摘 要： 旨在探討仿生消化法估測(cè)生長(zhǎng)豬飼料原料消化能（DE）、代謝能（ME）和凈能（NE）的準(zhǔn)確性和可加性，為快速獲得生長(zhǎng)豬飼料的有效能值提供參考。采用單因素完全隨機(jī)設(shè)計(jì)，以生長(zhǎng)豬仿生消化法測(cè)定12個(gè)能量飼料、9個(gè)蛋白質(zhì)飼料，以及由上述21個(gè)飼料原料配制的17個(gè)飼糧的酶水解物能值（EHGE），每個(gè)處理5個(gè)重復(fù)，每個(gè)重復(fù)1根消化管。通過EHGE、粗蛋白（CP）和酸性洗滌纖維（ADF）估測(cè)DE、ME及NE值。比較飼料原料有效能（DE、ME、NE）估測(cè)值與GB/T 39235—2020中同本研究同名的17個(gè)飼料原料的能量利用率乘以總能（GE）實(shí)測(cè)值得出的體內(nèi)有效能值的差異及相關(guān)性，以驗(yàn)證仿生消化法估測(cè)飼料有效能的準(zhǔn)確性。根據(jù)飼料原料的有效能估測(cè)值計(jì)算飼糧有效能加權(quán)值，并根據(jù)飼糧EHGE估測(cè)有效能的數(shù)學(xué)模型獲得飼糧的有效能值，比較兩者的差異以驗(yàn)證仿生消化法估測(cè)飼料有效能值的可加性。結(jié)果表明，采用GB/T 39235—2020計(jì)算的17個(gè)飼料原料的DE、ME、NE對(duì)EHGE結(jié)合CP、ADF估測(cè)的有效能值線性回歸模型的決定系數(shù)（R2）分別為0.774，0.778和0.870?；貧w診斷分析發(fā)現(xiàn)，米糠、小麥麩和玉米胚芽粕偏離了其他14個(gè)飼料原料樣品體內(nèi)值與估測(cè)值的線性關(guān)系（DFFITSgt;2pn）。剔除上述3個(gè)樣品后，GB/T 39235—2020計(jì)算的體內(nèi)有效能對(duì)估測(cè)值線性回歸的決定系數(shù)高于0.93。17個(gè)試驗(yàn)飼糧的EHGE實(shí)測(cè)值對(duì)加權(quán)計(jì)算值，DE、ME和NE的估測(cè)值對(duì)加權(quán)計(jì)算值的線性回歸與Y=X重疊（R2gt;0.95，Plt;0.01）。上述結(jié)果表明，仿生消化法可以滿意地估測(cè)14個(gè)飼料樣品的有效能值，但低估了米糠和小麥麩的有效能值，卻高估了玉米胚芽粕的DE和ME。仿生消化法測(cè)定的EHGE及通過EHGE估測(cè)的DE、ME、NE均具有良好的可加性。

關(guān)鍵詞： 生長(zhǎng)豬；飼料原料；仿生消化法；有效能

中圖分類號(hào)：S816.32

文獻(xiàn)標(biāo)志碼：A 文章編號(hào)： 0366-6964（2024）09-3988-13

Study on the Accuracy and Additivity of Effective Energy in Feed" for Growing Pigs Predicted

by Simulated Digestion Method

REN" Cong， ZHANG" Hu， WANG" Yuming， XIE" Jingjing， SA" Renna， ZHAO" Feng*

（State Key Laboratory of Animal Nutrition and Feeding， Institute of Animal Science， Chinese Academy of Agricultural Sciences， Beijing 100193， China）

