猪饲料营养价值评定及营养需要的研究进展

体外酶法研究进展摘要：消化能值是评定饲料能量生物学效的主要指标之一。

客观精准地评定饲料的消化能值是确定动物营养需要量及优化饲料配方的主要决策依据。

本文主要介绍了体外酶法的研究进展，影响评定准确性的因素以及体外酶法评定饲料消化能中存在的一些难题。

关键词：猪;消化能;体外酶法引言能量是饲料营养物质的第一要素。

代谢能值是评定饲料能量生物学效的主要指标之一，因此，客观精准地评定饲料的代谢能值是确定动物营养需要量及优化饲料配方的主要决策依据。

目前评定饲料营养价值的方法主要有体内法、半体内法(运动尼龙袋法)和体外法(酶法)。

体内法和半体内法评定饲料营养物质在小肠消化率虽然较为客观实际，但都需要依赖于试验动物，半体内法还需要借助于必要的瘘管手术和试验设备，试验较麻烦且费用昂贵，不适于生产实际，而酶法是利用一种或多种酶或动物小肠液模拟动物体内的环境，在体外对营养物质进行消化，以评定营养物质的消化率，是一种快速且相对准确的试验方法。

酶法最早产生于50年代，最初只是用单一胃蛋白酶法评定饲料蛋白质的消化率，虽然这一方法快速简便，但与体内法所测数据相差较大(Grand 和Carroll,1958; Campbell,1961)。

Akeson和Stahmann(1964)进一步发展了酶法，在胃蛋白酶的基础上又加入了胰蛋白酶，测得真蛋白消化率与体内法所测数据强烈相关(r=0.995)，使得胃蛋白酶加胰蛋白酶法成为评定单胃动物饲料蛋白质消化率的常规方法, 但这种方法是在假定蛋白消化率不受其他养分消化影响的基础上建立的，而消化道酶谱是一个复杂多变的多酶系统，由于各种酶元所需要的激活条件不同以及酶作用于底物的反馈抑制作用。

所以胃蛋白酶加胰蛋白酶法并不能真正反映体内消化过程。

日本Furuya(1974)提出了胃蛋白酶加小肠液测定离体消化试验方法，通过离体法和全收粪二者比较,两法干物质和能量消化率间均为强相关，且测值相当一致。

国内张子仪等(1981-1988)对此法做了进一步研究，已形成一套完整的实验室测定猪饲料营养物质消化率的体外方法。

猪饲料消化能值评定的仿生消化法研究的开题报告1. 研究背景与意义饲料作为养猪行业的重要因素，其营养价值的评价和分析具有重要意义。

传统的营养评价方法主要包括化学分析法和代谢试验法，但都存在一定的局限性。

化学分析法忽略了不同物质间的相互作用，不能真实反映饲料在动物体内的真实消化情况，而代谢试验法又费时费力，成本较高，难以大规模应用。

因此，开发一种快速、简便、成本低廉的饲料消化能值评定方法具有重要的研究意义和应用价值。

仿生消化法是近年来发展起来的一种新型饲料消化能值评定方法，其模拟了动物在消化系统内的生理过程，可以快速、准确地模拟饲料在动物消化系统内的消化过程，从而评价饲料的消化能值。

因此，本研究拟采用仿生消化法对猪饲料进行消化能值评定，旨在探索一种可行的饲料营养评价方法，为养猪行业提供科学的技术支持。

2. 研究内容和研究方法2.1 研究内容（1）对常见的猪饲料进行样品分析和样品制备。

（2）建立仿生消化模型，模拟口腔、胃、小肠、大肠等各个环节的消化过程。

（3）对饲料在仿生消化体内的消化情况进行动力学研究及相关参数的测定，如消化速率、最大速率、溶解度等。

（4）建立适用于猪饲料的消化能值评价模型，评估各个指标的作用和效果。

2.2 研究方法（1）采用HPLC等饲料化学分析方法对饲料进行分析和预处理。

（2）构建仿生消化模型，设置适当的营养含量、操作步骤和反应条件。

（3）通过数学模型对仿生消化体内的消化情况进行动力学研究和相关参数的测定。

（4）采用SPSS等统计软件对相关数据进行处理和分析，建立适用于猪饲料的消化能值评价模型。

3. 预期结果通过本研究，预计得到以下结果：（1）建立猪饲料仿生消化模型，能够准确、快速地模拟饲料在动物体内的消化过程和各个环节的消化情况。

（2）探究不同动力学参数在仿生消化体内的作用和效果，为消化能值评价提供科学依据。

（3）建立适用于猪饲料的消化能值评价模型，为养猪行业提供科学的营养评价方法。

浅谈猪饲料组成与猪的营养研究 李志威（扬州大学动物科学与技术学院，江苏 扬州　225009）1　国内养猪业发展现状中国是传统的养猪大国，7 000多年以前就将野猪驯化作为家畜饲养，猪肉自此成为人类主要的优质动物蛋白来源[1]。

2000年我国的生猪出栏量已经超过5亿头，到2015年出栏量已经超过7亿头，国内市场对猪肉的需求量非常大。

中国是世界最大的生猪生产国，猪肉产品占全国肉类产品的50%，是畜牧业中的重要组成部分，但国内对猪肉的需求缺口仍然很大。

目前国内生猪养殖产业已经形成独立完善的产业体系，并在国家号召下向规模化、集约化及标准化的方向发展[2]。

在国内对猪肉产品的高需求下，养猪业发展的如火如荼，养殖模式、健康环保、猪肉质量、产品安全成为目前行业的关注焦点，在此背景下，我国在猪的养殖与饲料科技方面的研究获得了快速发展。

提高饲料原料的利用率、提高猪肉的质量一直是猪营养研究和饲料研发的重点方向。

目前国内的养猪水平在不断地提高，但国内猪的生长环境较差，管理水平较低，导致猪的健康水平较低、繁殖性能低下、疾病发生率高，限制了猪的生长潜力。

针对这些问题，国内学者开展了提高母猪生产效率综合养殖技术、仔猪肠道健康的营养调控技术、无作者简介：李志威，1995年，男，在读硕士研究生，研究方向：动物营养与饲料科学摘　要：我国是传统的养猪大国，同时也是猪肉产品消费大国，每年的生猪出栏量都位居国际之首。

