NRC营养需要模型和最佳氨基酸比例模型

饲料中的最佳氨基酸比例模型
（动物的营养代谢更高效）
计算饲料中氨基酸最佳比例模型，主要是为了动物的营养代谢更高效。

即血液中的营养物质尽量变成我们希望的肉、蛋、奶，而随尿液排出的营养最小化。

提高饲料中营养的吸收和利用。

计算符合最佳氨基酸比例模型的饲料很简单，如下图。

＜最佳氨基酸比例模型＞是比＜氨基酸木桶原理＞
更深入、更高级的配方计算方式!
一：下载:Feed Mix反刍营养百分百饲料配方软件
（奶牛、肉牛、肉羊饲料日粮TMR计算）
二:下载：Genetic Algorithm 饲料软件
（猪鸡等单胃动物饲料配方计算）
高品质猪鸡饲料配方-计算方法
根据氨基酸最佳比例模型计算猪鸡饲料配方
猪鸡饲料添加剂配方计算-两种方式
智能二代（Ge netic Algorithm）饲料配方软件
NRC营养需要模型
（NRC, 1998）已经很好地确定了不同类别猪的每天的营养需要，这些营养需要受
生理状况、生产潜能和环境条件的影响。

NRC（1998）给出的三个数学模型对20kg-140kg
活体重（BW）的生长育肥猪、妊娠母猪、泌乳母猪的标准回肠可消化氨基酸（SID）、
氮（N）、标准全消化道可消化（STTD）磷（卩）和总钙（Ca）的需要进行了更新和调整。

在模型形成期间，以精确的预测和相关的实践使之易用性、透明化和简单化。

表观可消
化氨基酸（AID ）和表观全消化道可消化磷（ATTD ）的需要可以各自由SID和STTD P 得出。

对于玉米豆粕型日粮，总日粮氨基酸和P的需要同样可以得出。

为促进模型的完
整性，模型对BW 20 kg以下猪的维生素和矿物元素（而不仅仅Ca和P）的营养需要进
行了经验估计。

把常规的饲料配方程序计算出的日粮营养含量和模型得出营养需要的估计进行正确的对比，从而使这些模型趋于完善。

从动物整体水平上看，这三种模型给出的营养和能量的生物利用是机械的、动态的、
确定性的。

这些模型被认为是机械的是因为它们机械地体现了已知的影响营养需要的生
物学原理。

这些生物学原理在第1章（蛋白）、2章（能量和氨基酸）、6 （矿物元素）章做了概述。

然而，使用模型进行营养需要估计时，不可避免的含有了一些经验元素和经验实测值。

用户可以进行自定义时间段进行每一天的循环计算，累加的动物生产性能（生长、妊娠和泌乳）会自动的呈现出来。

一旦自动模拟被执行，用户可以仔细查看每一天的或多天的营养需要。

多天的营养需要可以简单地计算为每一天需要的平均值。

模型是是固定性的，因为这类家畜的营养需要估计没有明确体现家
畜内的变异性。

但是，利用
已经确立的单个动物的估计，通过调整吸收后的营养利用率，家畜之间的变异性可以在模型中明确地考虑（例如，Pomar Acids）,第二章（蛋白质和氨基酸）已做了概述。