Abstract：" The objective of this study was to investigate the accuracy and additivity of digestible energy （DE）， metabolizable energy （ME） and net energy （NE） predicted from simulated digestion method in feed for growing pig， which will provide a reference for quickly determining effective energy in feed. A single factorial completely randomized design was adopted for the determination of enzymatic hydrolysate gross energy （EHGE） of 12 energy feed ingredients， 9 protein feed ingredients and 17 diets formulated by the above 21 feed ingredients.Each treatment contained 5 replicates with 1 digestive tube per replicate. The DE， ME and NE were predicted by EHGE combined with crude protein （CP） and acid detergent fiber （ADF）. The difference and correlation between the predicted effective energy （DE， ME and NE） values and the in vivo values estimated by gross energy （GE） multiplied by energy utilization coefficients in the GB/T 939235—2020 of 17 feed ingredients with the same name as this study were calculated to verify the accuracy of effective energy predicted from simulated digestion method. The difference between the weighted values of effective energy calculated by individual value of feed ingredients and the values predicted by the mathematical model of effective energy from EHGE in the diets were compared to validate the additivity of effective energy predicted from simulated digestion method. The results showed that the coefficients of determination （R2） of the linear regression model of in vivo DE， ME and NE calculated from GB/T 939235—2020 against effective energy predicted from EHGE combined with CP and ADF of 17 feed ingredients were 0.774， 0.778 and 0.870， respectively. Regression diagnostic analysis indicated that rice bran， wheat bran and corn germ meal deviated from other 14 feed ingredients in the linear relationship between the in vivo and predicted values （DFFITSgt;2pn）. Excluding the above 3 samples， the R2 of the linear regression of in vivo effective energy calculated from GB/T 939235—2020 on predicted values were greater than 0.93. The linear regression of determined EHGE on weighted calculation values and the predicted DE， ME and NE on weighted calculation values were consistent to the line of Y=X （R2gt;0.95， Plt;0.01）. These results indicate that the simulated digestion method can accurately predict the effective energy of 14 feed ingredients， but underestimate the effective energy of rice bran and wheat bran， whereas overestimate the DE and ME of corn germ meal. The EHGE determined by simulated digestion method and the DE， ME， NE which predicted from EHGE all have good additivity.

Key words： growing pig; feed ingredients; simulated digestion method; effective energy

*Corresponding author： ZHAO Feng，E-mail： zhaofeng@caas.cn

飼糧成本占養(yǎng)豬總成本的60%～70%［1］，其中能量成本又占飼糧成本的70%［2］。因此，采用快速、準(zhǔn)確的方法評(píng)定飼料原料及飼糧的有效能值對(duì)飼料資源的多元化利用、控制飼糧配方成本非常重要。目前，獲得豬飼料有效能值的經(jīng)典方法為動(dòng)物代謝試驗(yàn)，但該方法耗時(shí)長(zhǎng)、勞動(dòng)強(qiáng)度大，測(cè)定效率無法滿足生產(chǎn)的需求。通過體外模擬消化評(píng)估人類食物及動(dòng)物飼料養(yǎng)分的利用率已得到了廣泛的應(yīng)用［3-5］。該方法不僅具有高度的重復(fù)性，而且通過對(duì)方法的標(biāo)準(zhǔn)化和儀器化可以高效地評(píng)定飼料的營養(yǎng)價(jià)值［6-7］。Du等［8］、Gao等［9］建立了一種全自動(dòng)模擬生長(zhǎng)豬胃-小腸-大腸消化估測(cè)飼料消化能（DE）和代謝能（ME）的方法。本實(shí)驗(yàn)室采用Gao等［9］、Du等［8］和張晉源［10］共計(jì)43個(gè)飼料原料的酶水解物能值（EHGE）與生長(zhǎng)豬凈能（NE）間的相關(guān)關(guān)系建立了估測(cè)NE的數(shù)學(xué)模型。趙江濤等［11］的試驗(yàn)結(jié)果表明，該方法在4個(gè)實(shí)驗(yàn)室間測(cè)定EHGE的重復(fù)性變異系數(shù)和再現(xiàn)性變異的平均值分別為0.51%和0.76%。這表明該方法有望成為估測(cè)生長(zhǎng)豬飼料有效能的新方法。為進(jìn)一步驗(yàn)證該方法的有效性，本研究針對(duì)中國區(qū)域常用的豬飼料原料，擬：1）驗(yàn)證仿生消化法估測(cè)飼料原料DE、ME和NE的準(zhǔn)確性；2）在更廣泛的飼料原料種類間檢驗(yàn)仿生消化法估測(cè)飼料DE、ME和NE的可加性。

1 材料與方法

1.1 飼料原料及飼糧

選用玉米等能量飼料樣品12個(gè)，豆粕等蛋白質(zhì)飼料樣品9個(gè)。其化學(xué)成分列于表1。共計(jì)配制17個(gè)由6～12種飼料原料組成，形成一系列在原料結(jié)構(gòu)上具有明顯差異的試驗(yàn)飼糧（表2）。其中飼糧6～8和10由6種飼料原料組成；飼糧3～5、11和14由7種飼料原料組成；飼糧1～2和9由8種飼料原料組成；飼糧12～13和16由9種飼料原料組成；飼糧17由12種飼料原料組成。每個(gè)飼糧配備500g，混合后全部粉碎后過60目方形篩孔，再次混合后于－20 ℃密封保存?zhèn)溆谩?/p>

1.2 試驗(yàn)設(shè)計(jì)