国内对猪肉的需求量居高不下，促进了国内养猪行业的迅速发展。

目前国内的小型养猪场正逐渐减少，大型养猪场的数量正逐渐上升，养猪业正走向集约化养殖的道路，猪场对饲料的质量要求日益提高。

在当前环境的刺激下，猪饲料和猪营养的研究进展也在高速发展。

文内主要从目前猪饲料组成和营养研究进展进行介绍，以期为养猪业提供参考，促进养猪业的发展。

关键词：猪；饲料；营养抗猪肉与饲料营养和安全保障技术、饲料资源评价与饲养标准研究，带动了全国猪营养饲料研究的发展方向[3]。

动物营养学报２０２０，３２（１０）：４５２５⁃４５３９ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｎｉｍａｌＮｕｔｒｉｔｉｏｎ㊀ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６⁃２６７ｘ．２０２０．１０．００６猪饲料原料营养价值与动态营养需要量模型化研究进展张㊀帅㊀刘㊀岭㊀王凤来㊀王军军∗（中国农业大学动物营养学国家重点实验室，农业农村部饲料工业中心，北京１００１９３）摘㊀要：准确评估饲料原料的营养价值和动物营养需要量，实现精准营养配方，是推动畜牧业高效㊁优质㊁可持续发展的重要手段㊂本文总结了近年来国内在猪饲料原料营养价值和动态营养需要量模型化方面的研究进展，重点综述了猪饲料原料有效能㊁氨基酸消化率㊁钙和磷消化率和有效养分快速预测方法学的研究进展，归纳了基于综合法和析因法建立猪动态营养需要量模型的研究现状，同时简要介绍了国际上在这些领域的相关研究进展，并对此领域的未来研究方向进行了预测和展望㊂关键词：猪；饲料原料；有效能；氨基酸消化率；营养需要量；模型化中图分类号：Ｓ８２８㊀㊀㊀㊀文献标识码：Ａ㊀㊀㊀㊀文章编号：１００６⁃２６７Ｘ（２０２０）１０⁃４５２５⁃１５收稿日期：２０２０－０８－０３基金项目：国家自然科学基金项目（３１７０２１２１，３１６３００７４，３１９７２５９６）作者简介：张㊀帅（１９９０ ），男，山东济南人，副教授，博士，主要从事猪的净能需要量模型与饲料原料营养价值评定研究㊂Ｅ⁃ｍａｉｌ：ｚｈａｎｇ⁃ｓｈｕａｉ１６＠ｃａｕ．ｅｄｕ．ｃｎ∗通信作者：王军军，教授，博士生导师，Ｅ⁃ｍａｉｌ：ｗａｎｇｊｊ＠ｃａｕ．ｅｄｕ．ｃｎ㊀㊀饲料资源短缺是制约我国畜牧业可持续发展的瓶颈㊂２０１９年我国进口大豆８８５１．１万ｔ，玉米４７９．３万ｔ，小麦３４８．８万ｔ，分别同比增长０．６％㊁３６．０％和１２．５％，其中大豆进口量创历史第２高峰㊂上述进口的７０％以上用作饲料，因此，准确评估饲料原料的营养价值和动物的营养需要量，实现精准营养配方，是缓解以上问题的重要手段㊂然而，一方面，我国饲料资源品种繁多，同一原料又因品种㊁产地㊁加工等因素的不同而导致营养价值变异巨大，加之近年来飞速发展的农作物育种与不断变化的气候条件，使饲料原料的营养价值较以往产生了很大变化㊂另一方面，随着猪遗传选育的进展㊁养殖水平的提高以及养殖环境和设施的全面升级，猪的主要生长性能指标如出栏体重㊁饲料利用效率㊁生长曲线等也在逐年变化，其营养需要量较过去有着显著差别㊂因此，对于猪饲料原料营养价值和营养需要量的精准把握，一直以来都是动物营养学者工作的重点内容㊂本文将主要围绕国内近５ ６年来猪饲料原料营养价值评定以及动态需要量模型化方面的研究进展进行综述，并对这２方面在未来的研究重点和前景进行展望，以期推动猪精准营养配方的发展，使我国饲料资源短缺的现状得到有效缓解㊂１㊀猪饲料原料营养价值评定的研究进展１．１㊀猪饲料原料有效能评定的研究进展㊀㊀饲料中的能量成本占饲料总成本的６０％ ７０％，也是饲料配方中首先要考虑的因素㊂国际上现行的猪饲料有效能评价体系包括消化能（ＤＥ）㊁代谢能（ＭＥ）和净能（ＮＥ）体系㊂其中ＤＥ和ＭＥ的评价可以通过给动物饲喂特定的饲粮处理进行消化代谢试验直接测定得到㊂由于其评价仅需要消化代谢笼，操作较为简单，在国外的数据库如法国ＩＮＲＡ（２００４）㊁美国ＮＲＣ（２０１２）和荷兰ＣＶＢ（２０１８）中有大量原料ＤＥ和ＭＥ数据的积累，因此这２种能量体系在猪的饲料配方中较常使用㊂㊀动㊀物㊀营㊀养㊀学㊀报３２卷㊀㊀近年来，国内以国家饲料工程技术研究中心为主，按照统一的操作规程进行原料样品采集㊁动物试验和样品分析，对我国养猪生产中常用的饲料原料进行了系统的评价工作，得到了各常用饲料原料在生长猪上的ＤＥ和ＭＥ值及其变异范围，挖掘了影响各原料有效能值变异的关键理化因素，并且建立了相应原料基于化学组分的ＤＥ和ＭＥ预测模型（表１）㊂以上建立的ＤＥ和ＭＥ预测模型以多元线性方程为主，其中的主要预测因子包括总能（ＧＥ）㊁粗蛋白质（ＣＰ）㊁粗脂肪（ＥＥ）㊁淀粉（ｓｔａｒｃｈ）㊁粗灰分（ａｓｈ）㊁中性洗涤纤维（ＮＤＦ）㊁酸性洗涤纤维（ＡＤＦ）和粗纤维（ＣＦ）等常规概率养分指标，且模型的拟合度［决定系数（Ｒ２）］随方程中预测因子数量的增加而提高㊂胡杰等［１］基于对各原料ＤＥ和ＭＥ预测模型中预测因子的分析，归纳得到了影响不同种以及不同大类（能量饲料原料㊁蛋白质饲料原料㊁纤维饲料原料）猪饲料原料ＤＥ与ＭＥ的关键化学成分及其影响规律㊂该研究结果为基于原料分类实现新原料ＤＥ和ＭＥ的快速预测提供了可行性方案㊂㊀㊀非常规饲料原料有效能值的评定近年来也受到了关注，这些研究为新型饲料资源的开发奠定了理论基础㊂例如，王芨［２１］评价了５个不同产地木薯粉的ＤＥ和ＭＥ值，在干物质基础上其变异范围分别为１５．６８ １６．１２ＭＪ／ｋｇ以及１５．２６ １５．７０ＭＪ／ｋｇ㊂范元芳［２２］分别评价了辣椒粕和番茄皮粕在生长猪上的有效能值，在干物质基础上２种原料的ＤＥ和ＭＥ值分别为１０．４８和９．７９ＭＪ／ｋｇ以及７．９４和７．４６ＭＪ／ｋｇ㊂董文轩等［２３］评价了青稞㊁荞麦㊁黍子㊁糜子和莜麦等５种非常规谷物原料在生长猪上的有效能值，在干物质基础上５种原料的ＤＥ和ＭＥ值分别为１５．９７和１５．３８ＭＪ／ｋｇ㊁１６．９０和１５．７６ＭＪ／ｋｇ㊁１７．６５和１６．８６ＭＪ／ｋｇ㊁１７．８７和１７．３４ＭＪ／ｋｇ以及１７．５７和１６．８５ＭＪ／ｋｇ㊂以上均是近年来应用较多的非常规饲料原料，这些原料有效能值的评定工作为其在生产中的进一步推广应用起到了良好的指导作用㊂此外，魔芋粉残渣㊁苎麻㊁棉籽脱酚蛋白㊁蒸汽压片玉米㊁金针菇菇脚等新型饲料原料在生长猪上的有效能值也在近年来得到了评价［２４－２７］㊂㊀㊀相比于ＤＥ和ＭＥ体系，ＮＥ体系更能真实地反映饲料的能量利用效率，而且ＮＥ体系也是唯一在相同基础上考虑饲粮能值和动物能量需要量的有效能体系㊂ＮＥ的测定较ＤＥ和ＭＥ更为复杂，在猪上一般采用间接测热法或比较屠宰法测定得到，前者需要借助专用的呼吸测热仓，后者需要专业的屠宰分割设备和人员，２种方法均费时㊁费力㊂国家饲料工程技术研究中心团队近年来利用自主研发的猪专用呼吸测热装置，先后测定了３０余种饲料原料在生长猪上的ＮＥ值，尤其是在国际上率先评价了棕榈油㊁禽油㊁鱼油㊁玉米油㊁亚麻油等常用油脂的ＮＥ值［２８］㊂进一步地，以各原料的ＮＥ测定值为基础建立了各大类饲料原料（能量饲料原料㊁蛋白质饲料原料和纤维饲料原料）以及饲粮的ＮＥ预测模型（表２），为实际生产中原料及配合饲料ＮＥ值的快速估测提供了可行方案㊂㊀㊀除此之外，对于影响猪饲料原料有效能值评定因素的研究在近年来也是该领域关注的重点，主要包括：比较不同品种㊁产地㊁加工工艺的同种饲料原料有效能值的区别，以及同种饲料原料在饲粮中按不同比例添加或有外源酶制剂添加时有效能值的区别，例如研究不同品种㊁种植年份和储存时间的玉米在生长猪上ＤＥ和ＭＥ值的变异规律［３４］，以及研究不同添加水平㊁加工工艺和储存时间的大豆油在生长猪上ＤＥ和ＭＥ值的变异规律［３５］㊂此外，同种饲料原料在断奶仔猪㊁不同体重生长育肥猪以及妊娠母猪上有效能值的比较也是近年来的研究热点㊂例如，谢飞［３６］比较了４种能量饲料原料（玉米㊁小麦㊁大麦和高粱）㊁５种蛋白质饲料原料（豆粕㊁棉籽粕㊁菜籽粕㊁玉米蛋白粉和玉米干酒糟及其可溶物）以及３种纤维饲料原料（大豆皮㊁麦麸和玉米皮）在３０㊁６０和９０ｋｇ的３个不同体重阶段生长猪上ＤＥ和ＭＥ值的差异；董文轩［３７］比较了玉米㊁小麦㊁豆粕㊁棉籽粕㊁玉米干酒糟及其可溶物㊁玉米胚芽粕㊁小麦麸皮和棕榈仁粕等８种常用饲料原料在经产母猪和生长猪上ＤＥ和ＭＥ值的差异；而王振宇［３８］则通过呼吸测热装置在国际上首次测定了小麦麸㊁甜菜粕㊁玉米皮㊁大豆皮和米糠粕等５种纤维饲料原料在妊娠母猪上的ＮＥ值㊂以上研究结果均表明大多数饲料原料在不同生长阶段猪上的有效能值是不能通用的，在配制不同生理阶段猪的饲粮时有必要使用不同的有效能值以实现精准营养配方㊂６２５４１０期张㊀帅等：猪饲料原料营养价值与动态营养需要量模型化研究进展表１㊀近年来国内开展的生长猪饲料原料消化能和代谢能评定试验及建立的预测模型（干物质基础）Ｔａｂｌｅ１㊀ＳｔｕｄｉｅｓｃｏｎｄｕｃｔｅｄｉｎＣｈｉｎａｉｎｒｅｃｅｎｔｙｅａｒｓｏｆｅｖａｌｕａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｏｆＤＥａｎｄＭＥｏｆｆｅｅｄｉｎｇｒｅｄｉｅｎｔｓｆｏｒｇｒｏｗｉｎｇｐｉｇｓａｎｄｅｓｔａｂｌｉｓｈｅｄｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓ（ＤＭｂａｓｉｓ）原料Ｉｎｇｒｅｄｉｅｎｔｓ样本量ｎ方法Ｍｅｔｈｏｄｓ评价指标Ｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓ／（ＭＪ／ｋｇ）建立的模型Ｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｓ文献Ｒｅｆｅｒｅｎｃｅｓ玉米Ｃｏｒｎ１００全收粪法，直接法ＤＥ（１６．