Точне харчування у жуйних тварин - Частина II: Практичний підхід
АВТОР
Карлос Фернандес
Інститут тваринництва та технології Політехнічного університету Валенсії
Фернандо Бача
Технічний директор NACOOP
Дієтологи формулюють порції на основі поживних рекомендацій, які часто містять "Фактори безпеки" значний.
Фактори безпеки є найважливішими, оскільки потреби та доступність харчових продуктів різняться залежно від тварин, корму та навколишнього середовища чи умов поводження.
додаткові поживні речовини зазвичай передбачаються фактори безпеки, які включаються для забезпечення задоволення харчових потреб збільшують виведення поживних речовин і негативно впливають на якість води та повітря.
Точна оцінка потреб тварин та надходження поживних речовин у раціон є економічно та екологічно важливою.
У жуйних, втрати азоту з рубця зменшений:
- Використовуючи в раціоні менше азоту. Зменшення азоту руйнівних руїн (RDN).
- Досягнення більш ефективного засвоєння РДН мікробіотою жуйних, використання повноцінного раціону або збільшення частоти годування.
Жуйні тварини можуть ефективніше використовувати дієти з низьким вмістом білка, як за кількістю, так і за якістю, завдяки мікробній здатності рубця захоплювати перероблений азот сечовини та синтезувати мікробний білок.
Молочні корови використовують білок набагато ефективніше інших жуйних тварин, але все ж виділяють приблизно в 2-3 рази більше азоту в гній, ніж у молоко.
Неефективне використання азоту вимагає проковтування великої кількості додаткового білка, сприяє зростанню витрат на виробництво молока та збільшенню забруднення навколишнього середовища азотом.
Визначення оптимальних рівнів сирого протеїну (CP) досягається вивченням ефекту додавання різного відсотка CP у раціоні, як показано в наступному прикладі:
- Додавання PB після поетапного прогресування 1,5 відсотка одиниць від 13,5% до 19,4% CP, при 50% кормовому раціоні (Olmos Colmenero and Broderick 2003).
- Найвищого виробництва було досягнуто з дієтою з 16,5% CP.
- Як і очікувалося, молочна сечовина (MUN), сечовина та споживання азоту в сечі, вказують на зниження ефективності використання азоту пропорційно збільшенню рівня сирого білка в раціоні.
- надлишок білка негативно впливає на виробництво, з енергетичними витратами приблизно 7 ккал чистої енергії/г N, перетвореного на сечовину (NRC 2001).
Якщо метою є підвищення ефективності, нам потрібно оцінити якомога більше інформації. Емпіричні лінійні моделі легко впровадити, але мають обмеження при оцінці реакції тварини на різних рівнях:
СИЛА МАТЕМАТИЧНІ МОДЕЛІ
A математична модель є рівнянням або набором рівнянь які представляють поведінку системи.
Наша система може бути твариною, групою тварин або тваринницькою фермою, все залежить від поставлених цілей.
Логічно, що модель не може показати все, і важливо розрізняти зайве та суттєве.
Точне харчування базується на побудові математичних моделей, які намагаються дати кілька відповідей відповідно до певних входів (входів).
Для побудови математичних моделей важливо виконати a математичний опис системи, оскільки без цього рішення, які можуть бути застосовані на місцях, не можуть прийматися.
Існують різні моделі, які можна використовувати, починаючи від простих рівнянь з одним параметром і закінчуючи складними системами рівнянь.
ПОБУДОВА МАТЕМАТИЧНОЇ МОДЕЛІ ДЛЯ ТОЧНОГО ХАРЧУВАННЯ
Точне харчування базується на моделі, що відображають зміни в системі з часом, і його складність залежить від запропонованих цілей.
ВИДИ МАТЕМАТИЧНИХ МОДЕЛЕЙ ВИКОРИСТОВУЄТЬСЯ В ТОЧНОМУ ХАРЧУВАННІ
МОДЕЛЬ ЛІНІЙНА РЕГРЕСІЯ
Дієтологи часто працюють з моделі лінійної регресії як наступні, в яких такі параметри, як рівень випорожнення та прийом всередину:
Моделі лінійної регресії дозволяють визначити засвоюваність дієти один раз прийом всередину і вироблення стільця стабілізувались, але оскільки в попередньому рівнянні "тимчасового" елемента бракує, швидкість прийому всередину та швидкість виведення калу протягом дня неможливо представити.