对于不同种类猪的营养需要的估计，使用模型的用户必须明确不同种类的猪的能量采食和生产性能。

对于生长育肥猪和妊娠母猪，已经增加程序使之对能量采食水平产生
智能二代（Ge netic Algorithm）饲料配方软件
相当简化的预测。

输入数据后，模型会产生每日整体沉积的蛋白、沉积的脂肪和BW 的变化。

对于妊娠母猪，蛋白、脂肪以及孕体和生殖组织的总增重也被考虑在内，而对于泌乳母猪，窝仔重和仔猪平均日增重作为对母乳营养和能量输出的测定。

供给试验家畜生产性能的营养需要就产生了。

因为估计了动物对能量摄入的响应，所以模型不能直接给出能量的需要量。

家畜的响应既是绝对的也是最低限度的，对于次优营养水平的吸收模型没有给出。

结果，动物的营养需要经过一段时间营养限制后，可能会受到补偿性生长的影响，没有被估计。

与被测动物的生物生产性能相关的营养需要产生在一个相对没有疾病和应激的环境中，并不能反映出成本利益分析。

关于疾病困扰和环境条件潜在的影响这方面的营养需要没有考虑，但考虑了热平衡中能量摄取的预测和维持能量需要的估计受环境的影响。

根据营养需要估计的每日营养采食量产生最大效益的生产性能和最大的营养利用率可能不同。

在模型中，能量的计算单位是有效”代谢能（ME ）。

有效” ME,被描述为ME , 用于全文和所有等式。

用于典型的玉米豆粕型日粮的有效”消化能（DE）通过净能（NE）依据固定的换算系数计算而来。

这些已经用作典型日粮局部能量效率的估计。

这个概念已经在第 1 章（能量）具体描述。

在这三个模型中，可选择输入体组成（如背膘厚）和体重（如，生长育肥猪的生长性能，妊娠期间总体重变化，或者泌乳期间体总重变化）的实测值，来比较和对比预测和实测的值。

当实测的值和预测的值类似时，增加了模型预测营养需要的正确性。

具体细节在用户指导（模型运算）中，体组成和BW 实测的变化会和模型预测进行匹配。

本章给出了用数学方法计算营养要。

一些等式在第1、2、6 章给出，但为了更加完善，在这里也给出。

更多的细节的描述、输入和输出、主要部分的打印以及简单的指导都在用户指导（附录
A ）中给出。

4
智能二代（Ge netic Algorithm）饲料配方软件
生长育肥猪模型
主要概念
表示生长的每天蛋白沉积（Pd）率和脂肪沉积（Ld ）率，以更新全部机体蛋白（BP）质量和全部机体脂肪（BL）质量。

在模型中Pd用来描述猪的类型（品种和性别）和生长生产性能水平；Pd的表示方法比瘦肉增长率更客观和广泛。

空体重（EBW）和BW 通过BP 和BL 预测得到。

满足能量需要的能量采食量分为机体功能维持、蛋白沉积和脂肪沉积的需要。

因为维持能量需要通过饲喂蛋白日粮后被确定，所以蛋白的能量被认为能量采食的一部分。

用作蛋白维持需要的蛋白没有从维持能量需要中扣除。

维持能量需要可以从BW 和环境温度推测，也可以由用户通过模型计算特别条件下的需要来调整。

猪的生产性能和生产潜能可以由Pd 曲线来表示，此曲线由模型用户、相关的能量采食量以及根据实测的生长性能做出的估计来决定。

能量的采食量用于功能维持、蛋白沉积和脂肪沉积需要。

SID 氨基酸和N 需要可以由Pd、BW 和采食量估计得到。

STTD P 需要由采食量、Pd 和BW 推导出，而总Ca 需要则由STTD P 需要估计得到。

AID 和总氨基酸需要、ATTD 和总P 需要通过SID 和STTD 值计算而来，其日粮以玉米豆粕型日粮营养为基础，包括3%的预混料和0.1%的赖氨酸盐酸盐，并且它们的配制满足SID 氨基酸和STTD P 的需要。

给未去势公猪饲喂雷克伯明（RAC）或者免疫促性腺素释放激素（GnRH）对营养需要的影响，可以通过它们对ME 采食量、维持ME、Pd、Ld 的需要的影响来估计。

RAC 诱导的Pd 单独标踪，来说明它对Pd 的氨基酸组成和体组成的影响。

动态模型包括了数学等式以说明随着体重的增加能量采食量、Pd 和BW 增重的变化。

两者任一个等式来可说明它们之间的关系。

可以用多项式和计算表如Microsoft Excel 进行量化计算。

可供选择的等式有渐进线或者S 曲线功能，并且能表示生物学的关系，但还需要更高级的数理统计包来量化。

典型的能量采食两和Pd 曲线默认用于小母猪、阉割猪和整个未去势小公猪。

6
智能二代（Ge netic Algorithm）饲料配方软件
机体组成
近期的概述（de Long 等，2003）对机体的化学和物理构成做了数据性的表述。

这
四种化学机体成整个机体的脂肪含量（BL）、整个机体的蛋白含量（BP）、整个机体的水分含量（Wat）和整个机体的灰分含量（Ash）之和表示空腹体重（BLW）（等式8-1）。