９７ʃ０．２５）；ＭＥ（１６．４２ʃ０．２３）ＤＥ（ｋｃａｌ／ｋｇ）＝１０６２．６８＋４９．７２ＥＥ＋０．５４ＧＥ＋９．１１ｓｔａｒｃｈ（Ｒ２＝０．６２）；ＭＥ（ｋｃａｌ／ｋｇ）＝６７１．５４＋０．８９ＤＥ－５．５７ＮＤＦ－１９１．３９ａｓｈ（Ｒ２＝０．８７）．李全丰［２］玉米干酒糟及其可溶物ＣｏｒｎＤＤＧＳ２５全收粪法，套算法（替代比例３０％）ＤＥ（１３．６３ １６．８０）；ＭＥ（１２．３７ １６．３２）ＤＥ全类（ｋｃａｌ／ｋｇ）＝１８７４－２１．３５ＮＤＦ＋０．６５ＧＥ－９９．８４ＣＦ（Ｒ２＝０．８６）；ＤＥ全油（ｋｃａｌ／ｋｇ）＝－６４３－９４．５２ＣＦ＋１．１４ＧＥ－２２．８９ＮＤＦ（Ｒ２＝０．８３）；ＤＥ提油（ｋｃａｌ／ｋｇ）＝４３３８－３６．７５ＮＤＦ＋３２．９９ＣＰ－６７．１０ＣＦ（Ｒ２＝０．９５）；ＭＥ全类（ｋｃａｌ／ｋｇ）＝１４６３－３２．４３ＮＤＦ＋０．７９ＧＥ－５４．５２ａｓｈ－６８．８２ＣＦ（Ｒ２＝０．８７）；ＭＥ全油（ｋｃａｌ／ｋｇ）＝７８９８－４２．０８ＮＤＦ－１３６．１７ａｓｈ＋１０１．１９ＥＥ－１０３．８３ＣＰ（Ｒ２＝０．９０）；ＭＥ提油（ｋｃａｌ／ｋｇ）＝４０６６－４６．０３ＮＤＦ＋４５．８０ＣＰ－１０６．１９ａｓｈ（Ｒ２＝０．９４）李平［３］玉米麸质饲料Ｃｏｒｎｇｌｕｔｅｎｆｅｅｄ１０全收粪法，套算法（替代比例２５％）ＤＥ（１０．３７ １２．８５）；ＭＥ（９．５３ １２．４９）ＤＥ（ＭＪ／ｋｇ）＝１８．３０－０．１３ＮＤＦ－０．２２ＥＥ（Ｒ２＝０．９５）；ＭＥ（ＭＪ／ｋｇ）＝１２．８２＋０．１１ｓｔａｒｃｈ－０．２６ＡＤＦ（Ｒ２＝０．９４）王婷婷［４］玉米胚芽粕Ｃｏｒｎｇｅｒｍｍｅａｌ１０全收粪法，套算法（替代比例３０％）ＤＥ（１０．２２ １４．１２）；ＭＥ（９．９４ １３．８０）ＤＥ（ＭＪ／ｋｇ）＝２６．８５－０．２８ＩＤＦ－１７．７９Ｃａ（Ｒ２＝０．９２）；ＭＥ（ＭＪ／ｋｇ）＝２１．０５－０．４３ＡＤＦ－１１．４０Ｃａ（Ｒ２＝０．８７）刘兆宇［５］玉米蛋白粉Ｃｏｒｎｇｌｕｔｅｎｍｅａｌ１５全收粪法，套算法（替代比例３０％）ＤＥ（１８．８ ２１．０）；ＭＥ（１８．０ １９．９）ＤＥ（ＭＪ／ｋｇ）＝１５．５９＋０．１０ＣＰ－０．６６ＡＤＦ（Ｒ２＝０．５９）；ＭＥ（ＭＪ／ｋｇ）＝２２．１８－０．０８ｓｔａｒｃｈ－０．５８ＡＤＦ（Ｒ２＝０．６５）纪颖［６］豆粕Ｓｏｙｂｅａｎｍｅａｌ２２全收粪法，套算法（替代比例２５％）ＤＥ（１６．２７ １８．４９）；ＭＥ（１５．９１ １７．８１）ＤＥ（ＭＪ／ｋｇ）＝３８．４４－０．４３ＣＦ－０．９８ＧＥ＋０．１１ＡＤＦ（Ｒ２＝０．６７）；ＭＥ（ＭＪ／ｋｇ）＝２．７４＋０．９７ＤＥ－０．０６ＣＰ（Ｒ２＝０．７９）李忠超［７］高粱Ｓｏｒｇｈｕｍ２８全收粪法，直接法ＤＥ（１４．５７ １６．７０）；ＭＥ（１４．３１ １６．３５）ＤＥ（ｋｃａｌ／ｋｇ）＝６９７４－２３６ｔａｎｎｉｎ－４３．２７ＡＤＦ＋２４．９６ＣＰ－０．７１ＧＥ（Ｒ２＝０．９６）；ＭＥ（ＭＪ／ｋｇ）＝３９７３－２６２ｔａｎｎｉｎ－２７．２４ＡＤＦ（Ｒ２＝０．９４）潘龙［８］大麦Ｂａｒｌｅｙ１９全收粪法，直接法ＤＥ（１３．６４ １５．４９）；ＭＥ（１３．４３ １５．２１）ＤＥ（ＭＪ／ｋｇ）＝２．９０１－０．２９６ＡＤＦ＋０．０１８ＮＤＦ＋０．７０８ＧＥ（Ｒ２＝０．９２）；ＭＥ（ＭＪ／ｋｇ）＝６．４４２－０．２９９ＡＤＦ＋０．０２２ＮＤＦ＋０．４９８ＧＥ（Ｒ２＝０．９２）王红亮［９］７２５４㊀动㊀物㊀营㊀养㊀学㊀报３２卷续表１原料Ｉｎｇｒｅｄｉｅｎｔｓ样本量ｎ方法Ｍｅｔｈｏｄｓ评价指标Ｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓ／（ＭＪ／ｋｇ）建立的模型Ｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｓ文献Ｒｅｆｅｒｅｎｃｅｓ小麦Ｗｈｅａｔ１２全收粪法，直接法ＤＥ（１６．７１ʃ０．３１）；ＭＥ（１６．１０ʃ０．３８）ＤＥ（ｋｃａｌ／ｋｇ）＝－２２２６－４８．１ＡＤＦ＋１．６ＧＥ－３４．８ｘｙｌａｎｓ（Ｒ２＝０．８８）；ＭＥ（ｋｃａｌ／ｋｇ）＝－２９９０＋１．７ＧＥ－５０．２ｘｙｌａｎｓ－８７．６ａｓｈ（Ｒ２＝０．８８）唐受文［１０］小麦麸皮Ｗｈｅａｔｂｒａｎ１５全收粪法，套算法（替代比例１５％）ＤＥ（９．２３ １３．５１）；ＭＥ（８．４４ １２．９２）ＤＥ（ＭＪ／ｋｇ）＝－０．７５ＣＦ－０．５１ＣＰ＋２８．３９（Ｒ２＝０．６５）；ＭＥ（ＭＪ／ｋｇ）＝０．３８ｓｔａｒｃｈ＋１．３４ａｓｈ－６．２０（Ｒ２＝０．６６）张志虎［１１］小麦次粉Ｗｈｅａｔｍｉｄｄｌｉｎｇ１５全收粪法，套算法（替代比例１５％）ＤＥ（９．２３ １３．５１）；ＭＥ（８．４４ １２．９２）ＤＥ（ＭＪ／ｋｇ）＝－０．１３ＮＤＦ＋１６．９２（Ｒ２＝０．８４）；ＭＥ（ＭＪ／ｋｇ）＝－０．６ＮＤＦ－０．１６ｘｙｌａｎｓ＋０．２６ＣＰ－２．０２Ｐ＋１２．７３（Ｒ２＝０．８８）黄强［１２］全脂米糠Ｗｈｏｌｅｆａｔｒｉｃｅｂｒａｎ１７全收粪法，套算法（替代比例３０％）ＤＥ（１４．４８ １６．８５）；ＭＥ（１２．４９ １５．８４）ＤＥ（ＭＪ／ｋｇ）＝１１．５２＋０．２３ＡＥＥ（Ｒ２＝０．６９）；ＭＥ（ＭＪ／ｋｇ）＝７．３０＋０．２６ＣＰ＋０．１７ＡＥＥ（Ｒ２＝０．５５）施传信［１３］亚麻饼Ｆｌａｘｓｅｅｄｍｅａｌ１０全收粪法，套算法（替代比例３０％）ＤＥ（１１．６５ １５．６１）；ＭＥ（１２．４９ １５．８４）ＤＥ（ＭＪ／ｋｇ）＝－１３．４９＋１．５８ＧＥ－０．１１ＮＤＦ（Ｒ２＝０．９０）；ＭＥ（ＭＪ／ｋｇ）＝－０．３１＋０．９５ＤＥ（Ｒ２＝０．９７）陈一凡［１４］双低菜籽饼Ｄｏｕｂｌｅｌｏｗｒａｐｅｓｅｅｄｍｅａｌ１０全收粪法，套算法（替代比例２０％）ＤＥ（１２．６４ １５．７７）；ＭＥ（１１．９３ １４．５１）ＤＥ（ＭＪ／ｋｇ）＝１．４７ＧＥ－０．２１ＡＤＦ＋０．５３ａｓｈ－１４．７２（Ｒ２＝０．９３）；ＭＥ（ＭＪ／ｋｇ）＝９．３３－０．０９ＮＤＦ－０．２５ＣＦ＋０．５９ＧＥ（Ｒ２＝０．９３）李培丽［１５］油菜籽饼粕Ｒａｐｅｓｅｅｄｍｅａｌ２２全收粪法，套算法（替代比例３０％）ＤＥ（１０．１０ １５．４２）；ＭＥ（９．０９ １４．９４）ＤＥ（ＭＪ／ｋｇ）＝７．６５＋０．２２ＣＰ＋０．２４ＥＥ－０．２７ＡＤＦ＋０．１５ＣＦ（Ｒ２＝０．７５）；ＭＥ（ＭＪ／ｋｇ）＝１４．９２＋０．１６ＥＥ－０．２６ＡＤＦ＋０．１７ＣＦ（Ｒ２＝０．６９）张泽宇［１６］棉籽粕Ｃｏｔｔｏｎｓｅｅｄｍｅａｌ１２全收粪法，套算法（替代比例２０％）ＤＥ（８．７２ １３．４９）；ＭＥ（８．０５ １２．１５）ＤＥ（ＭＪ／ｋｇ）＝－３２．６７＋３．００ＧＥ－０．２１ＣＰ＋１．２０ＥＥ－０．４６ｃｅｌｌｕｌｏｓｅ（Ｒ２＝０．９５）；ＭＥ（ＭＪ／ｋｇ）＝２１．３３－１．１９ＧＥ＋１．１５ＤＥ－０．９２ＥＥ（Ｒ２＝０．９６）马晓康［１７］葵花粕Ｓｕｎｆｌｏｗｅｒｍｅａｌ１０全收粪法，套算法（替代比例３０％）ＤＥ（１０．５１ １２．４７）；ＭＥ（１０．２６ １２．１６）ＤＥ（ＭＪ／ｋｇ）＝－４．９０＋０．１４ＣＰ－０．０８ＣＦ＋０．７１ＧＥ（Ｒ２＝０．８９）；ＭＥ（ＭＪ／ｋｇ）＝－４．９０－０．０５ＮＤＦ＋０．６６ＧＥ＋０．１６ＣＰ（Ｒ２＝０．９６）刘君地［１８］８２５４１０期张㊀帅等：猪饲料原料营养价值与动态营养需要量模型化研究进展续表１原料Ｉｎｇｒｅｄｉｅｎｔｓ样本量ｎ方法Ｍｅｔｈｏｄｓ评价指标Ｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓ／（ＭＪ／ｋｇ）建立的模型Ｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｓ文献Ｒｅｆｅｒｅｎｃｅｓ花生粕Ｐｅａｎｕｔｍｅａｌ１２全收粪法，套算法（替代比例３０％）ＤＥ（１４．