پیش‌بینی انرژی قابل متابولیسم حقیقی تصحیح شده برای ازت بر اساس ترکیبات شیمیائی نمونه های مختلف سبوس گندم با استفاده از مدل رگرسیون خطی چندگانه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه پرورش و مدیریت طیور، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.

2 استاد، گروه پرورش و مدیریت طیور، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.

3 استادیار، گروه پرورش و مدیریت طیور، دانشکده کشاورزی - دانشگاه تربیت مدرس

4 استادیار، دانشگاه تربیت مدرس، دانشکده کشاورزی، گروه پرورش و مدیریت طیور - تخصص: ‌فیزیولوژی تولیدمثل

چکیده

این پژوهش به‌منظور معرفی مدل رگرسیون خطی چندگانه جهت پیش­بینی انرژی قابل متابولیسم حقیقی تصحیح‌شده برای ازت (TMEn) در سبوس گندم انجام شد. چربی خام، خاکستر، پروتئین خام، فیبر خام (درصد در ماده خشک) وTMEn  (کیلوکالری در کیلوگرم ماده خشک) در 25 نمونه سبوس گندم با 4 تکرار اندازه­گیری شد. برای تعیین TMEn، نمونه­ها به‌روش تغذیه اجباری سیبالد به خروس­های بالغ خورانده شد و فضولات به‌مدت 48 ساعت جمع­آوری گردید. میانگین ترکیبات شیمیایی و  TMEn محاسبه­شده، تفاوت معنی­داری در این ماده اولیه نشان داد (p<0/001). میانگین چربی­خام، خاکستر، پروتئین خام و فیبرخام سبوس گندم در این آزمایش به‌ترتیب 4/80، 5/68، 16/23 و 8/60 درصد محاسبه شد. میانگین TMEn نیز، 2062 کیلوکالری در کیلوگرم گزارش شد. مدل تعیین TMEn بر اساس ترکیب شیمیایی عبارت بود از: (خاکستر × 51/1) - (فیبر خام × 63) - (چربی خام × 46/1) + (پروتئین خام × 19) +2364 = TMEn. ضریب‌تعیین محاسبه‌شده (0/82=R2) نشان داد مدل مذکور می­تواند به شکل قابل‌قبولی جهت پیش­بینی  TMEnمورد استفاده قرار گیرد. مقادیر چربی خام و پروتئین خام تأثیر مثبتی بر TMEn داشتند. درصورتی‌که مقادیر خاکستر و فیبر خام هر دو اثرات منفی بر TMEn داشتند. آنالیز حساسیت نشان داد فیبر خام بیشترین تأثیر را بر TMEn داشته و پس از آن به‌ترتیب خاکستر، چربی خام و پروتئین خام تأثیرگذارترین فاکتور­ها هستند. با توجه به نتایج، مدل رگرسیون خطی چندگانه روش مناسبی جهت پیش­بینی TMEn در سبوس گندم با توجه به ترکیب شیمیایی آن می­باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Prediction of nitrogen-corrected true metabolizable energy based on chemical composition in various wheat bran samples using multiple linear regression

نویسندگان [English]

  • Mostafa Lotfy 1
  • farid shariatmadari 2
  • Hamed Ahmadi 3
  • Mohsen Sharafi 4
1 College of Agriculture, Tarbiat Modares University
3 College of Agriculture. Tarbiat Modares University
4 College of Agriculture - Tarbiat Modares University
چکیده [English]

The purpose of this study was to develop multiple linear regression (MLR) model to predict the nitrogen-corrected true metabolizable energy (TMEn) value of wheat bran. The amount of crude fat, ash, crude protein, crude fiber (all used as % of DM) and TMEn (Kcal/kg DM) were measured in 25 wheat bran samples with 4 replicates. The force-fed method has been used to estimate TMEn and excreta were collected for 48 h. There were significant (P < 0.001) differences in chemical composition and TMEn of wheat bran samples. The average crude fat, ash, crude protein, crude fiber and TMEn content of samples was determined to be 4.80, 5.68, 16.23, 8.60 (all used as % of DM) and 2062 (Kcal/kg DM), respectively. The calculated MLR model to predict the TMEn value (Kcal/kg) based on chemical composition (% of DM) was obtained as follows: TMEn = 2364 + (19×crude protein) + (46.1×crude fat) – (63×crude fiber) – (51.1×ash). The R2 value revealed that developed model could accurately predict the TMEn of wheat bran samples (R2=0.82). Crude fat and crude protein had a positive effect on TMEn, while ash and crude fiber had a negative impact on TMEn. The sensitivity analysis on the model indicated that dietary crude fiber (%) is the most important variable in the TMEn, followed by dietary ash, crude fat and crude protein. The results suggest that the MLR model may be used to accurately estimate the TMEn value of wheat bran from its corresponding chemical composition.

