仿生消化法估測生長豬飼料有效能的準確性及可加性研究

摘 要： 旨在探討仿生消化法估測生長豬飼料原料消化能（DE）、代謝能（ME）和凈能（NE）的準確性和可加性，為快速獲得生長豬飼料的有效能值提供參考。采用單因素完全隨機設計，以生長豬仿生消化法測定12個能量飼料、9個蛋白質飼料，以及由上述21個飼料原料配制的17個飼糧的酶水解物能值（EHGE），每個處理5個重復，每個重復1根消化管。通過EHGE、粗蛋白（CP）和酸性洗滌纖維（ADF）估測DE、ME及NE值。比較飼料原料有效能（DE、ME、NE）估測值與GB/T 39235—2020中同本研究同名的17個飼料原料的能量利用率乘以總能（GE）實測值得出的體內有效能值的差異及相關性，以驗證仿生消化法估測飼料有效能的準確性。根據飼料原料的有效能估測值計算飼糧有效能加權值，并根據飼糧EHGE估測有效能的數(shù)學模型獲得飼糧的有效能值，比較兩者的差異以驗證仿生消化法估測飼料有效能值的可加性。結果表明，采用GB/T 39235—2020計算的17個飼料原料的DE、ME、NE對EHGE結合CP、ADF估測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個飼料原料樣品體內值與估測值的線性關系（DFFITSgt;2pn）。剔除上述3個樣品后，GB/T 39235—2020計算的體內有效能對估測值線性回歸的決定系數(shù)高于0.93。17個試驗飼糧的EHGE實測值對加權計算值，DE、ME和NE的估測值對加權計算值的線性回歸與Y=X重疊（R2gt;0.95，Plt;0.01）。上述結果表明，仿生消化法可以滿意地估測14個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。仿生消化法測定的EHGE及通過EHGE估測的DE、ME、NE均具有良好的可加性。

關鍵詞： 生長豬；飼料原料；仿生消化法；有效能

中圖分類號：S816.32

文獻標志碼：A 文章編號： 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、準確的方法評定飼料原料及飼糧的有效能值對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典方法為動物代謝試驗，但該方法耗時長、勞動強度大，測定效率無法滿足生產的需求。通過體外模擬消化評估人類食物及動物飼料養(yǎng)分的利用率已得到了廣泛的應用［3-5］。該方法不僅具有高度的重復性，而且通過對方法的標準化和儀器化可以高效地評定飼料的營養(yǎng)價值［6-7］。Du等［8］、Gao等［9］建立了一種全自動模擬生長豬胃-小腸-大腸消化估測飼料消化能（DE）和代謝能（ME）的方法。本實驗室采用Gao等［9］、Du等［8］和張晉源［10］共計43個飼料原料的酶水解物能值（EHGE）與生長豬凈能（NE）間的相關關系建立了估測NE的數(shù)學模型。趙江濤等［11］的試驗結果表明，該方法在4個實驗室間測定EHGE的重復性變異系數(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生長豬飼料有效能的新方法。為進一步驗證該方法的有效性，本研究針對中國區(qū)域常用的豬飼料原料，擬：1）驗證仿生消化法估測飼料原料DE、ME和NE的準確性；2）在更廣泛的飼料原料種類間檢驗仿生消化法估測飼料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，豆粕等蛋白質飼料樣品9個。其化學成分列于表1。共計配制17個由6～12種飼料原料組成，形成一系列在原料結構上具有明顯差異的試驗飼糧（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 試驗設計

