.

MA N. A study on the influence of laying hen breeds and moisture of grains on metabolizable energy of corn and wheat[D].Master’s Thesis. Tai’an: Shandong Agricultural University, 2016. (in Chinese)

[24]
LATSHAW J D, MORITZ J S. The partitioning of metabolizable energy by broiler chickens[J]. Poultry Science, 2009, 88(1):98-105.

DOI PMID

[25]
JØRGENSEN H, ZHAO X Q, KNUDSEN K E, et al. The influence of dietary fibre source and level on the development of the gastrointestinal tract,digestibility and energy metabolism in broiler chickens[J]. British Journal of Nutrition, 1996, 75(3):379-395.

DOI

[26]
BARZEGAR S, WU S B, CHOCT M, et al. Implementation of net energy evaluating system in laying hens:validation by performance and egg quality[J]. Poultry Science, 2020, 99(5):2624-2632.

DOI

[27]
CERRATE S, EKMAY R, ENGLAND J A, et al. Predicting nutrient digestibility and energy value for broilers[J]. Poultry Science, 2019, 98(9):3994-4007.

DOI PMID

[28]
宁然. 玉米在AA肉鸡中的标准回肠氨基酸消化率及有效能值评定研究[D].硕士学位论文. 北京: 中国农业大学, 2022.

NING R. Evaluation of the standard ileal amino acid digestibility and available energy value of corn in AA broilers[D].Master’s Thesis. Beijing: China Agricultural University, 2022. (in Chinese)

[29]
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.

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. (in Chinese)

[30]
申攀. 建立0-3周龄黄羽肉鸡玉米净能近红外预测模型以及用常规化学成分建立净能的回归预测模型[D].硕士学位论文. 雅安: 四川农业大学, 2010.

SHEN P. Predicting net energy value of corn for broiler chicken by near-infrared reflectance spectroscopy and regression equation established by chemical composition of corn[D].Master’s Thesis. Ya’an: Sichuan Agricultural University, 2010. (in Chinese)

[31]
王婷婷. 肥育猪玉米麸质饲料能值和氨基酸消化率预测方程的建立[D].硕士学位论文. 北京: 中国农业大学, 2014.

WANG T T. Establishment of prediction equations for energy value and amino acid digestibility of corn gluten feed in finishing pigs[D].Master’s Thesis. Beijing: China Agricultural University, 2014. (in Chinese)

Options
文章导航

/

〈 〉

    联系我们

  • 地址：北京市海淀区圆明园西路2号
    　　　中国农业大学动科动医大楼153室
  • 邮编：100193
  • 电话：010－62817823
  • 网址：http://www.chinajan.com
  • E-mail：cjan@chinajan.com
京公网安备 11010802041926号    京ICP备17050989号-2