Predicción de la composición química de las heces y digesta ileal de cerdos mediante espectroscopia de reflectancia en el infrarrojo cercano (NIRS)

Autores/as

  • Ricardo Ramos Cruz Universidad Nacional Autónoma de México. Facultad de Estudios Superiores Cuautitlán, México
  • Ricardo Basurto Gutierrez Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, CENID-Fisiología y Mejoramiento Animal, Km 1 Carretera a Colón, 76280 Ajuchitlán, Querétaro, México. http://orcid.org/0000-0003-1190-7436
  • Ericka Ramírez Rodríguez Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, CENID-Fisiología y Mejoramiento Animal, Km 1 Carretera a Colón, 76280 Ajuchitlán, Querétaro, México. http://orcid.org/0000-0003-3977-3150
  • Tércia Cesária Reis de Souza Universidad Autónoma de Querétaro. Facultad de Ciencias Naturales, Querétaro, México http://orcid.org/0000-0002-9025-4332
  • Gerardo Mariscal Landín Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, CENID-Fisiología y Mejoramiento Animal, Km 1 Carretera a Colón, 76280 Ajuchitlán, Querétaro, México. http://orcid.org/0000-0001-6684-4765

DOI:

https://doi.org/10.22319/rmcp.v14i3.6175

Palabras clave:

Predicción, Proteína, Energía, Ileal, Fecal

Resumen

La espectroscopia de reflectancia en el infrarrojo cercano (NIRS) permite estimar la composición química de diversas muestras, (ingredientes, productos de origen animal, etc.); sin embargo, existe poca información de su uso con muestras de digesta ileal (DI) o heces (H) de cerdo; por lo que el objetivo fue desarrollar ecuaciones de predicción basadas en el método de cuadrados mínimos parciales para predecir la composición química de DI y H a través de un NIRS. Se utilizaron 110 muestras de DI y 202 de H de experimentos de digestibilidad, obteniéndose su espectro y mediante un modelo multivariado se desarrolló el método de predicción. Las variables analizadas en la DI fueron: proteína cruda (PC), Leucina (Leu), lisina (Lys) y treonina (Thr) y en las H: materia seca (MS), PC y energía (E). Los valores en DI fueron: PC: R2 0.98, error estándar de calibración (SEC) 0.330, error estándar de predicción (SEP) 0.640; Leu: R2 0.95, SEC 0.040, SEP 0.102; Lys: R2 0.93, SEC 0.077, SEP 0.143; Thr: R2 0.67, SEC 0.209, SEP 0.187. En H fueron PC: R2 0.98, SEC 0.95, SEP 1.19; E (kcal/kg): R2 0.94, SEC 60.8, SEP 95.3; MS: R2 0.87, SEC 0.83, SEP 1.15. Los resultados muestran que la robustez de la calibración (DE/SEP) fue buena para PC, 3.34, Leu 2.07 y Lys 2.48 y regular para Thr 1.94, la predicción (RPD) fue buena para PC 2.11 en la DI. En H las R2 fueron altas para PC 0.98 y E 0.94. La mayor robustez fue para PC 5.59 y su predicción fue excelente 4.16 y buena para E 2.53. Se concluye que el NIRS puede predecir la PC en la DI y la PC y E en H. Para mejorar la estimación de aminoácidos en DI deben explorarse las causas que afectan la robustez de las calibraciones.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Gerardo Mariscal Landín, Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, CENID-Fisiología y Mejoramiento Animal, Km 1 Carretera a Colón, 76280 Ajuchitlán, Querétaro, México.

Investigador Titular "C", CENID Fisiología y Mejoramiento Animal

Citas

Gerber PJ, Steinfeld H, Henderson B, Mottet A, Opio C, Dijkman J, et al. Enfrentando el cambio climático a través de la ganadería – Una evaluación global de las emisiones y oportunidades de mitigación. Roma: FAO; 2013.

Milgen JV, Dourmad JY. Concept and application of ideal protein for pigs. J Anim Sci Biotechnol 2015;6(1):1-11.

