Подписка на обновления
|
Способ определения профиля питательных веществ пшеницы in vivoСпособ определения профиля питательных веществ пшеницы in vivoКалибровка в ближнем инфракрасном диапазоне в режиме in vivo для определения усвояемости энергии и аминокислот позволяет различать профили питательных веществ пшеницы.При помощи ближней инфракрасной спектроскопии было проведено исследование значений питательных веществ мягкой пшеницы. В общей сложности было привлечено 136 образцов пшеницы, собранной в 2021 году в 15 европейских странах. Для каждого образца была индивидуально спрогнозирована концентрация по 47 параметрам с использованием заранее разработанных и валидированных моделей прогнозирования. Кроме химических параметров, включающих сырой протеин (СП), жир, золу, сырую клетчатку, общее количество незаменимых аминокислот, фосфор и арабиноксилан, использовали кажущуюcя обменную энергию (КОЭ и КОЭN), а также коэффициент усвояемости (SID) аминокислот, полученные в результате калибровки в режиме in vivo. Существующая вариабельность по всем нутриционным параметрам питательности была объяснена на 72,4% энергией и сырым протеином, связанными с общим содержанием аминокислот и уровнем усвояемых аминокислот, а также фосфора. Энергия находилась в отрицательной зависимости от СП (r=–0,86). Все коэффициенты усвояемости аминокислот были тесно связаны между собой, за исключением коэффициента усвояемости лизина. Жир, зола, сырая клетчатка и арабиноксиланы являются слабыми объясняющими факторами (12%). По результатам иерархического анализа все образцы пшеницы были разделены по питательной ценности на 5 четких групп, причем были смешаны образцы с происхождением из разных стран. В группе 1 был самый высокий показатель КОЭ (3506 ккал/кг СВ) и самое низкое содержание: СП, общего и фитатного фосфора, общих аминокислот (АК) и усвояемых АК. В группе 5 — самый низкий (3275 ккал/кг СВ) уровень энергии и самое высокое содержание СП, общих АК и усвояемых АК, общего и фитатного фосфора. В группах 2, 3 и 4 эти показатели имели промежуточные значения. Расчет энергии по приблизительным значениям не позволял как- либо различать группы образцов, в отличие от прогнозирования КОЭ и КОЭN в режиме in vivo. Прогнозирование содержания усвояемости в энергии и аминокислотах имеет важное значение для мониторинга вариабельности пшеницы и определения ее питательных качеств. ВступлениеМягкая пшеница не только является основным ингредиентом корма для моногастричных животных, но она также считается злаком с наиболее вариабельным химическим составом и наиболее вариабельной питательной ценностью. Эта вариабельность объясняется рядом факторов, включая генотип, условия окружающей среды, степень зрелости во время сбора урожая, количество удобрений, внесенных во время роста данной культуры (Gutierrez-Alamo et al., 2008; Rodehutscord et al., 2016). Учитывая эту вариабельность, разработчикам кормов и специалистам по питанию птицы необходимо точно оценивать питательную ценность пшеницы, получаемой на комбикормовом заводе, чтобы оптимизировать ее использование в кормлении птицы с учетом соответствующих параметров. Профиль питательных веществ для большого количества образцов пшеницы, собранной в течение 2021 года (который был и годом мониторинга), определялся лишь по калибровкам с помощью ближней инфракрасной спектроскопии. Целью исследования было измерение вариабельности каждого прогнозируемого параметра и поиск параметров, наилучшим образом объясняющих такой разброс, с тем чтобы далее различать образцы пшеницы в соответствии с их полным профилем питательности.
Материалы и методы136 образцов пшеницы урожая 2021 года из 15 определенных европейских стран были взяты на добровольной основе на комбикормовых заводах по всей Европе, включая Великобританию и страны СНГ. Прослеживаемость страны, где была собрана пшеница этого урожая, была обязательной для включения в исследование. Знание сорта пшеницы было необязательным. Перед сканированием на одном и том же спектральном анализаторе, работающем в ближней инфракрасной области (Foss NIRS TM DS 2500), все образцы пшеницы были измельчены (1 мм мельницы Retsch). При использовании заранее разработанных и валидированных моделей прогнозирования (PNE от Adisseo) были получены концентрации по химическим параметрам и параметрам усвояемости. Химические параметры: сухое вещество (СВ), сырой протеин (СП), жир, зола, сырая клетчатка, общее количество незаменимых аминокислот, общий и фитатный фосфор, содержание арабиноксилана (AX) (общее содержание, нерастворимый, растворимый AX). Растворимый AX = общее содержание AX — нерастворимый AX. Параметры усвояемости: стандартизированный коэффициент усвояемости аминокислот в подвздошной кишке — по результатам измерений на взрослых петухах, подвергнутых каэктомии, и кажущаяся обменная энергия — с поправкой или без поправки на азот — КОЭ и КОЭN, по результатам измерений на 22-дневных цыплятах. Для статистического анализа данных использовалось программное обеспечение на языке R (версия 4.1.1). Был проведен многофакторный анализ с использованием пакетов ПО Factoextra (версия 1.0.6) и FactoMineR (версия 2.4) для анализа главных компонентов (PCA — Principal component analysis) и иерархического анализа по всем прогнозируемым параметрам.