水分含量和灰分含量以及相关的蛋白含量用kg表示（等式8-2和8-3）。

Wat和BP之间的关系，也考虑了猪可操作的Pd上限
（Pc Max: Pd曲线中的最高值，g/d）。

肠道内容物可以通过BW （起始BW: kg；等式.8-4）和EBW （末端BW: kg；等式.8-5）预测。

肠道内容物和EBW 之和等于BW。

很大程度上因为Wat和BP、BW 增重的化学组成、以及瘦肉组织的增重、不同的生长阶段和猪品种之间的相对生长关系（Emmans 和Kyriazaks, 1995）。

EBW (kg) = BP + BL + Wat + Ash(等式.8-1)
Wat (kg) = ( 4.322 + 0.0044 Pd Max ) P0.855(等式.8-2)
Ash (kg) = 0.189 BPX(等式.8-3)
肠道内容物(kg) = 0.277 BW0.612(等式.8-4)
肠道内容物kg) = 0.3043 EBW0.5977(等式.8-5)
用一个迭代程序（Newton-Raphon meherd; Arfken,1985来估计起始BW 时机体的化
学组成，用BL和BP比率（BL/BP）表示。

（等式.8-6）。

起始BW 时的（BL/BP）= （0.305 —0.000875 R d Max ）B W0.45 （等式.8-6）
对于胴体瘦肉含量，一个标准的方法是使用背膘厚度。

世界上很多地区背膘厚度探测成为日常监控，北美也越来越多（Fortin et al.,2004;Schinckel et al., 2010）。

典型的方法是光学探针，在倒数第三和第四肋骨之间，躯干中间线以下7cm 处。

机体化学组成和探针背膘厚度之间的关系（等式.8-7 ）依据额外大数据组的分析（Wagnetr e
8
al.,1999;Schinckel et al.,2001,2010），Quiniou （1995;original analyses conducted by P. M or el, Massey Un iversity, New Zeala nd）对数据做了测算。

假设潜在的误差影响背膘厚的测定，那么也影响了胴体瘦肉率的预测，这个参数必须谨慎对待（Johnson et al.,2004;Schinckel et al.,2006）。

猪的品种和性别影响探针背膘厚度和胴体瘦肉率之间的关系。

根据美国猪肉生产理事会（NPPC;国家猪肉生产理事会，2000）,模型中默认的等式（等式.8-8）对胴体无脂肪瘦肉含量提供了合理的预测，可以根据确定的条件进行调整。

根据这个等式，无脂胴体瘦肉增重可以预测为PdX2.55 （NRC,1988）。

然而，这个关系式只能在一个大的BW范围内有效（如：25-125kg BW），并且利用高Pd Max会低估了无脂瘦肉增重量。

用户可以根据当地条件调整等式.8-8中的参数和无脂瘦肉增重和沉积蛋白（Pd）之间的比率。

等式.8-7）探针背膘厚度（mm）= -5+12.3 BL/BP + 0.13 B P
NPPC 胴体无脂瘦肉含量（%）= 62.073 + 0.0308胴体重
—1.0101探针背膘厚度+ 0.00774 （探针背膘厚度）2 （等式.8-8）
能量与饲料采食量
生长育肥猪模型包括三个选项可以对不同BW 的ME 采食量做出估计。