کلیدواژه‌ها [English]

  • Chemical composition
  • Metabolizable energy
  • Prediction Accuracy
  • prediction model
  • wheat bran
AOAC (2005) Official methods of analysis, 18Th Edition. Association of Official Analytical Chemists, Arlington, VA.
Ahmadi H and Golian A (2010) Growth analysis of chickens fed diets varying in the percentage of metabolizable energy provided by protein, fat, and carbohydrate through artificial neural network. Poultry Science 89:173–179.
Ahmadi H, Golian A, Mottaghitalab M and Nariman-Zadeh N (2008) Prediction model for true metabolizable energy of feather meal and poultry offal meal using group method of data handling-type neural network. Poultry Science 87:1909–1912.
Ali MN, Abou MS and El-kloub M (2008) Incorporation of wheat bran in broiler diets. International Journal of Poultry Science 7(1):6-13.
Church DC (1998) Feed and Principle of Animal Nutrition. Oxford and IBM Publishing Co. PVT.LTD. New Delhi.
Dale N (1996) The metabolizable energy of wheat by-products. The Journal of Applied Poultry Research 5:105–108.
Dale N, Fancher B, Zumbado M and Viuacres A (1993) Metabolizable energy content of poultry offal meal. Journal of Applied Poultry Research 2:40–42.
Ensminger ME, ­Oldfreid JE and Heinmann WW (1990) Feed and Nutrition. The Ensminger Publishing Co. Clavis. California.
Enting H, Veldman A, Verstegen MWA and Aar PJ (2007) The effect of low-density diets on broiler breeder development and nutrient digestibility during the rearing period. Poultry Science 86 (4): 720-726.
Javed MM, Zahoor S, Shafaat S, Mehmooda I, Gul A, Rasheed H, Bukhari SAI and Aftab MN (2012) Wheat bran as a brown gold: Nutritious value and its biotechnological applications. African Journal of Microbiology Research 6(4): 724-733.
Leeson S and Summers JD (1997) Commercial Poultry Nutrition, 2nd Edition Guelph, Ont. University Books.
Losada B, Garcia Rebollar P, Cachaldora P, Alvarez C, Mendez J and Deblas C (2009) A comparison of the prediction of apparent metabolisable energy content of starchy grains and cereal by-products for poultry from its chemical components, in vitro analysis or near-infrared reflectance spectroscopy. Spanish Journal of Agricultural Research 7: 813-823.
McDonald P, Edwards RA, Greenhalgh JF, Morgan CA, Sinclair LA and Wilkinson RG (2011) Animal Nutrition, 7th ed. Prentice Hall, Essex, UK.
Metayer JP, Grosjean F and Castaing J (1993) Study of variability in French cereals. Animal Feed Science and Technology43: 87-108.
Nadeem MA, Gilani AH, Khan AG and Nisa MU (2005) True metabolizable energy value of poultry feedstuffs in Pakistan. The International Journal of Agricultural and Biology 7:990–994.
Ning D, Yuan JM, Wang YW, Peng YZ and Guo YM (2014) The net energy values of corn, dried distiller's grains with solubles and wheat bran for laying hens using indirect calorimetry method. Asian-Australasian Journal of Animal Sciences 27:209–216.
Ravindran V, Abdollahi MR and Bootwalla SM (2014) Nutrient analysis, metabolizable energy, and digestible amino acids of soybean meals of different origins for broilers. Poultry Science 93:2567-2577.
Rodrigues PB, Rostagno HS, Albino LFT, Gomes PC, Nunes RV and Toledo RS (2002) Energy values of soybean and soybean byproducts, determined with broilers and adult cockerels. Revista Brasileira de Zootecnia 31: 1771–1782.
Sibbald IR (1976) A bioassay for true metabolizable energy in feed stuffs. Poultry Science 55: 303-308.
Sibbald IR (1982) Measurement of bioavailable energy in poultry feedings tuffs: a review. Canadian Journal of Animal Science 62: 983-1048.
Slominski BA, Boros D, Campbell LD, Guenter W and Jones O (2004) Wheat by-products in poultry nutrition. Part I. Chemical and nutritive composition of wheat screenings, bakery by-products and wheat mill run. Canadian Journal of Animal Science 84:421–428.
Svihus B and Gullord M (2002) Effect of chemical content and physical characteristics on nutritional value of wheat, barley and oats for poultry. Animal Feed Science and Technology102: 71-92.
Titus HW and Fritz JC (1971) The Scientific Feeding of Chickens. 5thed. Danville, Ill.: Interstate.
Wan HF, Chen W, Qi ZL, Peng P and Peng J (2009) Prediction of true metabolizable energy from chemical composition of wheat milling by-products for ducks. Poultry Science 88:92–97.