采用單因素完全隨機(jī)設(shè)計(jì)，通過仿生消化法測(cè)定飼料原料及飼糧的EHGE。每個(gè)處理5個(gè)重復(fù)，每個(gè)重復(fù)1根消化管。通過EHGE結(jié)合粗蛋白質(zhì)（CP）和酸性洗滌纖維（ADF）估測(cè)DE、ME及NE的數(shù)學(xué)模型計(jì)算飼料原料及飼糧的DE、ME和NE值。根據(jù)飼料原料的總能（GE）及GB/T 39235—2020中DE、ME、NE與GE的比值計(jì)算體內(nèi)有效能值。比較DE、ME及NE估測(cè)值與體內(nèi)值的差異及相關(guān)性，以驗(yàn)證仿生消化法估測(cè)生長(zhǎng)豬飼料原料DE、ME及NE的準(zhǔn)確性。根據(jù)EHGE估測(cè)飼料原料的DE、ME和NE值以及飼糧中供能飼料原料的比例計(jì)算飼糧的DE、ME和NE值，同時(shí)，根據(jù)飼糧的EHGE值及數(shù)學(xué)模型計(jì)算飼糧的DE、ME和NE值，比較兩者的DE、ME和NE值的差值及線性回歸與Y=X（斜率與1，截距與0）的差異，以驗(yàn)證仿生消化法估測(cè)生長(zhǎng)豬飼料原料有效能值的可加性。

1.3 測(cè)定指標(biāo)與方法

生長(zhǎng)豬飼料EHGE的測(cè)定過程參考Du等［8］和《單胃動(dòng)物仿生消化系統(tǒng)操作手冊(cè)》（第四版）［12］中豬飼料EHGE測(cè)定技術(shù)規(guī)程進(jìn)行。生長(zhǎng)豬模擬消化液試劑盒包括胃模擬消化液、小腸模擬消化液、大腸模擬消化液及相應(yīng)消化階段的緩沖溶液（貨號(hào)：IVDEGP；湖南中本智能科技發(fā)展有限公司生產(chǎn)）。仿生消化參數(shù)設(shè)置如下：消化溫度39 ℃，胃消化3 h，小腸消化5 h，大腸消化21 h。根據(jù)Gao等［9］、Du等［8］和張晉源［10］共計(jì)43個(gè)飼料原料的EHGE與生長(zhǎng)豬DE、ME、NE間的回歸模型，分別計(jì)算飼料原料及飼糧的DE、ME和NE值。

按GB/T-6435—2014測(cè)定樣品的水分并計(jì)算其干物質(zhì)含量。樣品CP含量的測(cè)定參照GB/T 6432—1994的方法，ADF含量的測(cè)定參考NY/T 1459—2022的方法，中性洗滌纖維（NDF）含量的測(cè)定參考GBT/20806—2022的方法，粗脂肪（EE）的測(cè)定參考GB/T 6433—2006的方法，粗灰分（Ash）的測(cè)定參考GB/T 6438—2007的方法，粗纖維（CF）的測(cè)定參考GB/T 6434—2022。樣品的GE根據(jù)張晉源等［13］描述的上樣量和上樣過程及ISO-9831∶1998的測(cè)定標(biāo)準(zhǔn)，通過Parr-6400型氧彈熱量計(jì)測(cè)定。

1.4 數(shù)據(jù)處理與統(tǒng)計(jì)分析

根據(jù)Gao等［9］、Du等［8］和張晉源［10］的生長(zhǎng)豬代謝試驗(yàn)數(shù)據(jù)，通過EHGE結(jié)合 CP和ADF估測(cè)飼料DE、ME和NE。具體計(jì)算采用單胃動(dòng)物仿生消化系統(tǒng)數(shù)據(jù)中心軟件V1.0（登記號(hào)：2022SR0162639）自動(dòng)計(jì)算。

DE=0.766×EHGE+（0.866×CP－1.830×ADF+859）×4.184÷1 000（飼料原料）；

DE=0.920 4×EHGE +380×4.184÷1 000（飼糧）。

ME=0.777×EHGE+（0.435×CP－1.937×ADF+786）×4.184÷1 000（飼料原料）；

ME=0.936 1×EHGE+209×4.184÷1 000（飼糧）。

NE=0.577×EHGE-（0.954×CP－2.770×ADF+901）×4.184÷1 000（CP、ADF單位為g·kg－1 DM）（飼料原料、飼糧）。

飼糧EHGE、DE、ME或NE的算術(shù)加權(quán)計(jì)算值：

EHGE、DE、ME或NE算術(shù)加權(quán)計(jì)算值=

∑ni=1EHGEi或DEi或MEi或NEi×Pi

式中：EHGEi、DEi、MEi或NEi分別為飼料原料的EHGE、DE、ME或NE值（DM基礎(chǔ)），Pi為飼料原料在該飼糧中的比例（DM基礎(chǔ)）。