首先，通过一个简单的预期ME 采食量产生一个关于BW 的等式，涉及：性别、自身采食能力、环境温度（可选项）、猪饲养密度（可选项）。

第二，在一定的BW 范围内用实测的饲料采食量产生一个ME 采食量曲线，然后再组合标准ME 采食曲线。

第三，这两种类型等式的参数可以由用户输入相关的ME 采食量和BW。

在用户自己设定的日粮ME 含量的基础上，ME 的采食与饲料采食量有关。

饲料浪费的估计，用户自己确定的饲料采食量等于饲料采食量加上饲料浪费量，需要相关的预期采食量和预期饲料用量，或者相关实测的饲料用量和ME 采食量。

通常，饲料浪费率占饲料的5%，由饲养员给出，但是它可以在3%至多于10%之间变动。

调整饲料浪费量的值可以表明饲料浪费对营养需要的影响和减少饲料浪费的重要性。

这个标准ME 采食曲线（等式.8-9）可以作为一个参照标准推算一定BW 的实测ME 采食量，或者其它BW的ME采食量。

这个标准ME采食曲线相当于NRC (1987,也
智能二代（Ge netic Algorithm ） 饲料配方软件
10 用于 NRC,1998）中的 83.6%。

这个标准 ME 采食曲线以 Bridges （sckinckel et al. 2009b ）函 数为基础，等于小母猪（等式 .8-10）和去势公猪（等式 .8-11）的平均采食量，通常根据 实际条件调整曲线来表示猪的采食量水平。

需要重点强调的是，这个标准采食曲线没有 包括饲料浪费量。

假设能量采食量未去势公猪比母猪低 3%（等式.8-12）。

标准 ME 采食量=10563 x {1- exp[-exp （-4.04） BW ? }
对于三种性别，各自默认 ME 采食曲线表示为（图 8-1）： 默认 ME 采食量，小母猪(kcal/d) =10976 凶-exp[ - exp(-3.803) BW X 072]}
(等式.8-10)
默认 ME 采食量，去势公猪 (kcal/d) =10447 {?1- exp[ -exp(-4.283) BW ?1.0843] }
(等式.8-11)
默认 ME 采食量，未去势公猪 (kcal/d) =10638 {?1- exp[ -exp(-3.803) BW ?0.9072] }
(等式.8-12)
去势公猪
小母猪
等式.8-9)
未去势公猪11
智能二代（Ge netic Algorithm ） 饲料配方软件
12
6 ①乂比4匚
-
山主
图8-1 20kg-120kg 体重的去势公猪、小母猪和未去势公猪典型的每日ME 采食量。

为了有效说明环境温度（T ）对ME 采食的影响（Bruc and Clark,1979;Quiniou et al.,2000; Noblet et al., 2001），估计了低于标准温度（LCT ）的情形（等式.8-13）。

假定处于LCT和LCT + 3 C之间，环境温度（T）并不影响ME的采食量。

在UCT+3 C以上时，ME 采食量会随着温度的升高而降低（adjusted from Quiniou et al.,2000; Eq.8-14）。

T 低于LCT，ME 采食量随T 线性增加。

对于BW 为25-90kg 的猪, 在T 低于LCT 时，ME 采食量与T 之间的线性关系是确定的，BW 对于T 和预期ME 采食量之间关系的影响可以线性判断，对于25kgBW的猪，低于LCT时，预期ME的采食量增加1.5%/C。

对于90kgBW的猪, 低于LCT时，预期的ME采食量增加3%/C。

低于标准温度（LCT; C）=17.9 - 0.0375 BW （等式.8-13）
部分ME 采食量=1- 0.012914 厅-（LCT+3）］ - 0.001179 ［T 汎LCT+3）］ 2
（等式. 8-14）
对于猪饲养密度对预期ME 采食量的影响的预测，最小面积的最大的ME 采食量需要用BW 计算（等式. 8-15）。