５５ １６．４３）；ＭＥ（１２．６６ １５．５３）ＤＥ（ＭＪ／ｋｇ）＝０．１８＋０．７３ＧＥ＋０．０８ＣＰ－０．１４ＮＤＦ（Ｒ２＝０．９７）；ＭＥ（ＭＪ／ｋｇ）＝１７．７８－０．１７ＮＤＦ（Ｒ２＝０．５９）李青云［１９］油脂Ｆａｔ１３全收粪法，套算法（替代比例１０％）ＤＥ（３２．４ ３８．６）；ＭＥ（３１．６ ３７．９）ＤＥ（ＭＪ／ｋｇ）＝３４．１５＋０．０７ＰＵＦＡ＋０．２１Ｃ１８：０－０．０４Ｃ１８：１（Ｒ２＝０．８４）；ＭＥ＝３３．３７＋０．０７ＰＵＦＡ＋０．２０Ｃ１８：０－０．０４Ｃ１８：１（Ｒ２＝０．８５）宿永波［２０］㊀㊀１ｋｃａｌ＝４．１８６８ｋＪ；ＤＥ：消化能ｄｉｇｅｓｔｉｂｌｅｅｎｅｒｇｙ；ＭＥ：代谢能ｍｅｔａｂｏｌｉｃｅｎｅｒｇｙ；ＧＥ：总能ｇｒｏｓｓｅｎｅｒｇｙ；ＣＰ：粗蛋白质ｃｒｕｄｅｐｒｏｔｅｉｎ；ＥＥ：粗脂肪ｅｔｈｅｒｅｘｔｒａｃｔ；ＣＦ：粗纤维ｃｒｕｄｅｆｉｂｒｅ；ａｓｈ：粗灰分；ｓｔａｒｃｈ：淀粉；ＩＤＦ：不可溶纤维ｉｎｓｏｌｕｂｌｅｄｉｅｔａｒｙｆｉｂｅｒ；Ｃａ：钙ｃａｌｃｉｕｍ；ｔａｎｎｉｎ：单宁；ｘｙｌａｎｓ：木聚糖；ＡＥＥ：酸水解脂肪ａｃｉｄｈｙｄｒｏｌｙｚｅｅｔｈｅｒｅｘｔｒａｃｔ；ｃｅｌｌｕ⁃ｌｏｓｅ：纤维素；ＰＵＦＡ：多不饱和脂肪酸ｐｏｌｙｕｎｓａｔｕｒａｔｅｄｆａｔｔｙａｃｉｄｓ㊂下表同ｔｈｅｓａｍｅａｓｂｅｌｏｗ㊂表２㊀基于近年来国内自主测定数据建立的生长猪饲料原料及饲粮净能预测模型（干物质基础）Ｔａｂｌｅ２㊀ＰｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｏｆＮＥｏｆｆｅｅｄｉｎｇｒｅｄｉｅｎｔｓａｎｄｄｉｅｔｓｆｏｒｇｒｏｗｉｎｇｐｉｇｓｂａｓｅｄｏｎｄａｔａｇｅｎｅｒａｔｅｄｆｒｏｍｒｅｓｅａｒｃｈｅｓｃｏｎｄｕｃｔｅｄｉｎＣｈｉｎａｉｎｒｅｃｅｎｔｙｅａｒｓ（ＤＭｂａｓｉｓ）项目Ｉｔｅｍｓ样本量ｎ建立的模型Ｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｓ模型拟合度Ｇｏｏｄｎｅｓｓ⁃ｏｆ⁃ｆｉｔＲ２ＲＭＳＥＡＩＣＢＩＣ建模所用原料Ｍｏｄｅｌｉｎｇｉｎｇｒｅｄｉｅｎｔｓ文献Ｒｅｆｅｒｅｎｃｅｓ能量饲料原料Ｅｎｅｒｇｙｆｅｅｄｉｎｇｒｅｄｉｅｎｔｓ１２ＮＥ（ＭＪ／ｋｇ）＝２．０３＋０．２１ＣＰ＋０．１２ｓｔａｒｃｈ０．６５０．６７３４．７３０．９ＮＥ（ＭＪ／ｋｇ）＝－８．６２＋０．５９ＧＥ＋０．１７ＣＰ＋０．１２ｓｔａｒｃｈ０．７００．６６３９．３３１．７ＮＥ（ＭＪ／ｋｇ）＝－３４．８５＋２．２５ＧＥ＋０．０７６ｓｔａｒｃｈ＋０．１２ＮＤＦ－０．３８ＡＤＦ０．７７０．６１４４．７３０．８玉米㊁裸燕麦㊁糙米㊁小麦㊁高粱㊁粟㊁大麦㊁部分脱壳大麦㊁脱壳粟刘德稳［２９］；李亚奎［３０］蛋白质饲料原料Ｐｒｏｔｅｉｎｆｅｅｄｉｎｇｒｅｄｉｅｎｔｓ１９ＮＥ（ＭＪ／ｋｇ）＝１２．１８＋０．２３ＥＥ－０．１２ＮＤＦ０．６８０．９０５７．５５８．４ＮＥ（ＭＪ／ｋｇ）＝－８．３９＋１．０７ＧＥ－０．１５ＮＤＦ＋０．０６２ＡＤＦ０．７００．９０６０．２６０．３ＮＥ（ＭＪ／ｋｇ）＝１４．８８＋０．２２ＥＥ－０．１５ＮＤＦ＋０．０９５ＡＤＦ－０．４４ａｓｈ０．７５０．８６６１．４６０．０豆粕㊁菜籽粕㊁棉籽粕㊁花生粕㊁葵花粕㊁玉米干酒糟及其可溶物刘德稳［２９］；李忠超［７］９２５４㊀动㊀物㊀营㊀养㊀学㊀报３２卷续表２项目Ｉｔｅｍｓ样本量ｎ建立的模型Ｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｓ模型拟合度Ｇｏｏｄｎｅｓｓ⁃ｏｆ⁃ｆｉｔＲ２ＲＭＳＥＡＩＣＢＩＣ建模所用原料Ｍｏｄｅｌｉｎｇｉｎｇｒｅｄｉｅｎｔｓ文献Ｒｅｆｅｒｅｎｃｅｓ纤维饲料原料Ｆｉｂｅｒｆｅｅｄｉｎｇｒｅｄｉｅｎｔｓ１１ＮＥ（ＭＪ／ｋｇ）＝－２２．９１＋１．６３ＧＥ０．８２０．９８３８．１３５．９ＮＥ（ＭＪ／ｋｇ）＝８．２１＋０．３５ＥＥ－０．２９ａｓｈ０．９２０．７２３５．０３０．０ＮＥ（ＭＪ／ｋｇ）＝９．３８＋０．３２ＥＥ－０．０８３ＡＤＦ－０．２６ａｓｈ０．９６０．５５３５．０２５．０小麦麸㊁玉米胚芽粕㊁米糠粕㊁米糠㊁燕麦麸㊁玉米皮㊁棕榈粕㊁玉米麸质饲料刘德稳［２９］；Ｌｙｕ等［３１－３２］生长猪常用饲粮（不分类）Ｃｏｍｍｏｎｆｅｅｄｉｎｇｒｅｄｉ⁃ｅｎｔｓｆｏｒｇｒｏｗｉｎｇｐｉｇｓ（ｗｉｔｈｎｏｃａｔｅｇｏｒｉｅｓ）４２ＮＥ（ＭＪ／ｋｇ）＝－１６．１０＋１．２２ＧＥ＋０．０８４ｓｔａｒｃｈ０．７６１．１３１３５．７１４１．６ＮＥ（ＭＪ／ｋｇ）＝－２０．７９＋１．２９ＧＥ＋０．０９１ＣＰ＋０．１２０ｓｔａｒｃｈ０．８７０．８６１１３．５１２０．５小麦麸㊁玉米胚芽粕㊁米糠粕㊁米糠㊁燕麦麸㊁玉米皮㊁棕榈粕㊁玉米麸质饲料刘德稳［２９］；Ｌｙｕ等［３１－３２］生长猪常用饲粮Ｃｏｍｍｏｎｄｉｅｔｓｆｏｒｇｒｏｗｉｎｇｐｉｇｓ５８ＮＥ（ＭＪ／ｋｇ）＝－９．２４＋０．９８ＧＥ＋０．０６１ｓｔａｒｃｈ０．６２０．５５７８．９８５．０ＮＥ（ＭＪ／ｋｇ）＝－９．８４＋０．８５ＧＥ＋０．０８１ＣＰ＋０．０８８ｓｔａｒｃｈ０．６７０．５２７５．３８２．６ＮＥ（ＭＪ／ｋｇ）＝－９．２８＋０．９０ＧＥ＋０．０６５ＣＰ－０．０７５ＡＤＦ＋０．０７４ｓｔａｒｃｈ０．６９０．５１７５．２８３．６小麦麸㊁玉米胚芽粕㊁米糠粕㊁米糠㊁燕麦麸㊁玉米皮㊁棕榈粕㊁玉米麸质饲料刘德稳［２９］；Ｌｙｕ等［３１－３２］李恩凯［３３］㊀㊀ＲＭＳＥ：均方根误差ｒｏｏｔｏｆｍｅａｎｓｑｕａｒｅｅｒｒｏｒ；ＡＩＣ：赤池信息准则Ａｋａｉｋｅｉｎｆｏｒｍａｔｉｏｎｃｒｉｔｅｒｉｏｎ；ＢＩＣ：贝叶斯信息准则Ｂａｙｅｓｉａｎｉｎｆｏｒｍａｔｉｏｎｃｒｉｔｅｒｉｏｎ㊂０３５４１０期张㊀帅等：猪饲料原料营养价值与动态营养需要量模型化研究进展㊀㊀近５年来，国际上关于猪饲料原料ＤＥ和ＭＥ值评价的研究主要集中在美国伊利诺伊大学的Ｓｔｅｉｎ教授团队㊂他们先后评价了菜籽粕㊁双低菜籽饼粕㊁不同产地豆粕㊁大米副产物（全脂米糠㊁米糠粕㊁糙米㊁碎米）和小麦麸等饲料原料在生长猪上的ＤＥ和ＭＥ值［３９－４２］㊂而猪饲料原料ＮＥ的评价研究以加拿大曼尼托巴大学的Ｎｙａｃｈｏｔｉ教授团队为主，他们利用间接测热技术先后评价了干燥膨化豆粕㊁大麻壳及大麻壳加工副产物在生长猪上的ＮＥ值［４３－４４］㊂１．２㊀猪饲料原料氨基酸消化率评定的研究进展㊀㊀随着理想蛋白质模型的提出，氨基酸在动物营养中的重要性引起了越来越多的关注，氨基酸消化率的评价体系和测定方法得到了全面且快速的发展㊂为了避免饲料氨基酸消化率测定中后肠道微生物发酵的影响，氨基酸消化率评定经历了从全肠道表观消化率（ＡＴＴＤ）到回肠末端消化率的发展过程，而根据其内源损失的校正情况又进一步分为表观回肠末端氨基酸消化率（ＡＩＤ）㊁真回肠末端氨基酸消化率（ＴＩＤ）和标准回肠末端氨基酸消化率（ＳＩＤ）㊂与ＡＩＤ相比，ＴＩＤ在计算时考虑了氨基酸的内源损失，更能反映饲料中氨基酸在动物体内的消化情况㊂例如，刘正群［４５］即利用线性回归法和差分法比较了生长猪饲喂不同类型基础饲粮和不同豆粕添加水平时氨基酸ＴＩＤ的区别㊂由于原料中氨基酸的ＴＩＤ不能被直接测定，实际饲粮配制中一般使用替代性的ＳＩＤ㊂ＳＩＤ仅考虑氨基酸的基础内源损失，通常采用回肠瘘管技术结合无氮饲粮法测定，由于其具有可加性良好㊁操作简单㊁准确性高等特点，在科学研究和生产实际中被广泛采用㊂近年来，以国家饲料工程技术研究中心为主的研究单位对国内常用饲料原料在生长猪上的氨基酸ＳＩＤ进行了系统测定，并基于测定数据以原料化学成分和氨基酸含量值为自变量，建立了常用饲料原料生长猪氨基酸ＳＩＤ的预测模型（表３）㊂除了饲粮组成和蛋白质水平等因素，猪的氨基酸ＳＩＤ还会受到外源酶制剂添加的影响㊂例如余贵香［４６］探究了玉米－豆粕型饲粮添加蛋白酶后对断奶仔猪氨基酸ＳＩＤ的影响规律㊂㊀㊀近５年来，国际上对猪饲料原料ＳＩＤ值的研究也主要集中在美国伊利诺伊大学的Ｓｔｅｉｎ教授团队，而Ｓｔｅｉｎ教授也是较早开展猪ＳＩＤ相关研究的学者㊂他们先后评价了高蛋白质菜籽粕和普通菜籽粕㊁不同产地豆粕㊁次粉㊁不同粉碎粒度的大豆浓缩蛋白㊁杂交黑麦以及玉米ＤＤＧＳ等饲料原料在生长猪上的氨基酸ＳＩＤ值［４７－５３］㊂１．