采用單因素完全隨機設計，通過仿生消化法測定飼料原料及飼糧的EHGE。每個處理5個重復，每個重復1根消化管。通過EHGE結合粗蛋白質（CP）和酸性洗滌纖維（ADF）估測DE、ME及NE的數(shù)學模型計算飼料原料及飼糧的DE、ME和NE值。根據飼料原料的總能（GE）及GB/T 39235—2020中DE、ME、NE與GE的比值計算體內有效能值。比較DE、ME及NE估測值與體內值的差異及相關性，以驗證仿生消化法估測生長豬飼料原料DE、ME及NE的準確性。根據EHGE估測飼料原料的DE、ME和NE值以及飼糧中供能飼料原料的比例計算飼糧的DE、ME和NE值，同時，根據飼糧的EHGE值及數(shù)學模型計算飼糧的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，以驗證仿生消化法估測生長豬飼料原料有效能值的可加性。

1.3 測定指標與方法

生長豬飼料EHGE的測定過程參考Du等［8］和《單胃動物仿生消化系統(tǒng)操作手冊》（第四版）［12］中豬飼料EHGE測定技術規(guī)程進行。生長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消化階段的緩沖溶液（貨號：IVDEGP；湖南中本智能科技發(fā)展有限公司生產）。仿生消化參數(shù)設置如下：消化溫度39 ℃，胃消化3 h，小腸消化5 h，大腸消化21 h。根據Gao等［9］、Du等［8］和張晉源［10］共計43個飼料原料的EHGE與生長豬DE、ME、NE間的回歸模型，分別計算飼料原料及飼糧的DE、ME和NE值。

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

1.4 數(shù)據處理與統(tǒng)計分析

根據Gao等［9］、Du等［8］和張晉源［10］的生長豬代謝試驗數(shù)據，通過EHGE結合 CP和ADF估測飼料DE、ME和NE。具體計算采用單胃動物仿生消化系統(tǒng)數(shù)據中心軟件V1.0（登記號：2022SR0162639）自動計算。

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的算術加權計算值：

EHGE、DE、ME或NE算術加權計算值=

∑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），Pi為飼料原料在該飼糧中的比例（DM基礎）。

采用SAS 9.0的MEANS模塊計算基本統(tǒng)計量。REG模塊分析通過GB/T 39235—2020計算的飼料原料DE、ME、NE體內值對通過EHGE估測的有效能值進行線性回歸，以DFFITS檢測顯著影響回歸模型的樣品，驗證EHGE估測飼料原料DE、ME、NE的準確性。采用SAS 9.0 REG模塊分析飼糧實測的EHGE，通過EHGE估測的DE、ME、NE分別對算術加權計算的EHGE、DE、ME和NE的線性回歸，以TEST語句檢驗斜率與1、截距與0的差異顯著性，從而檢驗基于仿生消化法測定的飼料原料間EHGE、DE、ME、NE測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實測值與計算值，DE、ME和NE的估測值與計算值之差的相關性。對存在顯著相關性的飼料原料進一步采用REG模型進行回歸分析，以Hi（帽子矩陣H第i個對角元）為指標分析飼糧中飼料原料含量對DE、ME和NE的估測值與計算值之差的杠桿效應（統(tǒng)計量Higt;2p/n，說明存在杠桿效應）［14］。

2 結 果

2.1 通過EHGE及CP和ADF估測飼料原料DE、ME和NE的準確性

通過EHGE、CP和ADF含量估測21個飼料原料的DE、ME和NE，與根據 GB/T 39235—2020數(shù)據庫中與本研究同名的17個飼料原料的能量利用率乘以樣品GE實測值得出的體內DE、ME和NE進行比較（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）。仿生消化法估測其他12個飼料樣品中的DE、ME、NE與體內值均相差在0.75MJ·kg－1 DM以內。

17個飼料原料GB/T 39235—2020計算的體內DE、ME、NE計算值對EHGE結合CP和ADF估測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指標分析發(fā)現(xiàn)，米糠、小麥麩、玉米胚芽粕對回歸模型有顯著影響（DFFITSgt;2pn）。因此，剔除上述3個飼料原料后，進一步進行線性回歸得出GB/T 39235—2020計算的體內DE、ME、NE對EHGE結合CP和ADF估測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DE、ME和NE的可加性