采用SAS 9.0的MEANS模塊計(jì)算基本統(tǒng)計(jì)量。REG模塊分析通過GB/T 39235—2020計(jì)算的飼料原料DE、ME、NE體內(nèi)值對(duì)通過EHGE估測(cè)的有效能值進(jìn)行線性回歸，以DFFITS檢測(cè)顯著影響回歸模型的樣品，驗(yàn)證EHGE估測(cè)飼料原料DE、ME、NE的準(zhǔn)確性。采用SAS 9.0 REG模塊分析飼糧實(shí)測(cè)的EHGE，通過EHGE估測(cè)的DE、ME、NE分別對(duì)算術(shù)加權(quán)計(jì)算的EHGE、DE、ME和NE的線性回歸，以TEST語句檢驗(yàn)斜率與1、截距與0的差異顯著性，從而檢驗(yàn)基于仿生消化法測(cè)定的飼料原料間EHGE、DE、ME、NE測(cè)定值在飼糧中是否可加。CORR模塊分析飼糧中飼料原料的用量同飼糧EHGE實(shí)測(cè)值與計(jì)算值，DE、ME和NE的估測(cè)值與計(jì)算值之差的相關(guān)性。對(duì)存在顯著相關(guān)性的飼料原料進(jìn)一步采用REG模型進(jìn)行回歸分析，以Hi（帽子矩陣H第i個(gè)對(duì)角元）為指標(biāo)分析飼糧中飼料原料含量對(duì)DE、ME和NE的估測(cè)值與計(jì)算值之差的杠桿效應(yīng)（統(tǒng)計(jì)量Higt;2p/n，說明存在杠桿效應(yīng)）［14］。

2 結(jié) 果

2.1 通過EHGE及CP和ADF估測(cè)飼料原料DE、ME和NE的準(zhǔn)確性

通過EHGE、CP和ADF含量估測(cè)21個(gè)飼料原料的DE、ME和NE，與根據(jù) GB/T 39235—2020數(shù)據(jù)庫中與本研究同名的17個(gè)飼料原料的能量利用率乘以樣品GE實(shí)測(cè)值得出的體內(nèi)DE、ME和NE進(jìn)行比較（表3），發(fā)現(xiàn)仿生消化法低估了次粉、米糠、小麥麩的DE、ME和NE以及棉籽粕的NE（lt;－0.84 MJ·kg－1 DM），而高估了棉籽粕的DE及玉米胚芽粕的DE和ME（gt;0.84MJ·kg－1 DM）。仿生消化法估測(cè)其他12個(gè)飼料樣品中的DE、ME、NE與體內(nèi)值均相差在0.75MJ·kg－1 DM以內(nèi)。

17個(gè)飼料原料GB/T 39235—2020計(jì)算的體內(nèi)DE、ME、NE計(jì)算值對(duì)EHGE結(jié)合CP和ADF估測(cè)的有效能值線性回歸的決定系數(shù)分別為0.774，0.778和0.870（圖1a、1b、1c）。通過線性回歸的DFFITS指標(biāo)分析發(fā)現(xiàn)，米糠、小麥麩、玉米胚芽粕對(duì)回歸模型有顯著影響（DFFITSgt;2pn）。因此，剔除上述3個(gè)飼料原料后，進(jìn)一步進(jìn)行線性回歸得出GB/T 39235—2020計(jì)算的體內(nèi)DE、ME、NE對(duì)EHGE結(jié)合CP和ADF估測(cè)的有效能值線性回歸的決定系數(shù)分別為0.94，0.93和0.96（圖1d、1e、1f）。

2.2 飼料原料間EHGE以及通過EHGE估測(cè)DE、ME和NE的可加性

比較17個(gè)飼糧EHGE實(shí)測(cè)值與計(jì)算值，DE、ME、NE估測(cè)值與計(jì)算值的差異（表4），發(fā)現(xiàn)EHGE的差異低于0.31 MJ·kg－1 DM，且相對(duì)偏差≤1.05%。DE的差異低于0.55 MJ·kg－1 DM，其中16個(gè)飼糧DE估測(cè)值與計(jì)算值的相對(duì)偏差≤1%，1個(gè)飼糧（D11）的DE估測(cè)值與計(jì)算值的相對(duì)偏差為1.86%。ME的差異低于0.39 MJ·kg－1 DM，且相對(duì)偏差低于1.21%。NE的差異低于0.18 MJ·kg－1 DM，且相對(duì)偏差均小于1%。17個(gè)飼糧EHGE實(shí)測(cè)值對(duì)計(jì)算值，DE、ME及NE估測(cè)值對(duì)計(jì)算值均呈顯著的線性關(guān)系（R2gt;0.95，Plt;0.01；圖2）。且回歸直線的斜率與1無顯著差異，截距與0無顯著差異，均與Y=X重疊。