３㊀猪饲料原料其余有效养分评定的研究进展㊀㊀钙和磷是猪体内含量最多的矿物元素，其中，磷作为一种非再生资源是饲料工业中仅次于能量和蛋白质（氨基酸）以外第３昂贵的饲料原料㊂传统的饲料原料数据库中钙和磷分别以总钙和非植酸磷的形式表示㊂近年来，磷及钙的标准全肠道消化率（ＳＴＴＤ）成为了描述饲料原料中钙和磷有效含量的主要指标㊂在国内，佘玥［５４］探究了豆粕和不同加工工艺的菜籽粕在生长猪上的磷ＳＴＴＤ，以及添加植酸酶对磷ＳＴＴＤ的影响，同时还证明了生长猪对玉米㊁豆粕和菜籽粕磷的ＳＴＴＤ具有可加性㊂除此之外，中国农业科学院动物营养学国家重点实验室张宏福教授团队近年来开展了一系列研究，探究了影响生长育肥猪饲粮中磷ＳＴＴＤ和磷全肠道真消化率（ＴＴＴＤ）的有关因素，包括饲料中的纤维素水平和磷水平等［５５－５６］㊂㊀㊀近５年来，美国伊利诺伊大学的Ｓｔｅｉｎ教授团队也同样开展了一系列工作评价猪饲料原料中钙和磷消化率㊂他们先后评价了北美菜籽粕和欧洲双低菜籽饼粕㊁大米副产物（全脂米糠㊁米糠粕㊁糙米㊁碎米）和豆粕等饲料原料在生长猪上的磷ＳＴＴＤ和钙ＳＴＴＤ［５７－６０］㊂㊀㊀此外，参考氨基酸和磷ＳＩＤ的概念及分析方法，陈一凡［６１］采用回肠瘘管技术结合无脂饲粮法以及回归法测定了大豆油饲粮在生长猪上的内源脂肪和脂肪酸损失，并且探究了饲粮中不同纤维来源㊁纤维水平和猪的体重阶段对内源脂肪及脂肪酸损失的影响，以期描述不同饲料原料在生长猪上脂肪及脂肪酸ＳＩＤ的变异规律，建立脂肪及脂肪酸ＳＩＤ的评价体系㊂这也将会是未来猪饲料原料有效养分评定的重要研究方向之一㊂１．４㊀猪饲料原料营养价值快速评定的研究进展㊀㊀传统方法中，猪饲料原料营养价值的评定依赖于湿化学分析和动物试验的开展，往往需要专业技术人员和专业分析仪器设备以确保结果的准确性，这些方法耗时较长㊁成本较高，往往无法满足饲料厂日常检测的需求，尤其对于有效能㊁氨基酸ＳＩＤ等有效成分的评估，对于生产企业来讲更是很大的挑战㊂因此，实现猪饲料原料生物学效价的快速便捷评估是将其应用于生产实践中的关键环节㊂１３５４㊀动㊀物㊀营㊀养㊀学㊀报３２卷表３㊀近年来国内开展的生长猪饲料原料氨基酸ＳＩＤ测定试验及建立的预测模型Ｔａｂｌｅ３㊀ＳｔｕｄｉｅｓｃｏｎｄｕｃｔｅｄｉｎＣｈｉｎａｉｎｒｅｃｅｎｔｙｅａｒｓｏｆｅｖａｌｕａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｏｆＳＩＤａｍｉｎｏａｃｉｄｓｉｎｆｅｅｄｉｎｇｒｅｄｉｅｎｔｓｆｏｒｇｒｏｗｉｎｇｐｉｇｓａｎｄｅｓｔａｂｌｉｓｈｅｄｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓ原料Ｉｎｇｒｅｄｉｅｎｔｓ样本量ｎ标准回肠末端氨基酸消化率ＳＩＤＡＡｓ／％赖氨酸Ｌｙｓ蛋氨酸Ｍｅｔ苏氨酸Ｔｈｒ色氨酸Ｔｒｐ缬氨酸Ｖａｌ建立的模型Ｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｓ文献Ｒｅｆｅｒｅｎｃｅｓ玉米Ｃｏｒｎ１０６１．４５ ７８．４７７４．０９ ９０．９１７０．１９ ８５．７９７３．９７ ８５．６０ＳＩＤＬｙｓ（％）＝８５．４１－６．１１ＥＥ（Ｒ２＝０．２９）；ＳＩＤＭｅｔ（％）＝１０１．００－３．３９ＮＤＦ＋９８．１５Ｍｅｔ（Ｒ２＝０．９３）李全丰［２］玉米干酒糟及其可溶物ＣｏｒｎＤＤＧＳ１０５６．１６ ７２．４７７７．２６ ８７．０８６３．７０ ７５．７３５４．９０ ６９．０８６９．５２ ８１．５０ＳＩＤＬｙｓ（％）＝５７．７７＋１．１３ＥＥ－３．１９ａ∗＋５５．００Ｍｅｔ（Ｒ２＝０．９１）；ＳＩＤＭｅｔ（％）＝９２．８９－１．９２ＣＦ－２．０９ａ∗＋１６．３３Ｍｅｔ＋５．４６Ｌｙｓ：ＣＰ（Ｒ２＝０．９３）；ＳＩＤＴｈｒ（％）＝８２．８８＋０．５３ＥＥ－３．２２ａｓｈ（Ｒ２＝０．６４）；ＳＩＤＴｒｐ（％）＝５６．８３＋１．１０ＥＥ－２．２７ａｓｈ＋３５．９６Ｍｅｔ（Ｒ２＝０．８２）李平［３］玉米麸质饲料Ｃｏｒｎｇｌｕｔｅｎｆｅｅｄ１０４２．４１ ６３．５３６０．６３ ８６．８８２５．７５ ５６．８８５３．８３ ７３．００ＳＩＤＬｙｓ（％）＝１．４４ｓｔａｒｃｈ＋６７．１９Ｌｙｓ－２．７４（Ｒ２＝０．７７）；ＳＩＤＭｅｔ（％）＝１２５．４１－３．７８ＡＤＦ（Ｒ２＝０．４９）王婷婷［４］玉米胚芽粕Ｃｏｒｎｇｅｒｍｍｅａｌ１０６２．０５ ７９．３４７２．２１ ７９．５８４４．３８ ７０．９５３４．４４ ６７．８１６０．０８ ８４．９３ＳＩＤＬｙｓ（％）＝１３０．４５＋９．５８ＥＥ－１．１６ＴＤＦ－５１．６２Ｌｙｓ（Ｒ２＝０．９１）；ＳＩＤＭｅｔ（％）＝１８４．６８－４．４３ＣＰ＋１．０４ｓｔａｒｃｈ－０．８０ＩＤＦ（Ｒ２＝０．８８）；ＳＩＤＴｒｐ（％）＝２８．９２＋９．３９ＡＥＥ＋７２．１９Ｃａ（Ｒ２＝０．６７）刘兆宇［５］玉米蛋白粉Ｃｏｒｎｇｌｕｔｅｎｍｅａｌ１５８０．８ ８９．３８９．６ ９７．２８４．０ ９２．９６２．４ ８３．６８５．５ ９２．８ＳＩＤＭｅｔ（％）＝１０９．１０－０．３０ＣＰ＋１．１３ＣＦ（Ｒ２＝０．７２）；ＳＩＤＴｒｐ（％）＝５２．９４＋９．４２ａｓｈ（Ｒ２＝０．３０）纪颖［６］大麦Ｂａｒｌｅｙ９７７．２ ９２．６６８．１ ８４．２７３．７ ８４．５７３．２ ８５．２７２．９ ８５．３ＳＩＤＴｈｒ（％）＝８９．５４＋０．７６ＣＰ－７．５３ａｓｈ（Ｒ２＝０．７４）王红亮［９］小麦Ｗｈｅａｔ１０８０．６ ８９．９８９．６ ９４．５８０．５ ９０．８８４．４ ９４．６８４．３ ９２．９ＳＩＤＬｙｓ（％）＝６７．３０＋４１．２５Ｌｙｓ（Ｒ２＝０．４１）；ＳＩＤＭｅｔ（％）＝１０４．５４－１．１３ＮＤＦ（Ｒ２＝０．３６）；ＳＩＤＴｈｒ（％）＝４８．７７＋９９．５１Ｔｈｒ（Ｒ２＝０．４０）唐受文［１０］小麦麸皮Ｗｈｅａｔｂｒａｎ１０７３．０ ８４．７７９．１ ８８．６５０．６ ７０．８７０．８ ８７．３５８．７ ７６．６ＳＩＤＬｙｓ（％）＝１０９．７２－４９．００Ｌｙｓ（Ｒ２＝０．５２）；ＳＩＤＭｅｔ（％）＝９６．２４－８．５１ＥＥ＋２．６１ａｓｈ（Ｒ２＝０．６７）；ＳＩＤＴｒｐ（％）＝－５．００ＣＦ＋１２．１６ａｓｈ＋６１．４９（Ｒ２＝０．４９）张志虎［１１］２３５４１０期张㊀帅等：猪饲料原料营养价值与动态营养需要量模型化研究进展续表３原料Ｉｎｇｒｅｄｉｅｎｔｓ样本量ｎ标准回肠末端氨基酸消化率ＳＩＤＡＡｓ／％赖氨酸Ｌｙｓ蛋氨酸Ｍｅｔ苏氨酸Ｔｈｒ色氨酸Ｔｒｐ缬氨酸Ｖａｌ建立的模型Ｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｓ文献Ｒｅｆｅｒｅｎｃｅｓ小麦次粉Ｗｈｅａｔｍｉｄｄｌｉｎｇ１０７９．５４ ９４．４１８９．３５ ９５．２６８２．３９ ９１．１０８５．１９ ９４．９５８７．４８ ９５．１３ＳＩＤＬｙｓ（％）＝６．４１Ｌｙｓ／ＣＰ＋６６．４６（Ｒ２＝０．５１）；ＳＩＤＭｅｔ（％）＝－０．６９ＣＦ＋９５．１１（Ｒ２＝０．３７）；ＳＩＤＴｈｒ（％）＝０．９９ＣＰ＋７３．４５（Ｒ２＝０．４１）黄强［１２］全脂米糠Ｗｈｏｌｅｆａｔｒｉｃｅｂｒａｎ１０６８．７４ ８１．９２７３．２２ ８８．７２５６．６１ ７６．４３５３．７９ ８２．７２７０．４５ ８２．６４ＳＩＤＬｙｓ（％）＝６０．４５－５．２８ＣＰ－０．３５ＳＴ－１．２２ＡＤＦ＋９．９５ａｓｈ＋３０９．８０Ｍｅｔ－３５６．４８Ｔｈｒ＋８８３．６８Ｔｒｐ（Ｒ２＝０．９９）；ＳＩＤＭｅｔ（％）＝１０７．８９＋７．８２ＣＰ＋０．３６ＳＴ－１．４０ＮＤＦ＋３．７８ＡＤＦ－３．６８ａｓｈ－６．３３ＧＥ（Ｒ２＝０．９６）施传信［１３］亚麻饼Ｆｌａｘｓｅｅｄｍｅａｌ１０７０．９０ ８５．４１８５．２９ ９５．８６７１．６４ ８２．７８７４．６６ ９２．７６７３．４７ ８９．７４ＳＩＤＬｙｓ（％）＝４５．６３＋４９．４９Ｍｅｔ（Ｒ２＝０．４７）；ＳＩＤＭｅｔ（％）＝１０７．８１－０．５７ＮＤＦ＋０．３６ＡＤＦ（Ｒ２＝０．９２）；ＳＩＤＴｈｒ（％）＝３４．６６＋０．９９ＣＰ＋０．６１ＥＥ（Ｒ２＝０．７１）．陈一凡［１４］双低菜籽饼Ｄｏｕｂｌｅｌｏｗｒａｐｅｓｅｅｄｍｅａｌ８５５．４３ ８６．１６８６．２３ ９３．１６６２．０９ ７６．７４７６．９２ ８４．６７６５．４７ ７８．６１ＳＩＤＬｙｓ（％）＝０．３３ＰＳ＋５６．８９（Ｒ２＝０．７８）；ＳＩＤＭｅｔ（％）＝１．６５Ｌｙｓ－２．４０ＣＦ＋２２．０７Ｍｅｔ＋１１１．０４（Ｒ２＝０．９１）李培丽［１５］棉籽粕Ｃｏｔｔｏｎｓｅｅｄｍｅａｌ１０５５．００ ６８．０２６９．９４ ７９．９８５９．３３ ７３．１４７０．００ ８０．８９６５．１４ ７２．３２ＳＩＤＬｙｓ（％）＝－２５．６８＋５．０１ｃｅｌｌｕｌｏｓｅ－１．８４ＡＤＦ＋９５．３０Ｍｅｔ（Ｒ２＝０．８５）；ＳＩＤＴｒｐ（％）＝８３．２９－０．５２ＣＰ＋１４．３２ＡＥＥ（Ｒ２＝０．７０）马晓康［１７］葵花粕Ｓｕｎｆｌｏｗｅｒｍｅａｌ１０６７．０３ ８２．０７７７．１６ ９０．２７６１．９７ ７７．０１６８．７０ ８１．８０６６．３６ ７８．９４ＳＩＤＬｙｓ（％）＝３９．６５＋９０．３０Ｍｅｔ－８４．３６Ｔｒｐ（Ｒ２＝０．９８）；ＳＩＤＭｅｔ（％）＝５８．０２－０．４９ＥＥ＋７．９６Ｃａ＋３３．９８Ｍｅｔ（Ｒ２＝０．