比較17個飼糧EHGE實測值與計算值，DE、ME、NE估測值與計算值的差異（表4），發(fā)現(xiàn)EHGE的差異低于0.31 MJ·kg－1 DM，且相對偏差≤1.05%。DE的差異低于0.55 MJ·kg－1 DM，其中16個飼糧DE估測值與計算值的相對偏差≤1%，1個飼糧（D11）的DE估測值與計算值的相對偏差為1.86%。ME的差異低于0.39 MJ·kg－1 DM，且相對偏差低于1.21%。NE的差異低于0.18 MJ·kg－1 DM，且相對偏差均小于1%。17個飼糧EHGE實測值對計算值，DE、ME及NE估測值對計算值均呈顯著的線性關系（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EHGE以及通過EHGE估測DE、ME和NE可加性的影響

對飼料原料用量與飼糧EHGE計算值與實測值，DE、ME及NE計算值與估測值偏差的相關關系進行研究（表5），發(fā)現(xiàn)飼料原料用量與飼糧EHGE計算值與實測值以及NE計算值與估測值的偏差無顯著相關性。但豆粕、玉米胚芽粕的用量與飼糧DE及ME計算值與實測值的偏差存在顯著正相關（r≥0.74; Plt;0.05）。玉米DDGS（高脂）的用量與飼糧ME計算值與實測值的偏差有顯著正相關關系（r=0.86; Plt;0.05）。

對飼糧中豆粕、DDGS（高脂）以及玉米胚芽粕的用量比例與飼糧DE或ME的估測值與計算值之差的線性回歸模型進一步進行杠桿效應分析得出，最高用量比例的Hi統(tǒng)計量均大于2p/n，存在明顯的杠桿效應（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的估測值與計算值之差無顯著相關性。

3 討 論

3.1 仿生消化法估測飼料原料有效能的準確性

體外模擬消化方法已被行業(yè)接受為一種快速評定飼料營養(yǎng)價值的重要手段，如Regmi等［15］、Du等［8］、Zhao等［16］、Yu等［17］、Wang等［18］、Wang等［19］的試驗結果表明，通過體外模擬消化可以比較滿意地估測生長豬、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用于對飼料營養(yǎng)價值的評價上，從哪些指標指證方法的準確性尚無共識。Boisen和Eggum［20］認為，體外模擬消化法準確估測體內法測值的基本前提是能否具有良好的相關性，并采用回歸模型的RMSE（Root of mean square error）即殘差標準差［17，21］或估測標準誤（SEP）［22］表示估測的準確度。Zhao等［16］、Du等［8］認為，模擬消化與體內消化測值接近且兩者高度相關，才能說明模擬消化實現(xiàn)了對體內消化過程絕大多數(shù)信息的模擬。本研究中，仿生消化法測定17個飼料原料的EHGE（平均值14.92 MJ·kg－1 DM）與體內法DE值接近（15.37MJ·kg－1 DM）。兩者的比值為97.1%，且他們的相關性為0.978。該結果與Du等［8］報道的數(shù)據類似，這表明仿生消化模擬了生長豬胃-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生長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定有機物消化率，并結合纖維、粗灰分、粗脂肪含量等建立預測體內能量消化率的模型。這是由于Boisen 和Fern ndez［4］建立的體外模擬消化法測定高纖維飼料原料的消化率通常高于體內法測值。然而，本研究采用的生長豬仿生消化法測定高纖維飼料原料在大腸段的消化率稍低于體內法測值［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消化信息，但加入與體內消化相關的某些化學成分有利于提高估測的準確性［27］。本試驗采用EHGE結合CP、ADF估測17個飼料原料的DE、ME、NE估測值對GB/T 39235—2020計算的體內值的決定系數(shù)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個飼料原料樣品體內值與估測值的線性關系，可能是因為米糠和小麥麩在生長豬后腸的發(fā)酵率比仿生消化中大腸階段的消化率高，從而導致了仿生消化法低估了它們的有效能值。而本試驗的玉米胚芽粕的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，這可能與本試驗玉米胚芽粕在化學組成上與GB/T 39235—2020的樣品差異較大從而導致有效能相差較大有關。剔除上述3個樣品后，有效能（DE、ME、NE）估測值與GB/T 39235—2020計算的體內值的決定系數(shù)高于0.931，這表明仿生消化法可以準確地估測剩余14個飼料原料的有效能值。在代謝試驗測定豬飼料原料的有效能值中，能量飼料通常采用直接法測定，而其他飼料原料采用套算法測定。待測飼料原料在試驗飼糧中的比例高低直接影響套算法計算其有效能值的變異，這加大了蛋白質飼料和粗飼料有效能值測定結果的變異，從而增加了這類飼料原料有效能估測值與體內值的偏差［8，16］，本研究也呈現(xiàn)類似的現(xiàn)象，能量飼料原料偏差小，蛋白質飼料原料偏差大。其次，本試驗體內法數(shù)據是根據GB/T 39235—2020發(fā)布飼料原料能量利用率（DE/GE，ME/GE和NE/GE）乘以樣品實測GE計算，而仿生消化估測有效能的模型是本團隊進行生長豬代謝試驗測定的有效能值與仿生消化法測值、化學成分逐步回歸得出。因此，本研究在比較有效能估測值與體內值的偏差上，實際上還有實驗室間測定誤差、同名樣品間體內能量利用率變異的影響，這也放大了估測值與體內值的偏差。