面积每降低1%，预期ME 采食量会降低0.252% （Gonyou et al., 2006）。

最大ME采食量的最小面积需要（m2/头）=0.0336 :BW。

/? （等式.8-15）
尤其是，生长小猪采食饲料能力有限。

如果饲料采食能力受到限制，即使日粮能量和营养含量减少也不会导致日粮采食量的增加，如（等式. 8-9）至（等式. 8-12）所示，会造成日粮营养采食量的减少。

日粮最大采食量的限制可说明这个理论，日粮最大采食量是关于BW 的一个等式（Black,2009 等式. 8-16）。

这个等式表明当T 低于LCT 时，猪的采食能力会增加。

最大日采食量(g/d) = 111 >BW O.803 + 1 1 1 :BW O.803 X( LCT - T ) X0.025
13
智能二代（Ge netic Algorithm）饲料配方软件
等式.8-14）
必须指出的是，这种方法预测ME 采食量往往偏高，没有反映已知的环境和动物因素对能量采食的影响，例如地板类型、空气质量、活动、猪品种、日粮营养水平和抗营养因子（ e.g., Torrallardona and Roura, 2009）。

这种方法的使用仅仅说明一些环境因素和营养需要的估计之间潜在的相互作用，能够使用户量化检验这些因素对营养需要估计的影响。

当模型用户指定实测饲料用量（包括饲料浪费）和对应的平均BW 时，考虑了日粮ME 含量和饲料浪费，实测的ME 采食量可得到计算。

把实测的ME 采食量计算为占标准ME 采食量曲线中对应BW 的ME 采食量的一定比例。

然后用这个比例来估计其它BW 的ME 采食量。

两种数学等式（Bridges 等式.8-17 多项等式.8-18）可以确定ME 采食量曲线关于BW 的一个函数等式，a、b、c、d 是参数。

实测ME 采食量+ 浪费量（kcal/d）= a {1- exp[- exp （b） BW C]} （等式.8-17）实测ME 采食量+ 浪费量（kcal/d）= a + b BW +c X BW2 + d BW3 （等式.8-18）ME 采食量分类
在模型中，首先要满足维持能量需要。

维持ME需要标准可以由BW预测（kg;等式.8-19）。

如果考虑了温度，当T低于LCT时，维持ME需要标准随着温度（T）的降低呈线性增加（等式.8-20）。

维持ME 需要标准（kcal/d）= 197 >BW o.6。

（等式.8-19）
生热ME需要标准（kcal/d）= 0.07425 （LCT- T））维持ME需要标准
16
8 15
智能二代（Ge netic Algorithm ） 饲料配方软件
等式 .8-20）
16
这个模型用户可以调整代谢能需要 , 来说明受动物活动或者特定品种影响的变化 , 在 ME 维持需要标准基础上会有一定比例的增加。

总的 ME 需要标准计算如（等式 .8-21）。

维持 ME 需要（ kcal/d ）= ME 维持需要标准 +生热 ME 需要+活动增加和品种调整 ME 需 要 （等式 .8-21）
ME 采食量超过了维持 ME 需要则用于 Pd 和 Ld 。

通过用户确定的 Pd 沉积曲线或者 能量采食量来决定 BW 的蛋白沉积率。

提供了的三个选项用来定义 Pd 曲线：（ 1）输入 一个BW 在
25kg -125kg 之间的Pd 平均值，（2）明确关于 BP 或者Pd （对应BW ）数学 等式的参数 （3）输入 Pd Max 和 Pd Max 开始下降时的 BW 。

对于选项（ 1 ），把平均 Pd 导入一定品种的 Pd 标准曲线模型，导出一定 BW 时的
Pd （等式.8-22，8-23，8-24）。

这些标准曲线比 NRC （ 1998）有了改进，反映了性别对 生长模型的主要影响（ e.g., Hendriks 和 Moughan,1993;Wagner et al.,1999; BSAS,2003;va nMilgen et al., 2008;Schinckel et al., 2009a,b 。

以这些曲线和典型的平均 Pd 值为基础的全 部机体蛋白沉积值，三种性别（ BW 为 25kg-125kg 的小母猪，去势公猪和未去势公猪分 别为137，133和151g/d ）如图8-2所示。