2.3 飼料原料的用量對(duì)EHGE以及通過EHGE估測(cè)DE、ME和NE可加性的影響

對(duì)飼料原料用量與飼糧EHGE計(jì)算值與實(shí)測(cè)值，DE、ME及NE計(jì)算值與估測(cè)值偏差的相關(guān)關(guān)系進(jìn)行研究（表5），發(fā)現(xiàn)飼料原料用量與飼糧EHGE計(jì)算值與實(shí)測(cè)值以及NE計(jì)算值與估測(cè)值的偏差無顯著相關(guān)性。但豆粕、玉米胚芽粕的用量與飼糧DE及ME計(jì)算值與實(shí)測(cè)值的偏差存在顯著正相關(guān)（r≥0.74; Plt;0.05）。玉米DDGS（高脂）的用量與飼糧ME計(jì)算值與實(shí)測(cè)值的偏差有顯著正相關(guān)關(guān)系（r=0.86; Plt;0.05）。

對(duì)飼糧中豆粕、DDGS（高脂）以及玉米胚芽粕的用量比例與飼糧DE或ME的估測(cè)值與計(jì)算值之差的線性回歸模型進(jìn)一步進(jìn)行杠桿效應(yīng)分析得出，最高用量比例的Hi統(tǒng)計(jì)量均大于2p/n，存在明顯的杠桿效應(yīng)（圖3）。剔除最高用量后，這3種飼料原料在飼糧中用量比例與DE或ME的估測(cè)值與計(jì)算值之差無顯著相關(guān)性。