Зміна дієти
У разі зміни дієти лише за попереднім рівнянням можна точно передбачити вироблення калу, оскільки тварині необхідно вживати дієту досить довго, щоб умови травного тракту були постійними.
Якщо дієта зміниться, ми не зможемо точно передбачити вироблення стільця, поки травний тракт знову не стабілізується.
МОДЕЛЬ ДИНАМІЧНИЙ
Динамічні моделі включають "час" в рівнянні або моделі, що дозволяє передбачити і вивчити зміни, що відбуваються з часом, без необхідності чекати постійної або стабільної ситуації.
Змінна часу чітко визначена в моделі, щоб можна було передбачити кількість амінокислоти [Метаболіт (t)] присутній у крові постійно, знаючи:
- Ваш початковий рівень [ Початковий метаболіт ]
- Швидкість, з якою він залишає кров ( k ) у напрямку до молочної залози.
Незважаючи на те, що лінійна регресія проста і швидка в роботі, вона не дозволяє включати інші рівні організації. Тим не менше, у випадку динамічних моделей його можна виміряти на рівні тварин:
Згодом прогноз можна зробити на основі інформації інших авторів, але цей емпіричний підхід не враховує механізми, пов'язані з виробництвом молока.
МОДЕЛЬ МЕХАНІК
Механістичні моделі, як і динамічні моделі, включають фактор часу, але вони також відображають фізіологічні функції які знаходяться на нижчих рівнях, тобто вони працюють на різних рівнях агрегації, що дозволяє визначити причину змін, що виникають з часом.
ПРОГНОЗУВАННЯ БІЛКА В МОЛОКУ ЕМПІРІЙНА МОДЕЛЬ ПРОТИ МЕХАНІЧНОЇ МОДЕЛІ
Якщо ми хочемо передбачити білок, який буде в молоці, з емпірична модель ми можемо встановити лише один взаємозв'язок між споживанням і вмістом білка в молоці, в той час як з механістична модель ми зможемо визначити ключові механізми пов’язані з білком у молоці (кількість клітин молочної залози, незамінні амінокислоти, АТФ, мРНК, кількість рибосом на клітину тощо).
Усі ці моделі, які працюють на різних рівнях агрегації, вимагають використання диференціальних рівнянь, що дозволяють кількісно оцінити зміни, що відбуваються за одиницю часу.
РІВНІ АГРЕГАЦІЇ З МАТЕМАТИЧНИХ МОДЕЛЕЙ
Рівні агрегації, що використовуються в описаних математичних моделях, представлені відсіки, в яких накопичується інформація, можливість побачити потік цієї інформації між відсіками з часом.
Інформаційні відсіки
- На рівні організму: рубця, тонкої і товстої кишки тощо.
- На рівні тіла: молочна залоза, жирова тканина, печінка, нирки та ін.
Таблиця 1. Переваги та обмеження математичних моделей, що використовуються в прецизійному харчуванні.
Потоки являють собою проходження розщеплення через кишечник, синтез білка тощо. кінцевим результатом або "виходом" моделі є вироблення молока, виділення калу та сечі тощо.
ПОТОК МЕТАБОЛІТУ ЗА КУПЕТАМИ
Після встановлення математичної моделі, a блок-схема метаболіт, наприклад дієтичний азот (надходить в першу чергу вранці), за допомогою різних відділів оцінити його виведення з калом, сечею та молоком протягом дня.
Конструкція моделі з 5 відділеннями дозволяє візуалізувати «рух» проковтнутого азоту між різними відділеннями протягом дня.
Фігура 1. Схема потоку азоту через різні відділи тіла. * K: Швидкість потоку азоту через різні відсіки
МИ МОЖЕМЕ ГРАФІЧНО ПРЕДСТАВИТИ ЦЮ ТАКУ ЖЕ ЕВОЛЮЦІЮ З ЧАСОМ.
Графік 1. Потік азоту через травний тракт жуйних тварин
Ця модель дозволяє вивчити, що відбувається через 10, 18 та 24 години після прийому, та включити нову інформацію в систему.
Графік 2. Виведення азоту з калом, сечею та молоком
Ця модель вказує, що із загального поглинаного азоту:
27% втрачається в калі
34% у сечі
25% йде на білок в молоці
Ця модель є спрощенням оригінальної моделі, яка включає підмоделі для кількісного визначення азоту в рубці та молоці. Можна оцінити різні сценарії, щоб оцінити, з якою точністю використовуються певні поживні речовини, і підвищити ефективність їх використання або зменшити їх виведення.