小母猪 Pd (g/d ) = (137) x( 0.7066 + 0.013289 BW- 0.00013120 >BW 2 + 2.8627
等式.8-22）
去势公猪 Pd (g/d )=(133)X(0.70786 + 0.013764 B X W- 0.00014211X BW 2 + 3.2698
X 1 0-7 X BW 3) 未去势公猪 Pd (g/d )=(151)X(0.6558 + 0.012740 B X W- 0.00010390X BW 2 + 1.64001
X 1 0-7 X BW 3)
X10-7 XBW 3) 等式.8-23）
（等式.8-24）17
智能二代（Ge netic Algorithm ） 饲料配方软件
18 图 8-2 典型体重 20kg-140kg 的未去势公猪、小母猪、去势公猪全部机体蛋白沉积曲线
对于选项（ 2），当使用 Michaelis-Menten Kinetica 归纳的函数（等式 .8-25）时，每 日 Pd 可由 BW 的变化计算而来，需要用户确定一个 BW 的增重曲线。

等式 ,8-26）提供 Pd 和 BW 之间的关系。

等式 .8-25）
Pd (g/d ) =a + b BW +CXBW 2 + d BW 3 对于选项（ 3），假定 Pd Max 开始下降之前， Pd Max 是连续并且相对于 BW 独立的。

因 此在这个选项中，也假定只要实测 Pd 随着 BW 升高， Pd 可由能量采食量确定。

当 BW 大于 Pd Max 开始下降时的 BW 时，用 Gompertz 函数表示 Pd 随着 BP 的增加而下降的模 型（等式 .8-27，等式 .8-28，等式.8-29） 。

等式 .8-26）
10 (AE53s=soas EOJlo
」[kApocc
Body We^ht (kg)
19
智能二代（Ge netic Algorithm ） 饲料配方软件 20 (BP 5 - BP 山 册
BP (kg)二 BP 就十 --------------------------------------------------
仃 +BWa}b
成熟期BP （kg）= （Pc Max下降时BW 对应的BP）>2.7182 （等式.8-27）速率常数=[Pd Max /（成熟期BP X1000）] >.7182 （等式.8-28）
Pd Max 开始下降时对应的BW 之后的最大Pd （g/d） =
当前BW 的BP X1000泌率常数>n（成熟期BP/当前BW 的BP）（等式.8-29）
在这个模型中,潜在Pd 可以通过数值模型计算每天的能量采食量来确定（等式.8-30）；摘自Black et al., 1986,和NRC,1998）.这个等式得出了能量采食量和Pd 之间的线性关系，即随着BW 的增大斜率降低的关系（图8-3）。

这个数学等式表明，以代谢能采食量推断生长猪体蛋白增重和体脂肪代谢，和试验实测值一致（Black et al.,1986）。

这个等式表明，对于生长猪，大的斜率意味着大的瘦肉组织生长潜能，当涉及到环境温度时，斜率随着环境温度的升高而降低。

模型用户可以用一个恰当的系数调整这个斜率，进行某一群体猪的实测的和预期BW 增重对比。

如果通过能量采食量确定的Pd 比用户设定的小，那么实际的Pd就等同于能量采食量确定的Pd。

后者可利用这三个相互作用的选项来确定Pd 曲线。

能量采食量确定的Pd (g/d) = { 30+[ 21+ 20 exp>(- 0.021 B>W)]
>(ME 采食量- 1.3 维>持ME 需要) >(Pd Max 或者平均Pd/125)
>[1 + 0.015 (2>0- T)] } 调>整数
21
智能二代（Ge netic Algorithm ） 饲料配方软件
22
（等式.8-30） M M<403 W 8O 604O 2O
_
1 4— J I .
M fl p &j u -e -w
o d OJ 口 匚J i tL K 2
Enengy Intake kGal/day ）
图8-3 典型不同体重和生产潜能小母猪全体蛋白沉积和代谢能采食量之间的关系
表8-1 典型BW a 为20kg-130kg 的小母猪、去势公猪和未去势公猪的
生长性能估计模型
项目小母猪去势公猪未去势公猪
预期的最终体重,kg130.6130.5130.2
ME 采食量，kcal/d682573456583
采食量+饲料浪费，g/d217723432100
体增重，g/d819857841
全体蛋白沉积，g/d132130143
全体脂肪沉积，g/d234277207
增重/ （采食量+饲料浪费）0.3760.3660.401
探针背膘厚度mm17.520.914.3
a 估计依据默认的ME 采食曲线（等式8-10 ，8-12 ，图8-1) 和Pd 曲线（等式
8-22 至8-24 ，图8-2）日粮ME 含量是3300kcal/kg ，饲料浪费为5%
一旦Pd 确立，Ld 可以依据超过维持ME 需要用于Pd、Ld 的ME 采食量利用率计算（等式.8-31）。