3 討 論

3.1 仿生消化法估測(cè)飼料原料有效能的準(zhǔn)確性

體外模擬消化方法已被行業(yè)接受為一種快速評(píng)定飼料營養(yǎng)價(jià)值的重要手段，如Regmi等［15］、Du等［8］、Zhao等［16］、Yu等［17］、Wang等［18］、Wang等［19］的試驗(yàn)結(jié)果表明，通過體外模擬消化可以比較滿意地估測(cè)生長(zhǎng)豬、雞、鴨飼料的有效能值。然而目前，在判斷一種新的體外模擬消化方法是否可以應(yīng)用于對(duì)飼料營養(yǎng)價(jià)值的評(píng)價(jià)上，從哪些指標(biāo)指證方法的準(zhǔn)確性尚無共識(shí)。Boisen和Eggum［20］認(rèn)為，體外模擬消化法準(zhǔn)確估測(cè)體內(nèi)法測(cè)值的基本前提是能否具有良好的相關(guān)性，并采用回歸模型的RMSE（Root of mean square error）即殘差標(biāo)準(zhǔn)差［17，21］或估測(cè)標(biāo)準(zhǔn)誤（SEP）［22］表示估測(cè)的準(zhǔn)確度。Zhao等［16］、Du等［8］認(rèn)為，模擬消化與體內(nèi)消化測(cè)值接近且兩者高度相關(guān)，才能說明模擬消化實(shí)現(xiàn)了對(duì)體內(nèi)消化過程絕大多數(shù)信息的模擬。本研究中，仿生消化法測(cè)定17個(gè)飼料原料的EHGE（平均值14.92 MJ·kg－1 DM）與體內(nèi)法DE值接近（15.37MJ·kg－1 DM）。兩者的比值為97.1%，且他們的相關(guān)性為0.978。該結(jié)果與Du等［8］報(bào)道的數(shù)據(jù)類似，這表明仿生消化模擬了生長(zhǎng)豬胃-小腸-大腸消化的絕大部分信息。在采用體外模擬消化法估測(cè)生長(zhǎng)豬飼料的有效能值上，Noblet和Jaguelin-Peyraud［23］以及Inra等［24］采用體外模擬消化測(cè)定有機(jī)物消化率，并結(jié)合纖維、粗灰分、粗脂肪含量等建立預(yù)測(cè)體內(nèi)能量消化率的模型。這是由于Boisen 和Fern ndez［4］建立的體外模擬消化法測(cè)定高纖維飼料原料的消化率通常高于體內(nèi)法測(cè)值。然而，本研究采用的生長(zhǎng)豬仿生消化法測(cè)定高纖維飼料原料在大腸段的消化率稍低于體內(nèi)法測(cè)值［25-26］。上述現(xiàn)象表明，不同的仿生消化法雖然模擬了絕大部分的體內(nèi)消化信息，但加入與體內(nèi)消化相關(guān)的某些化學(xué)成分有利于提高估測(cè)的準(zhǔn)確性［27］。本試驗(yàn)采用EHGE結(jié)合CP、ADF估測(cè)17個(gè)飼料原料的DE、ME、NE估測(cè)值對(duì)GB/T 39235—2020計(jì)算的體內(nèi)值的決定系數(shù)分別為0.774，0.778和0.870。回歸診斷分析發(fā)現(xiàn)，米糠、小麥麩和玉米胚芽粕偏離了其他14個(gè)飼料原料樣品體內(nèi)值與估測(cè)值的線性關(guān)系，可能是因?yàn)槊卓泛托←滬熢谏L(zhǎng)豬后腸的發(fā)酵率比仿生消化中大腸階段的消化率高，從而導(dǎo)致了仿生消化法低估了它們的有效能值。而本試驗(yàn)的玉米胚芽粕的DE與INRA的數(shù)值（EVaPig ver2.0.3.2）接近（13.93 vs. 13.55 MJ·kg－1 DM），而與GB/T 39235—2020的DE（11.72 MJ·kg－1 DM）相差較大，這可能與本試驗(yàn)玉米胚芽粕在化學(xué)組成上與GB/T 39235—2020的樣品差異較大從而導(dǎo)致有效能相差較大有關(guān)。剔除上述3個(gè)樣品后，有效能（DE、ME、NE）估測(cè)值與GB/T 39235—2020計(jì)算的體內(nèi)值的決定系數(shù)高于0.931，這表明仿生消化法可以準(zhǔn)確地估測(cè)剩余14個(gè)飼料原料的有效能值。在代謝試驗(yàn)測(cè)定豬飼料原料的有效能值中，能量飼料通常采用直接法測(cè)定，而其他飼料原料采用套算法測(cè)定。待測(cè)飼料原料在試驗(yàn)飼糧中的比例高低直接影響套算法計(jì)算其有效能值的變異，這加大了蛋白質(zhì)飼料和粗飼料有效能值測(cè)定結(jié)果的變異，從而增加了這類飼料原料有效能估測(cè)值與體內(nèi)值的偏差［8，16］，本研究也呈現(xiàn)類似的現(xiàn)象，能量飼料原料偏差小，蛋白質(zhì)飼料原料偏差大。其次，本試驗(yàn)體內(nèi)法數(shù)據(jù)是根據(jù)GB/T 39235—2020發(fā)布飼料原料能量利用率（DE/GE，ME/GE和NE/GE）乘以樣品實(shí)測(cè)GE計(jì)算，而仿生消化估測(cè)有效能的模型是本團(tuán)隊(duì)進(jìn)行生長(zhǎng)豬代謝試驗(yàn)測(cè)定的有效能值與仿生消化法測(cè)值、化學(xué)成分逐步回歸得出。因此，本研究在比較有效能估測(cè)值與體內(nèi)值的偏差上，實(shí)際上還有實(shí)驗(yàn)室間測(cè)定誤差、同名樣品間體內(nèi)能量利用率變異的影響，這也放大了估測(cè)值與體內(nèi)值的偏差。

3.2 仿生消化法估測(cè)飼料原料有效能的可加性

在飼糧配方的計(jì)算中，飼糧的有效能值等于飼料原料有效能的加權(quán)和，因此，檢驗(yàn)仿生消化法測(cè)值的可加性非常重要［13，16，28］。在檢驗(yàn)有效能值可加性的統(tǒng)計(jì)上，當(dāng)試驗(yàn)飼糧的實(shí)測(cè)值對(duì)根據(jù)飼料原料加權(quán)計(jì)算值的線性回歸與Y=X 重疊，且兩者的絕對(duì)差值小于0.42 MJ·kg－1時(shí)，認(rèn)為飼料原料間有效能值具有較好的可加性［19，30］?，F(xiàn)有研究表明，仿生消化法測(cè)定雞、鴨飼料原料間EHGE值均具有滿意的可加性［16，19］。本試驗(yàn)中，17個(gè)試驗(yàn)飼糧的EHGE實(shí)測(cè)值對(duì)加權(quán)計(jì)算值，DE、ME和NE的估測(cè)值對(duì)加權(quán)計(jì)算值的線性回歸與Y=X重疊（R2gt;0.95，Plt;0.01），僅除1個(gè)飼糧（D11）DE的估測(cè)值與計(jì)算值的絕對(duì)差值為0.55 MJ·kg－1，其他飼糧DE的估測(cè)值與計(jì)算值的絕對(duì)差值均小于0.42 MJ·kg－1，這表明EHGE及通過EHGE估測(cè)的DE、ME、NE均具有滿意的可加性。為了進(jìn)一步分析飼糧中飼料原料的用量是否會(huì)影響有效能值的可加性，以便檢查這些飼料原料的有效能值是否存在準(zhǔn)確性的問題，本試驗(yàn)通過對(duì)飼糧EHGE實(shí)測(cè)值與加權(quán)計(jì)算值，DE、ME和NE的估測(cè)值與加權(quán)計(jì)算值的差與飼料原料用量間進(jìn)行相關(guān)及杠桿效應(yīng)分析。雖然豆粕、DDGS（高脂）以及玉米胚芽粕的用量同DE和ME實(shí)測(cè)值（估測(cè)值）與加權(quán)計(jì)算值之差存在顯著的相關(guān)性，但它們?cè)陲暭Z中的最高用量有明顯的杠桿效應(yīng)，剔除杠桿點(diǎn)后，相關(guān)性消失。這表明這3個(gè)飼料原料在試驗(yàn)飼糧中的用量并沒有影響有效能值的可加性。