９７）；ＳＩＤＴｈｒ（％）＝２８．３９＋５６．７３Ｍｅｔ（Ｒ２＝０．８７）刘君地［１８］花生粕Ｐｅａｎｕｔｍｅａｌ１０５９．６５ ７６．７５７７．４０ ８７．２２６０．０７ ７２．９２６２．９３ ７７．５６７３．８１ ８１．６９ＳＩＤＬｙｓ（％）＝４８．１０Ｌｙｓ－０．４２ＮＤＦ－０．６１（Ｒ２＝０．８８）；ＳＩＤＭｅｔ（％）＝２４．３１Ｍｅｔ＋２８．４４Ｌｙｓ－０．２８ＮＤＦ＋３１．１６（Ｒ２＝０．９２）；ＳＩＤＴｈｒ（％）＝３６．８１Ｌｙｓ＋９．５０（Ｒ２＝０．７４）李青云［１９］㊀㊀ａ∗：红度值ｒｅｄｎｅｓｓｖａｌｕｅ；ＰＳ：蛋白质溶解度ｐｒｏｔｅｉｎｓｏｌｕｂｉｌｉｔｙ㊂３３５４㊀动㊀物㊀营㊀养㊀学㊀报３２卷㊀㊀仿生酶法是一种快速简便评估原料能量利用效率的方法，该方法根据动物体内酶的性质㊁种类㊁作用条件（包括温度和ｐＨ等）㊁胃肠道生理参数等设计生物反应器，从而进行饲料中营养物质的体外模拟消化吸收㊂国内对于仿生酶法的相关研究集中在中国农业科学院动物营养学国家重点实验室，研究人员开发了猪的全自动仿生消化系统，利用该系统体外评价了棉籽粕等原料的ＤＥ值和可消化氨基酸含量［６２］㊂㊀㊀近红外光谱是一项兴起于２０世纪７０年代的现代快速分析技术，因为其具有快速㊁无损㊁成本低㊁多组分同时检测等优点，已被广泛地应用于饲料中化学组分的快速估测中㊂结合基于化学组分的饲料原料有效养分预测模型，使用近红外光谱技术即可实现对饲料原料有效能的快速预测㊂近年来，国家饲料工程技术研究中心依托在猪饲料原料有效养分评定工作上的数据积累，先后利用近红外光谱技术建立了包括玉米㊁小麦㊁豆粕㊁高粱㊁全脂米糠㊁大麦㊁麦麸㊁玉米蛋白粉㊁花生粕㊁棉籽粕㊁菜籽粕㊁次粉以及玉米胚芽粕等在内的１０余种猪常用饲料原料的ＤＥ和ＭＥ近红外定标模型［６３－６５］㊂进一步利用近红外光谱技术预测猪饲料原料的氨基酸ＳＩＤ㊁ＮＥ值以及营养物质消化率等将会是未来原料评价方面的重要研究方向之一㊂２　猪动态营养需要量的模型化研究进展㊀㊀动物的营养需要是配方设计中除了原料有效养分外需要考虑的另外一个重要因素㊂世界各国的动物营养学家与大型的营养和育种公司会通过对生产实践和研究数据的定期归纳总结，制定营养需要标准，供生产者进行参考㊂目前国际上常用来参考的猪饲养标准包括美国ＮＲＣ（２０１２）㊁丹麦ＮｕｔｒｉｅｎｔＲｅｑｕｉｒｅｍｅｎｔＳｔａｎｄａｒｄｓ（２０１６）㊁巴西ＢｒａｚｉｌｉａｎＴａｂｌｅｓｆｏｒＰｏｕｌｔｒｙａｎｄＳｗｉｎｅ（２０１７）等㊂我国也已经完成了对２００４年版猪营养需要国家标准的修订工作，新版猪营养需要量标准已于２０１８年报批，预计很快就将发布㊂㊀㊀目前的各版猪饲养标准中给出的均是特定生理阶段下群体需要量的平均值，数据呈现静态化，无法反映具体生理状态㊁营养条件㊁环境条件㊁管理水平和疾病等对猪营养需要量的影响㊂因此，猪营养需要研究发展的一个重要方向就是通过模型化实现动态营养需要㊂㊀㊀当前，构建猪能量需要量模型的主流方法包括综合法和析因法，通过２种方法分别可以建立营养需要量的经验模型（ｅｍｐｉｒｉｃａｌｍｏｄｅｌ）和机理模型（ｍｅｃｈａｎｉｓｔｉｃｍｏｄｅｌ）㊂综合法会综合考虑猪的维持需要和生产需要，一般采用剂量－反应试验，通过设置不同的饲粮营养水平进行猪的生长试验，测定生长或代谢指标，进一步利用线性模型㊁二次曲线模型㊁折线模型等构建猪营养需要量与生长性能指标或繁殖性能指标之间的关系，从而建立猪营养需要量的动态经验模型㊂近年来国内开展的对于商品猪或者地方品种猪能量需要量和氨基酸需要量的评定工作均基于综合法（表４）㊂综合法建立的经验模型可以在特定试验条件下有效预测动物群体的营养需要，但却无法揭示自变量与因变量之间内在的生理生化机制和变化规律，因此属于黑箱模型，只在特定环境条件下具有代表性，无法进行大范围的推广应用㊂近年来，国外以美国堪萨斯州立大学Ｓ．Ｓ．Ｄｒｉｔｚ教授团队为代表的研究者也利用综合法在商品化猪场生产条件下开展了一系列的断奶仔猪㊁生长猪和育肥猪的ＳＩＤ氨基酸需要量（包括赖氨酸㊁缬氨酸㊁组氨酸等）研究试验，并建立了相应的经验模型［６６－６８］㊂㊀㊀随着现代养猪业生产规模的不断扩大以及愈加精细的分阶段饲养管理模式的出现，能够准确解析不同阶段和不同生产目标下猪营养需要量的析因法受到了越来越多的关注㊂利用析因法构建的机制模型可以准确描述营养素在动物体内的流动与转化效率，赋予了数学模型以生物学意义，从而可以更有效地指导生产实践［７５］㊂机制模型建立在对代表性猪只生理规律的描述和数学表示之上，往往需要更多的参数来对生物反应做出有效预测，因此代表性动物的选择㊁大量数据的积累和生物学规律的分析是成功建模的关键㊂Ｗｈｉｔｔｅ⁃ｍｏｒｅ等［７６］于１９７６年提出了最早的生长猪机制模型，对生长猪蛋白质沉积和脂肪沉积的能量需要量进行了动态描述㊂此后，法国国家农业科学研究院（ＩＮＲＡ）的科学家基于消化代谢㊁间接测热和比较屠宰等一系列试验的数据积累，利用析因法建立了生长猪的ＭＥ和ＮＥ需要量模型和母猪的ＭＥ和ＮＥ需要量模型，并于２００８年发布［７５，７７］㊂该模型在世界各地的商品猪生产中均展现了强大的普适性，因此被众多国家的猪饲养标准如美国４３５４ＮＲＣ（２０１２）等采用并沿用至今㊂在国内，唐倩［７８］通过饲养试验㊁消化代谢试验和比较屠宰试验相结合的方法，系统分析了圩猪（阉公猪）生长期（３５ ６０ｋｇ）的能量和蛋白质的代谢规律及需要量，并通过线性方程和异速生长方程拟合出ＭＥ㊁ＮＥ和蛋白质需要量的析因模型㊂此外，山东农业大学杨在宾教授团队近年来通过饲养试验㊁消化代谢试验和屠宰试验的方法先后分析了莱芜猪㊁沂蒙黑猪和江泉白猪等我国地方特色猪种在生长期（１５ ９０ｋｇ）的ＤＥ㊁ＭＥ与蛋白质的代谢规律，并由此构建了这些猪种在生长期的ＤＥ㊁ＭＥ和蛋白质需要量的析因模型［７９－８３］㊂以上是近年来国内为数不多公开报道的关于猪营养需要量模型的相关研究㊂除此之外，由于缺乏对猪的ＮＥ和ＳＩＤ氨基酸等有效养分基础数据的积累，至今少有关于析因法建立的猪ＮＥ和ＳＩＤ氨基酸需要量，尤其是母猪ＮＥ和ＳＩＤ氨基酸需要量机制模型的报道㊂这在今后相当长的时间内都将是一个严峻的研究任务和挑战㊂表４㊀近年来国内开展的基于综合法的猪营养需要量的研究Ｔａｂｌｅ４㊀ＳｔｕｄｉｅｓｃｏｎｄｕｃｔｅｄｉｎＣｈｉｎａｉｎｒｅｃｅｎｔｙｅａｒｓｔｏｄｅｔｅｒｍｉｎｅｎｕｔｒｉｅｎｔｒｅｑｕｉｒｅｍｅｎｔｓｏｆｐｉｇｓｂａｓｅｄｏｎｃｏｍｐｒｅｈｅｎｓｉｖｅａｐｐｒｏａｃｈ品种Ｂｒｅｅｄｓ生长阶段Ｇｒｏｗｔｈｓｔａｇｅｓ需要量指标Ｒｅｑｕｉｒｅｍｅｎｔｓｉｎｄｅｘｅｓ因变量指标Ｄｅｐｅｎｄｅｎｃｅｖａｒｉａｂｌｅｓ模型形式Ｆｏｒｍｓｏｆｍｏｄｅｌｓ文献Ｒｅｆｅｒｅｎｃｅｓ商品猪ＤＬＹｐｉｇ仔猪和生长育肥猪ＳＩＤＬｙｓʒＭＥ平均日增重㊁料重比㊁背膘厚度二次曲线模型李鹏飞［６９］商品猪ＤＬＹｐｉｇ哺乳母猪ＳＩＤＬｙｓʒＭＥ断奶至发情间隔㊁仔猪断奶窝重㊁仔猪窝增重折线模型㊁二次曲线模型薛凌峰［７０］商品猪ＤＬＹｐｉｇ妊娠母猪ＤＥ㊁Ｌｙｓ㊁ＴｈｒʒＬｙｓ母猪增重㊁产仔数㊁仔猪出生重㊁血清尿素氮含量二次曲线模型张荣飞［７１］商品猪ＤＬＹｐｉｇ后备母猪ＮＥ初情日龄㊁配种日龄㊁初生窝重㊁窝内体重变异二次曲线模型时梦［７２］荣昌猪Ｒｏｎｇｃｈａｎｇｐｉｇ妊娠母猪ＳＩＤＬｙｓ母猪增重㊁仔猪体增重㊁血清尿素氮和胰岛素含量二次曲线模型蒋亚东［７３］商品猪（Ｍｅｔａ分析）ＤＬＹｐｉｇ（Ｍｅｔａ⁃ａｎａｌｙｓｉｓ）１０２５ｋｇ仔猪ＳＩＤＬｙｓ平均日增重㊁平均日采食量㊁料重比二次曲线模型㊁线性平台模型㊁曲线平台模型向全航等［７４］㊀㊀ＮＥ：净能ｎｅｔｅｎｅｒｇｙ；ＳＩＤＬｙｓ：标准回肠末端可消化氨基酸ｓｔａｎｄａｒｄｉｚｅｄｉｌｅａｌｄｉｇｅｓｔｉｂｌｅｌｙｓｉｎｅ；ＴｈｒʒＬｙｓ：苏氨酸和赖氨酸比ｔｈｒｅｏｎｉｎｅʒｌｙｓｉｎｅ㊂３㊀小结和展望㊀㊀随着智能设备及智能养殖技术解决方案的应用与发展，我国畜牧业进入了产业转型升级的关键时期，一批新型物联网传感器设备正逐渐部署在传统养殖场，在改善管理流程的同时也使得畜牧生产过程中多维度数据的采集逐渐成为现实㊂因此，基于大数据分析的饲料原料营养价值评定与猪动态营养需要量估测将会是未来研究的大趋势，在此基础上诸如人工神经网络㊁支持向量机乃至深度学习算法都将会发挥用武之地，帮助动物营养学家更好地分析养殖供给端与需求端的情况，从而做出实时的智能决策㊂此外，新型传感器以及精准检测技术的开发与应用将会进一步丰富基础数据的采集，同时也会对模型的交叉验证起到关键作用㊂传统的饲料营养价值评定和动物营养需要量研究手段与现代信息技术以及算法模型的有机结合，将真正实现通过营养手段调控动物的生长健康，促进安全优质乃至定制化动物产品的生产，从而推动我国畜牧业的高效㊁优质和可持续发展㊂参考文献：［１］㊀胡杰，刘岭，张帅，等．影响猪饲料原料有效能值的关。