这些数值10.6 和12.5 分别代表Pd 和Ld 消耗的ME （第1 章，能量）
Ld (g/d) = (ME 采食量-维持ME 需要-Pd W.6) / 12.5
等式.8-31）
这三种性别的猪的典型的生长性能在表8-1 中列出。

这些生长性能水平依据默认的
ME 采食曲线（等式.8-10 至8-12; 图8-1）和Pd 曲线（等式.8-22 至8-24;图8-2）。

为了对比最终体重时模拟和实测的生长性能和背膘厚度，饲料采食量曲线和Pd 曲线可以改动。

此外，模型用户可以改变维持能量需要（等式.8-21）、Pd和能量采食量之间线性关系的斜率。

给未去势公猪饲喂雷克伯明（RAC）或者免疫促性腺素释放激素（GnRH）对营养代谢的影响
为体现雷克伯明（RAC）对营养代谢的影响，计算方法采取了Shinckel et al （2006所表
述的模型。

简而言之，研究了持续饲喂RAC对能量采食量和Pd的影响，以及饲喂有诱
23
智能二代（Ge netic Algorithm）饲料配方软件
12
24
智能二代(Ge netic Algorithm) 饲料配方软件
导作用的RAC 对Pd 的氨基酸组成和机体组成的影响。

当饲喂的日粮中RAC 含量为20mg/kg 时，对于首次饲喂RAC 且BW 为(BWG RAC)20kg 的猪来说，ME 采食量减少( MEIR) 的部分占对照组的3.6%。

之后，当BWG RAC 接近40kg 时，MEIR 逐渐增大到ME 采食量的7.8% 。

MEIR = -0.191263 + ( 0.019013 XBWG RAC) - ( 0.000443 >BWG RAC2 )
+ ( 0.000003539 BWG RAC3 ) (等式.8-32) 当饲喂RAC水平为20mg/kg时，ME采食量(Mcal/d)的估计根据等式(等式.8-33) 估计。

ME采食量(Mcal/d) ={ 1-[MEIR ＞日粮RAC 水平/20)O.7]}＞寸照组ME采食量
等式.8-33)
通过28天饲喂诱导性RAC，计算预期的Pd的平均增加值与对照组Pd之间的比例，加大RAC 水平响应会减小(等式.8-34; 根据Schinckel et al.,2006 稍微调整)。

当日粮RAC 水平分别是5mg/kg 和10mg/kg 时，等式预测大致分别为RAC 20mg/kg 时响应的63%和80%。

关于RAC 诱导的Pd 平均增加量=0.33>(日粮RAC 水平/20)0.33 (等式.8-34)
关于RAC 诱导Pd 的平均增加量通过持续饲喂RAC 来调整，依据BWG RAC 和饲喂RAC天数(days RAc),如等式.8-35和8-36给出，这两个等式中体重一样。

相关RAC 诱导的Pd = 1.73 + ( 0.00776 BW>G RAC ) - (0.00205 BW>G RAC2 )
+(0.000017 B>WG RAC3)+{[(0.1 日>粮RAC 水平) -1]
>( BWG RAC>0.001875 )}
（等式.8-35）
25
智能二代（Ge netic Algorithm ） 饲料配方软件
26
相关 RAC 诱导的 Pd = [1.714+(0.01457 days RAc ) - (0.00361 da ^S RAC 2)
为了在已建立的程序中计算 Pd 对日粮RAC 水平的响应（即,日粮RAC 水平增加了一 段时间），根据当前日粮 RAC 水平（例如，某日n ）和饲喂一段时间21-27天后Pd 之间的 区别,在当前日之前（例如n-21至n-7天；等式.8-37），调整Pd 的增加量。