4 結(jié) 論

生長(zhǎng)豬仿生消化法可以滿意地估測(cè)14個(gè)飼料樣品中的有效能值，但低估了米糠和小麥麩的有效能值，卻高估了玉米胚芽粕的DE和ME。仿生消化法估測(cè)的EHGE值，以及由EHGE估測(cè)的DE、ME和NE均具有良好的可加性。

參考文獻(xiàn)（References）：

［1］ RATANPAUL V，WILLIAMS B A，BLACK J L，et al.Review：effects of fibre，grain starch digestion rate and the ileal brake on voluntary feed intake in pigs［J］.Animal，2019，13（11）：2745-2754.

［2］ NOBLET J，WU S B，CHOCT M.Methodologies for energy evaluation of pig and poultry feeds：a review［J］.Anim Nutr，2022，8：185-203.

［3］ BRODKORB A，EGGER L，ALMINGER M，et al.INFOGEST static in vitro simulation of gastrointestinal food digestion［J］.Nat Protoc，2019，14（4）：991-1014.

［4］ BOISEN S，F(xiàn)ERN NDEZ J A.Prediction of the total tract digestibility of energy in feedstuffs and pig diets by in vitro analyses［J］.Anim Feed Sci Technol，1997，68（3-4）：277-286.

［5］ EGGER L，SCHLEGEL P，BAUMANN C，et al.Physiological comparability of the harmonized INFOGEST in vitro digestion method to in vivo pig digestion［J］.Food Res Int，2017，102：567-574.

［6］ DUPONT D，ALRIC M，BLANQUET-DIOT S，et al.Can dynamic in vitro digestion systems mimic the physiological reality？［J］.Crit Rev Food Sci Nutr，2019，59（10）：1546-1562.

［7］ MINEKUS M，MARTEAU P，HAVENAAR R，et al.A multicompartmental dynamic computer-controlled model simulating the stomach and small intestine［J］.Altern Lab Anim，1995，23（2）：197-209.

［8］ DU Z Y，WANG Y M，SONG M Q，et al.An automatically progressed computer-controlled simulated digestion system to predict digestible and metabolizable energy of unconventional plant protein meals for growing pigs［J］.Anim Nutr，2022，10：178-187.

［9］ GAO Q T，ZHAO F，WANG Y，et al.Predicting energetic values of cereal grains and byproducts using a computer-controlled simulated digestion system for growing pigs［J］.Anim Feed Sci Technol，2023，306：115809.

［10］ 張晉源.基于化學(xué)成分和仿生消化法估測(cè)豬飼糧及原料消化能、代謝能的研究［D］.成都：西南民族大學(xué)，2021.

ZHANG J Y.Research on estimating digestible energy and metabolizable energy of pig diets and ingredients based on chemical analysis and biomimetic digestion method［D］.Chengdu：Southwest Minzu University，2021.（in Chinese）

［11］ 趙江濤，高理想，張 虎，等.4個(gè)實(shí)驗(yàn)室間測(cè)定豬飼料酶水解物能值的差異及可加性研究［J］.動(dòng)物營養(yǎng)學(xué)報(bào)，2022，34（5）：3307-3316.

ZHAO J T，GAO L X，ZHANG H，et al.Difference and additivity of determing enzymatic hydrolystae gross energy of feeds in 4 laboratories for pigs［J］.Chinese Journal of Animal Nutrition，2022，34（5）：3307-3316.（in Chinese）

［12］ 趙 峰，王鈺明，張 虎，等.單胃動(dòng)物仿生消化系統(tǒng)操作手冊(cè)［M］.4版.北京：中國農(nóng)業(yè)科學(xué)院，2021.