Результаты и обсуждениеСреднее содержание сухого вещества (87%) для 136 образцов пшеницы варьировалось в пределах 1,2%, с минимальным значением 84,8% для образцов из Великобритании до максимального значения 91,2% для образцов из Испании. Оно отражает агрометеорологические условия во всех странах ЕС в мае–июне 2021 года, согласно данным EUROSTATS. Затем результаты были приведены к сухому веществу для обеспечения возможности сравнения. Показатель сырого протеина варьировался в диапазоне 12,6% для всех образцов (табл. 1) со средним значением сухого вещества 13,2 г/100 г, причем средние более низкие значения наблюдались в образцах из Дании, Испании и Великобритании (от 10,9 г/100 г СВ). Самый высокий показатель наблюдался в образцах из Польши, Литвы и России (до 14,9 г/100 г СВ). Как отмечается в литературе, содержание протеина в пшенице во многом зависит от агрономических и климатических условий.Таблица 1 Содержание сырого протеина. Описательная статистика по странам происхождения
В целом совокупность образцов пшеницы продемонстрировала высокий уровень вариабельности по всем прогнозируемым параметрам: значения коэффициента вариабельности составляли около 6–7% для ближайших значений (за исключением CП) общего и фитатного фосфора, содержания арабиноксилана. Показатель выше 10% был зарегистрирован для общегоколичестванезаменимыхаминокислотиоколо 1% для коэффициентов усвояемости аминокислот. Поскольку индивидуальная усвояемость АК = общее содержание АК × стандартизированный коэффициент усвояемости АК в подвздошной кишке (АК SID%), коэффициент вариабельности находился в диапазоне от 6% для усвояемого лизина до 15,6% для усвояемого фенилаланина. В среднем КОЭ (3434 ккал/кг СВ) и КОЭN (3305 ккал/кг СВ) варьировались на уровне 2%, что эквивалентно стандартному отклонению 68 ккал/кг СВ. Это может иметь значение для составления рационов для бройлеров, поскольку пшеница является одним из основных ингредиентов рациона и самым большим источником энергии в рационе, а также одной из важнейших составляющих себестоимости.
Все параметры объясняли 80,5% вариабельности образцов пшеницы после анализа PCA (измерение 1 + измерение 2). Энергия (КОЭ и КОЭN) и СП, во взаимосвязи с общим содержанием АК и усваиваемыми АК, а также общим и фитатным фосфором, оказались наиболее объясняющими факторами (68,5%). Были определены факторы, в наименьшей мере влияющие на вариабельность: зола, жир, общий и нерастворимый арабиноксилан, а также стандартизированный коэффициент усвояемости лизина. После исключения этих факторов показатель объяснимости улучшился до значения 72,4%, что подтверждает важность энергии в режиме in vivo, а также факторов, связанных с сырым протеином, для вариабельности пшеницы, получаемой на комбикормовых заводах.
На рис. 1 подробно показаны взаимосвязи между исследованными питательными веществами. Рис. 1. Матрица корреляции между основными факторами
Измерения показали сильную отрицательную корреляция между КОЭ, КОЭN и всеми параметрами, связанными с протеином, такими как общее содержание и усвояемость АК, в меньшей степени по отношению к общему фосфору, фитатному фосфору и растворимому арабиноксилану. Удивительно, но коэффициент усвояемости лизина оказался независимым от SID всех других аминокислот, которые связаны между собой и не предсказуемы. Для SID лизина измерения показали лишь отрицательную корреляцию с сырой клетчаткой (R=–0,72 / R2=0,52 – сырая клетчатка = 15,220,15 × SID лизина).