猪的饲养标准和营养需要一、饲养标准和营养需要的概念和作用（一）饲养标准的含义不能把饲养标准和饲料标准（定额）等同起来，两者含义不同。

1．简单含义系指畜禽每日每头需要营养物质的系统、概括、合理的规定,或每千克饲粮中各种营养物质的含量或百分比。

2．正式含义饲养标准是用以表明家畜在一定生理生产阶段下，从事某种方式的生产，为达到某一生产水平和效率，每头每日供给的各种营养物质的种类和数量，或每千克饲粮各种营养物质含量或百分比。

它加有安全系数（保险系数、安全余量）。

并附有相应的饲料营养价值表。

（二）营养需要的概念1．营养供给量是结合生产组织的人为供应量，它实质上是以高额为基础，能保证群体大多数家畜需要的营养物质都能满足。

它加有安全系数，所以仍有些浪费。

2．营养需要系指畜禽最低营养需要量，它反映的是群体的平均需要量，未加安全系数。

生产单位可根据自己的饲料情况和畜群种类体况加以适当调整，安排满足需要量。

（三）定额饲养与饲养定额1．定额饲养和饲养标准差不多，它是根据饲养标准和猪群具体情况来确定各类猪群每日所需（食）营养物质的种类和数量，即根据饲养标准来定额故有的称为“标准饲养”。

2．饲养定额系指把已确定的营养物质的种类和数量的需要量定到某一具体的猪群身上，即饲养定额。

（四）饲养标准的作用科学饲养标准的提出及其在生产实践中的正确运用，是迅速提高我国养猪生产和经济、合理利用饲料的依据，是保证生产、提高生产的重要技术措施，是科学技术用于实践的具体化，在生产实践中具有重要作用。

合理的饲养标准是实际饲养工作的技术标准，它由国家的主管部门颁布。

对生产具有指导作用，是指导猪群饲养的重要依据，它能促进实际饲养工作的标准化和科学化。

饲养标准的用处主要是作为核计日粮（配合日粮、检查日粮）及产品质量检验的依据。

通过核计日粮这个基本环节，对饲料生产计划、饲养计划的拟制和审核起着重要作用。

它是计划生产和组织生产以及发展配合饲料生产，提高配合饲料产品质量的依据。

猪的常用饲料成分及营养价值表以下是猪的常用饲料成分及营养价值表，数值均为近似值。

表格中包括粗蛋白质、钙、磷、粗纤维、植酸、赖氨酸、蛋氨酸、胱氨酸、异亮氨酸、维生素和能量等成分。

一、青绿饲料类：1.白三叶：粗蛋白质17.7%，钙0.48%，磷0.46%，粗纤维3.93%，植酸3.5%，赖氨酸0.25%，蛋氨酸0.08%。

2.芭蕉杆：粗蛋白质4.3%，钙0.08%，磷0.08%，粗纤维0.31%，植酸1.1%，赖氨酸0.03%，蛋氨酸0.01%。

3.草木犀：粗蛋白质16.4%，钙0.34%，磷0.32%，粗纤维3.84%，植酸4.2%，赖氨酸0.22%，蛋氨酸0.06%。

4.大白菜：粗蛋白质6%，钙0.19%，磷0.18%，粗纤维1.4%，植酸0.5%，赖氨酸0.03%，蛋氨酸0.04%。

5.胡萝卜秧：粗蛋白质12.3%，钙0.3%，磷0.29%，粗纤维2.31%，植酸1.7%，赖氨酸0.26%，蛋氨酸0.04%；胡萝卜：粗蛋白质18.3%，钙0.4%，磷0.38%，粗纤维4.12%，植酸2.9%，赖氨酸0.34%，蛋氨酸0.07%。

6.甘蓝：粗蛋白质8%，钙0.16%，磷0.15%，粗纤维0.14%，植酸0.12%，赖氨酸0.13%，蛋氨酸0.06%。

7.灰菜：粗蛋白质7%，钙0.21%，磷0.2%，粗纤维2.31%，植酸1.2%，赖氨酸0.14%，蛋氨酸0.04%。

8.甘薯藤：粗蛋白质13.9%，钙0.39%，磷0.37%，粗纤维2.22%，植酸2.6%，赖氨酸0.22%，蛋氨酸0.07%。

9.红三叶：粗蛋白质12.4%，钙0.33%，磷0.32%，粗纤维2.33%，植酸3%，赖氨酸0.25%，蛋氨酸0.04%。

10.聚合草：粗蛋白质12.9%，钙0.4%，磷0.38%，粗纤维3.21%，植酸1.3%，赖氨酸0.16%，蛋氨酸0.12%。

11.菊芋：粗蛋白质20%，钙0.52%，磷0.52%，粗纤维2.35%，植酸5.5%，赖氨酸0.03%，蛋氨酸0.01%。

幻灯片1第四章饲料营养价值评定幻灯片2本章主要内容●饲料营养价值评定方法●饲料能量营养价值的评定●蛋白质营养价值的评定●饲料中矿物元素和维生素的评定幻灯片3目的要求●明确饲料营养价值评定的重要性●掌握营养价值评定方法幻灯片4第一节饲料营养价值评定方法●一、饲料营养价值评定的发展历史●二、饲料营养价值评定的意义●三、饲料营养价值评定的理论依据与方法3.1 理论依据：依据饲料中营养物质含量和饲料中营养物质在动物体内的营养效果，定量评定饲料的营养价值。