在已设置程序中相关 RAC 诱导的Pd 增加量
=6.73（不同 RAC 日粮水平）o.5o /100
在这个模型中，RAC 诱导的Pd 可作为一个独立的蛋白源，这是对 Schinckel 等 （2006）表达的模型的一个调整。

这个调整给出了 RAC 诱导的Pd 唯一的氨基酸组成, RAC 影响所有必需氨基酸和 N 的需要，也影响机体的化学和物理结构（等式.8-38）。

RAC 诱导的无脂瘦肉组织增重（g/d ） = RAC 诱导的Pd / 0.2
（等式.8-38）
假设饲喂RAC 并不能改变能量和氨基酸的利用率，代谢能需要、以及 RAC 诱导效
应本身不受猪的品种和环境条件影响。

RAC 对探针背膘厚度的影响（等式8-39）说明了已知的饲喂 RAC 对各种体脂库的体脂 分布影响。

在这个等式中，days RAC 不能超过10,意味着饲喂RAC10天就对背膘厚度就 产生了足够的影响。

在日粮中添加 20mg/kg 的RAC ，预期探针背膘厚度增加 5%。

根据RAC 调整的探针背膘厚度（mm ）=探针背膘厚度y 1 + 0.05 d y ys RAC /10） y 日粮
RAC 水平/20）0.7
(等式.8-39)
那时，已经准备出版，无具有实际意义的实证研究可利用来确定未去势公猪免疫 GnRH 对营养需要的影响。

然而，根据能量采食量的典型效应进行反向建模，经过
4-5
周后二次注射免疫 GnRH 和Improvest TM （第一章，能量），随着 BW 增重估计机体化学
+ (0.000055 d0ys RAC 3 )]
(等式.8-36)
(等式.8-37)
组成的变化，营养需要估计就产生了
14
27
智能二代（Ge netic Algorithm）饲料配方软件
据估计，经过一段时间的免疫过渡，能量采食量提高21%，代谢能需要减少12%，并且减少了8%的Pd 。

依据每日采食量的变化，假设二次注射GnRH 后有10 天的逐渐过渡期，并且把未去势公猪换成免疫了GnRH 的公猪。

为了估计营养需要，假设去势公猪免疫GnRH 并不影响机体主要的能量和氨基酸的利用，并且猪品种和环境条件也不影响免疫后的效应。

计算中，不考虑免疫GnRH 对肠道填充的影响，当屠宰后计算活体BW 的无脂瘦肉的增重时，胴体剥离部分必须考虑（如, Pauly 等. 2009）。

氨基酸需要
第二章（蛋白和氨基酸）所概述，估计氨基酸和N 的营养需要的建模方法已经根据
Moughan（1999）做了调整。

这个模型考虑了氨基酸和N需要的决定因素（1）考虑了与饲料采食量相关的基础内源消化道损失（GIT）；（2）体表损失，关于BW0.75 的函数；（3）Pd; （4）对于上述的三个函数SID 中氨基酸的吸收利。

氨基酸的无效利用反映了最低必须氨基酸代谢和和动物之间Pd 的变异。

主要是由于家畜之间采食量和Pd 的变异性，群养的猪氨基酸利用率低于个体猪。

（Pomar 等., 2003）。

这里给出了赖氨酸需要，依据氨基酸当中维持机体主要功能的氨基酸最佳比例和氨基酸吸收利用率的估计，对其它必需氨基酸（表2-12）和N 的需要也进行了估计。

末端回肠回收的基础内源性赖氨酸损失估计为0.417g/kg 采食的干物质饲料，假设88%的饲料干物质，对于全消化道GIT，假设大肠损失占末端回肠回收的GIT的10%（等式.8-40）。

体表赖氨酸损失估计为 4.5mg/kgBW0"5（等式.8-41）。

基础内源GIT Lys损失（g/d）=饲料采食量^0.417/1000） 0^8 X.1 （等式.8-40）
体表Lys 损失（g/d） = 0.0045 B W0.75 （等式.8-41）
28。