Образцы пшеницы можно было ранжировать по 5 различным профилям питательности путем иерархического анализа в зависимости от PCA. Свой вклад в каждый кластер внесли несколько стран (табл. 2).
Таблица 2
Распределение образцов пшеницы по кластерам и странам происхождения
Основные факты по кластерам, в основном обусловленные снижением содержания обменной энергии и увеличением содержания белка:
— В кластер 1 входят 17% общего количества образцов пшеницы. В него включены образцы с высоким содержанием обменной энергии. Основными странами-поставщиками являются Великобритания, Испания и Дания. — В кластерах 2 и 3 вместе сосредоточено 54% всей совокупности образцов пшеницы. Оба кластера содержат одинаковый уровень питательных веществ при все еще высоком содержании энергии, за исключением сухого вещества (среднее содержание СВ составляет 86,2% для кластера 2 и 87,8% для кластера 3). Основными странами-поставщиками для кластера 2 являются Франция, Великобритания и Германия, а для кластера 3 Франция, Испания, Болгария и Сербия. — В кластер 4 входят 23% от общего числа образцов, которые поступили в основном из Польши, Литвы, Чехии и России. — Кластер 5 характеризуется высоким общим содержанием аминокислот/усвояемых аминокислот и сырого протеина и низким содержанием энергии. В этом кластере содержится всего 9 образцов (6% от общего числа), поступивших из Австрии, Польши и России.
Разумеется, страну происхождения невозможно точно предсказать по профилю питательных веществ пшеницы. Проявляется лишь тренд на пониженное содержание энергии в образцах, поступивших из восточноевропейских стран. Ранее это было установлено на образцах пшеницы, собранных в 2009 и 2010 годах, при этом использовались калибровки БИКС в режиме in vivo (GADY et al., 2011). Анализ содержания растворимого арабиноксилана показал, что оно увеличивалось от кластера 1 к кластеру 5, так же как СП. Но прежде чем делать ка- кие-либо выводы, эти вопросы необходимо в большей мере изучить на образцах из предстоящих урожаев и в рамках более масштабных исследований.
Содержание энергии, предсказанное для каждого кластера, сравнивалось со значением КОЭN, рассчитанным по уравнению Всемирной научной ассоциации по птицеводству (WPSA) (Janssen, 1989) (рис. 2). Расчет энергии по приблизительным значениям не позволял как-либо различать группы образцов, в отличие от КОЭ и КОЭN, предсказанных в режиме in vivo. Рис. 2. Энергия по кластерам, предсказанная in vivo (КОЭ и КОЭN) и рассчитанная по ближайшим данным (AMEn WPSA)
ЗаключениеНастоящее исследование продемонстрировало, что содержание питательных веществ в пшенице сильно варьируется. Основными факторами, объясняющими эту вариабельность, являются обменная энергия и сырой протеин, а также общее количество незаменимых аминокислот,отрицательно связанные между собой. Для различения профилей питательных веществ пшеницы — независимо от страны происхождения злака — эффективно использовались кажущаяся обменная энергия (КОЭ) и кажущаяся обменная энергия с поправкой на азот (КОЭN), предсказанные в режиме in vivo. Проверку на этот параметр с целью контроля качества, а также для оценки питательности продукции можно проводить на комбикормовом заводе в рабочем порядке.
1. Gutiérrez-Alamo, A., Verstegen, M.W.A., Den Hartog, L.A., Pérez De Ayala, P., Villamide, M.J. 2008. Effect of wheat cultivar and enzyme addition to broiler chicken diets on nutrient digestibility, performance, and apparent metabolizable energy content. Poult. Sci. 87, 759–767. 2. Rodehutscord, M., Rückert, C., Maurer, H.P., Schenkel, H., Schipprack, W., Bach Knudsen, K.E.,Schollenberger, M., Laux, M., Eklund, M., Siegert, W. and Mosenthin, R. 2016. Variation in chemical composition and physical characteristics of cereal grains from different genotypes. Arch. Anim. Nutr. 70: 87–107. 3. Gady, C., Laitem, Y., Relandeau, C., Dalibard, P. 2011. Near Infrared applied to mapping amino acid and energy digestibility of wheats collected from European countries. 18th ESPN, Oct 31 – Nov 04, 2011. Cesme-Ismir, Turkey. 4. Janssen, W.M.M.A. 1989. European Table of Energy Values for Poultry Feedstuffs, 3rd ed.; Subcommittee Energy of the Working Group nr. 2 Nutrition of the European Federation of Branches of the WPSA: Beekbergen, The Netherlands.
|