3.2 评定方法：化学分析法和动物试验。

幻灯片5●定义：饲料营养价值是指饲料本身所含营养成分及这些营养成分被动物利用后所产生的营养效果。

发展历史：●第一阶段：从1810年饲料营养价值评定的奠基人Thaer提出“干草等价”到1869年Henneberg和Stohmann创建概略养分分析。

●第二阶段：以可消化营养物质作为评定指标为主要特征。

1874年，Woeff提出“TDN（总消化养分）”的概念。

●第三阶段：以研究饲料能量在动物体内的代谢、转化为特征。

幻灯片6二、饲料营养价值评定的意义●（1）了解各种饲料的营养价值和营养特性，以指导人们在生产中尽可能合理利用各种现有饲料资源和开发新的饲料资源。

●（2）了解影响饲料营养价值的因素，这对选择合理的加工措施、合理利用饲料、提高饲料的利用率具有指导意义。

●（3）了解和掌握动物对饲料养分的利用情况、需要量及其变化规律。

幻灯片7三、饲料营养价值评定的内容1.饲料养分组成如何？2.适口性如何？3.消化率如何？4.利用率如何？5.短期和长期饲喂效果如何？6.对畜产品质量的影响？7.对环境质量的影响？8.对人类的影响？9.经济价值如何？幻灯片8A 化学分析●一、分析样本的采集与制备●二、饲料养分的表示方法●三、根据饲料的概略养分含量评定饲料的营养价值●四、根据饲料的纯养分含量评定饲料的营养价值●五、化学分析的必要性与局限性幻灯片9一、分析样本的采集与制备（一）分析样本的采集与制备的要求采集：样品必须具有代表性。

猪各个阶段的营养标准饲养标准是用以表明家畜在一定生理生产阶段下，从事某种方式的生产，为达到某一生产水平和效率，每日每头供给的各种营养物质的种类和数量，或每千克饲料各种营养物质含量或百分比。

完整的饲养标准包括标准研究条件、研究方法说明、各类动物不同阶段、不同生产目的营养需要量以及常用饲料原料营养价值表。

美国NRC和英国ARC的营养需要是世界上影响最大的两个标准，目前在我国养猪生产中应用较多的是1998年第十版NRC《猪的营养需要》。

在使用饲养标准时，对饲养标准要正确理解、灵活应用。

一定要考虑到猪的生产性能、饲养规格及质量、环境和饲养方式的差异，对标准中的营养需要按实际水平、饲料饲养条件进行适当调整。

严格讲，猪的饲养标准不能简单地用哪一个现成的标准作参考而是要根据所养生猪的品种或类群、体重特征等方面的条件而决定。

一般如果所养生猪为杜长大等洋三元组合，且是在集约化生产条件下按照国际标准进行生产，并将市场瞄准在国际市场，则可以按照美国NRC和英国ARC的标准;但如果不是这样，则可以将我国的饲养标准与美国NRC或英国ARC标准相结合，制订切实可行的标准。

一、生长肥育猪的生理特点和发育规律根据育肥猪的生理特点和发育规律，我们按猪的体重将其生长过程划分为二个阶段，即生长期和育肥期。

生长期：体重20～60千克为生长期。

此阶段猪的机体各组织、器官的生长发育功能不很完善，尤其是刚刚20千克体重的猪，其消化系统的功能较弱，消化液中某些有效成分不能满足猪的需要，影响了营养物质的吸收和利用，并且此时猪只胃的容积较小，神经系统和机体对外界环境的抵抗力也正处于逐步完善阶段。

这个阶段主要是骨骼和肌肉的生长，而脂肪的增长比较缓慢。

肥育期：体重60千克～出栏为肥育期。

此阶段猪的各器官、系统的功能都逐渐完善，尤其是消化系统有了很大发展，对各种饲料的消化吸收能力都有很大改善;神经系统和机体对外界的抵抗力也逐步提高，逐渐能够快速适应周围温度、湿度等环境因素的变化。

饲料营养价值评定研究方法饲料营养价值是指饲料本身所含营养分与这些营养分被动物利用后所产生的营养效果。

饲料中所含有的营养成分是动物维持生命活动与生产的物质基础，一种饲料或者饲粮含的营养分越多、而这些养分又能大部分被动物利用的话，这种饲料的营养价值就高，反之，若饲料或者饲粮所含营养分低、或者虽营养分含量高，但能被动物利用的少，则其营养价值就低。

动物的组织及体外产品都是动物摄取的饲料营养物质在机体内代谢与转化的结果（产物），或者者说是饲料养分在动物体内的沉积。

饲料营养价值的评定也就务必根据饲料中的营养物质含量与饲料中营养物质在动物体内的营养效果，定量分析饲料的营养价值。

本章将要紧讨论饲料营养价值的评定方法、饲料能量与蛋白质营养价值的评定与维生素与矿物元素营养价值的评定。

第一节饲料营养价值的评定方法近一个世纪以来，饲料营养价值要紧通过化学分析、消化试验、代谢试验、平衡试验与饲养试验来评定。

各国学者对评定方法进行了大量的研究与改进，已使饲料营养价值的评定成为许多营养实验室的常规工作之一。

一、化学分析（一）分析用样品的采集与制备样品采集是饲料营养价值评定工作中最重要的一步，采集的样品务必具有代表性，即代表全部被检物质的平均水平。

否则，即使实验室分析的仪器与方法先进、科学，也不能得出科学、公证与有用的结果。

饲料样本的制备在于确保样品十分均匀，在分析时，取任何部分都能代表全部被检测物质的成分。

根据被检物质的性质与检测项目要求，能够用摇动、搅拌、切碎、研磨或者捣碎等方法进行。

互不相溶的液体，分离后分别取样。

（二）饲料养分的表示百分数（%）：是最为常用的表示方法，即表示饲料中某养分在饲料中的重量百分比。

要紧用以表示概略养分、常量元素、氨基酸的含量。

mg/kg：通常用以表示微量元素、水溶性维生素等养分（有的时候还用µg/kg）。

IU（国际单位）：常用以表示脂溶性维生素等在饲料中的含量。

CIU(鸡国际单位，chicken international unit)。

优质猪肉生产的饲料营养关键技术研发和应用1.引言1.1 概述猪肉是世界上最重要的肉类之一，也是人们餐桌上不可或缺的食品之一。

然而，随着人们对食品安全和健康的关注度不断提高，优质猪肉生产的要求也越来越高。

饲料作为影响猪肉质量的重要因素之一，对猪肉生产起着至关重要的作用。

饲料营养是优质猪肉生产的关键技术之一。

合理的饲料配方可以满足猪只生长发育所需的各种营养物质，提高猪只的生长性能和肉质品质。

通过优化饲料配方，可以提高猪只的饲料利用率，降低饲料成本，减少环境污染。

因此，饲料配方优化是实现优质猪肉生产的重要手段。

另外，饲料添加剂的研发和应用也是优质猪肉生产的关键技术之一。

饲料添加剂可以弥补饲料中某些营养物质的不足，提高饲料的营养价值。

同时，饲料添加剂还可以改善猪只的消化吸收功能，增强免疫力，提高抗病能力，减少疾病的发生。

因此，通过研发和应用饲料添加剂，可以提高猪只的生长速度和生产性能，延长猪只的屠宰周期，提高猪肉的品质。

通过研发和应用优质猪肉生产的饲料营养关键技术，可以提高猪肉的品质和安全性，满足人们对高品质猪肉的需求。

同时，优质猪肉的生产还可以提高农民的收入水平，促进农村经济的发展。

因此，加强对优质猪肉生产的饲料营养关键技术的研发和应用具有重要的现实意义和经济效益。

1.2 文章结构文章结构部分的内容可以按照以下方式编写：文章结构本文主要包含以下几个部分：引言、正文和结论。

引言部分将对“优质猪肉生产的饲料营养关键技术研发和应用”这一主题进行概述，介绍该主题的重要性和研究背景。

同时，引言部分将介绍本文的结构和目的。

正文部分将重点探讨两个关键技术，即饲料配方优化和饲料添加剂研发。

其中，2.1节将深入研究饲料配方优化的方法和原则，包括确定猪只的营养需求、优化原料配比、考虑生长阶段和环境因素等。

2.2节将介绍饲料添加剂的研发情况，包括添加剂的种类、研发过程和关键技术，以及添加剂在提高猪只生产性能和健康素质方面的应用。

近红外光谱技术在畜禽饲料营养评定中的研究进展作者：陈辉来源：《湖南饲料》 2019年第2期摘要:饲料营养评定是畜禽生产中一个重要环节,传统的饲料营养评定方法耗时长、效率低,不利于饲料和畜禽生产企业快速准确地对饲料营养进行评定.近年随着电子计算机技术和化学计量技术的飞速发展.近红外光谱技术(Near Infrared Reflectance Spectroscopy,NIR)凭借其高效、无损以及快捷等优良测量功效,被广泛应用于畜禽饲料营养评定领域。

文辛分析了其技术原理、流程以及评价参数,重点论述了其在饲料原料营养成分评定、饲料成品评定以及畜禽饲料消化率预测等方面的应用,并提出了其在我国的应用前景及展望,旨在为该技术在畜禽饲料营养评定中的应用提供理论依据和参考。

关键词:近红外光谱技术;NIR;营养评定;畜禽生产饲料营养评定是评价饲料品质以及畜禽生产中重要的环节.准确的评定数据对饲料生产以及畜禽生产具有积极意义.畜禽饲料营养评定主要分为饲料(包括原料养分评定和饲料成品品质评定)评定和饲料消化率的预测.传统测定饲料养分以及饲料养分消化率的预测方法大多耗时耗力,且评定效率低,难以满足现代饲料企业和畜禽生产企业高效发展的需要.因而开发一种高效准确的快速测定方法具有迫切性和积极意义.近红外光谱技术(NIR)是一种结合化学计量技术和光谱分析技术的测定技术,NIR技术具有高效无损、低成本且不需要复杂的样品制备等测定功效,因而被认为是有望取代传统分析技术的潜力替代分析技术,尤其是随着近几年电子计算机等技术的飞速发展,使其在蔬菜品质、肉品质评定、中草药鉴定等农业领域有着广泛的应用:同时NIR技术存畜禽饲料营养评定中也表现出了很好的应用潜力。

大量的研究表明,NIR技术在饲料原料养分的评定、饲料成品品质的评定、猪的饲料消化率预测、家禽的饲料消化率预测以及反刍动物饲料消化率预测等方面有着广泛的应用.文章就NIR技术在畜禽饲料营养评定中的应用加以综述,并分析了其应用原理及策略,提出了其在畜禽饲料营养评定应用的可行性以及优越性.为其在畜禽饲料营养评定中的应用推广提供理论依据,旨在为饲料生产企业和畜禽生产企业的高效发展提供思路和方向。