3.2 仿生消化法估測飼料原料有效能的可加性

在飼糧配方的計算中，飼糧的有效能值等于飼料原料有效能的加權和，因此，檢驗仿生消化法測值的可加性非常重要［13，16，28］。在檢驗有效能值可加性的統(tǒng)計上，當試驗飼糧的實測值對根據飼料原料加權計算值的線性回歸與Y=X 重疊，且兩者的絕對差值小于0.42 MJ·kg－1時，認為飼料原料間有效能值具有較好的可加性［19，30］。現(xiàn)有研究表明，仿生消化法測定雞、鴨飼料原料間EHGE值均具有滿意的可加性［16，19］。本試驗中，17個試驗飼糧的EHGE實測值對加權計算值，DE、ME和NE的估測值對加權計算值的線性回歸與Y=X重疊（R2gt;0.95，Plt;0.01），僅除1個飼糧（D11）DE的估測值與計算值的絕對差值為0.55 MJ·kg－1，其他飼糧DE的估測值與計算值的絕對差值均小于0.42 MJ·kg－1，這表明EHGE及通過EHGE估測的DE、ME、NE均具有滿意的可加性。為了進一步分析飼糧中飼料原料的用量是否會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確性的問題，本試驗通過對飼糧EHGE實測值與加權計算值，DE、ME和NE的估測值與加權計算值的差與飼料原料用量間進行相關及杠桿效應分析。雖然豆粕、DDGS（高脂）以及玉米胚芽粕的用量同DE和ME實測值（估測值）與加權計算值之差存在顯著的相關性，但它們在飼糧中的最高用量有明顯的杠桿效應，剔除杠桿點后，相關性消失。這表明這3個飼料原料在試驗飼糧中的用量并沒有影響有效能值的可加性。

4 結 論

生長豬仿生消化法可以滿意地估測14個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。仿生消化法估測的EHGE值，以及由EHGE估測的DE、ME和NE均具有良好的可加性。

參考文獻（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.基于化學成分和仿生消化法估測豬飼糧及原料消化能、代謝能的研究［D］.成都：西南民族大學，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個實驗室間測定豬飼料酶水解物能值的差異及可加性研究［J］.動物營養(yǎng)學報，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.單胃動物仿生消化系統(tǒng)操作手冊［M］.4版.北京：中國農業(yè)科學院，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.不同實驗室間測定單胃動物飼料樣品總能的一致性及可加性研究［J］.動物營養(yǎng)學報，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豬結腸消化程度的研究［J］.動物營養(yǎng)學報，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）