ZHAO F，WANG Y M，ZHANG H，et al.Manual insruction of monogastric animal bionic digestion system［M］.4th ed.Beijing：Chinese Academy of Agricultural Sciences，2021.（in Chinese）

［13］ 張晉源，王鈺明，杜中原，等.不同實(shí)驗(yàn)室間測(cè)定單胃動(dòng)物飼料樣品總能的一致性及可加性研究［J］.動(dòng)物營養(yǎng)學(xué)報(bào)，2021，33（6）：3581-3591.

ZHANG J Y，WANG Y M，DU Z Y，et al.Consistency and additivity in gross energy of monogastric animal feed samples between different laboratories［J］.Chinese Journal of Animal Nutrition，2021，33（6）：3581-3591.（in Chinese）

［14］ KAPS M，LAMBERSON W R.Biostatistics for animal science［M］.Oxfordshire：CABI Publishing，2004.

［15］ REGMI P R，SAUER W C，ZIJLSTRA R T.Prediction of in vivo apparent total tract energy digestibility of barley in grower pigs using an in vitro digestibility technique［J］.J Anim Sci，2008，86（10）：2619-2626.

［16］ ZHAO F，REN L Q，MI B M，et al.Developing a computer-controlled simulated digestion system to predict the concentration of metabolizable energy of feedstuffs for rooster［J］.J Anim Sci，2014，92（4）：1537-1547.

［17］ YU Y，ZHAO F，CHEN J，et al.Sensitivity of in vitro digestible energy determined with computer-controlled simulated digestion system and its accuracy to predict dietary metabolizable energy for roosters［J］.Poult Sci，2021，100（1）：206-214.

［18］ WANG H，WANG X Y，ZHAN Y C，et al.Predicting the metabolizable energy and metabolizability of gross energy of conventional feedstuffs for Muscovy duck using in vitro digestion method［J］.J Anim Sci，2023，101（1）：skad018.

［19］ WANG Y M，YIN L T，ZHANG H，et al.Accuracy of predicting metabolizable energy from in vitro digestible energy determined with a computer-controlled simulated digestion system in feed ingredients for ducks［J］.Anim Nutr，2022，8：52-60.

［20］ BOISEN S，EGGUM B O.Critical evaluation of in vitro methods for estimating digestibility in simple-stomach animals［J］.Nutr Res Rev，1991，4（1）：141-162.

［21］ ZENG Z K，JANG J C，KERR B J，et al.In vitro unfermented fiber is a good predictor of the digestible and metabolizable energy content of corn distillers dried grains with solubles in growing pigs［J］.J Anim Sci，2019，97（8）：3460-3471.

［22］ REGMI P R，F(xiàn)ERGUSON N S，ZIJLSTRA R T.In vitro digestibility techniques to predict apparent total tract energy digestibility of wheat in grower pigs［J］.J Anim Sci，2009，87（11）：3620-3629.

［23］ NOBLET J，JAGUELIN-PEYRAUD Y.Prediction of digestibility of organic matter and energy in the growing pig from an in vitro method［J］.Anim Feed Sci Technol，2007，134（3-4）：211-222.

［24］ INRA，AFZ，METEX N" VISTAGO.EvaPig-Equations and coefficients［EB/OL］.［2020-06］.https：//en.evapig.com/resources/media/EvaPig_ManualEquations.pdf.

［25］ 杜中原，王鈺明，曾述禮，等.仿生消化模擬雜粕在生長(zhǎng)豬結(jié)腸消化程度的研究［J］.動(dòng)物營養(yǎng)學(xué)報(bào)，2022，34（7）：4716-4725.

DU Z Y，WANG Y M，ZENG S L，et al.Study on digestion extent of miscellaneous meal in colon of growing pigs by simulated digestion［J］.Chinese Journal of Animal Nutrition，2022，34（7）：4716-4725.（in Chinese）

［26］ DU Z Y，GAO L X，WANG Y M，et al.A comparative study on in vitro and in vivo stomach-small intestinal and large intestinal digestion of plant protein meals in growing pigs［J］.J Anim Sci，2023，101：skad170.

［27］ SOL C，CASTILLEJOS L，L PEZ-VERG "S，et al.Prediction of the digestibility and energy contents of non-conventional by-products for pigs from their chemical composition and in vitro digestibility［J］.Anim Feed Sci Technol，2017，234：237-243.

［28］ COWIESON A，SORBARA J O，PAPPENBERGER G，et al.Additivity of apparent and standardized ileal amino acid digestibility of corn and soybean meal in broiler diets［J］.Poult Sci，2019，98（9）：3722-3728.

［29］ AIR E L，BENOIT S C，CLEGG D J，et al.Insulin and leptin combine additively to reduce food intake and body weight in rats［J］.Endocrinology，2002，143（6）：2449-2452.

（編輯 范子娟）