Andretta I, Pomar C, Rivest J, Pomar J, Lovatto PA, Neto JR. The impact of feeding growing-finishing pigs with daily tailored diets using precision feeding techniques on animal performance, nutrient utilization, and body and carcass composition. J Anim Sci 2014;92:3925–3936.

Rentería FJA, Gómez RS, López HLH, Ordaz OG, Anaya EAM, Mejía GCA, et al. Principales aportes de la investigación del INIFAP a la nutrición porcina en México: retos y perspectivas. Rev Mex Cienc Pecu 2021;12:79-110.

Givens DI, Deaville ER. The current and future role of near infrared reflectance spectroscopy in animal nutrition: a review. Aust J Agric Res 1999;50:1131–1145.

Osborne BG. Near-infrared spectroscopy in food analysis. In: Encyclopedia of analytical chemistry. John Wiley & Sons, Ltd.; 2006:1-14.

Bertrand D. La spectroscopie proche infrarouge et ses applications dans les industries de l'alimentation animale. INRA Prod Anim 2002;15(3):209-219.

Shenk JS, Westerhaus MO. The application of near infrared reflectance spectroscopy (NIRS) to forage analysis. In forage quality, evaluation, and utilization. In: Jr. GCF editor. Forage quality evaluation, and utilization. 1994:406-449.10.2134/1994.

Balderrama-Pérez VA, Gómez-Soto JG, Reis de Souza TC, Ramírez RE, Mariscal-Landín G. Is the kafirin profile capable of modulating the ileal digestibility of amino acids in a soybean meal-sorghum diet fed to pigs? Anim Nutr 2019;5:124-129.

Reis de Souza TC, Ávila AIE, Ramírez RE, Mariscal-Landín G. Effects of kafirins and tannins concentrations in sorghum on the ileal digestibility of amino acids and starch, and on the glucose and plasma urea nitrogen levels in growing pigs. Livest Sci 2019;227:29-36.

Aguilera A, Reis de Souza TC, Mariscal-Landín G, Escobar K, Montaño S, Bernal MG. Standardized ileal digestibility of proteins and amino acids in sesame expeller and soya bean meal in weaning piglets. J Anim Physiol Anim Nutr 2015;99:728-736.

Reis de Souza TC, Escobar García K, Aguilera AB, Ramirez RE, Mariscal-Landín G. Sesame meal as the first protein source in piglet starter diets and advantages of a phytase: a digestive study. S Afr J Anim Sci 2017;47:606-615.

Mariscal-Landín G, Ramírez RE, Cuarón IJA. Valor nutritivo de subproductos de cártamo para cerdos en finalización. Rev Mex Cienc Pecu 2017;8:331-340.

Mariscal-Landín G, Ramirez RE. Determinación de la digestibilidad de la proteína, aminoácidos y energía de canola integral en cerdos en crecimiento. Rev Mex Cienc Pecu 2017;8:297-304.

Luján OC. Desarrollo tecnológico para el uso del Ronozyme Proact en la producción porcina [tesis Maestría]. Universidad Nacional Autónoma de México. México: 2014

CIOMS. International guiding principles for biomedical research involving animals. In: Organization WH editor. International guiding principles for biomedical research involving animals. Council for International Organizations of Medical Sciences ed. Geneva; 2012.

Diario Oficial de la Federación. Especificaciones técnicas para la producción, cuidado y uso de los animales de laboratorio. Norma Oficial Mexicana NOM-062-ZOO-1999. Diario Oficial de la Federación 2001(2 de agosto).

INRA. L'alimentation des animaux monogastriques: porc, lapin, volailles. Paris, France: Institut National de la Recherche Agronomique; 1984.

AOAC. Official Methods of Analysis. 17 th. ed. Arlington, VA. USA: Assoc Offic Anal Chem; 2000.

Fenton TW, Fenton M. An improved procedure for determination of chromic oxide in feed and feces. Can J Anim Sci 1979;59:631-634.

Myers WD, Ludden PA, Nayigihugu V, Hess BW. Technical Note: A procedure for the preparation and quantitative analysis of samples for titanium dioxide. J Anim Sci 2004;82:179-183.

Henderson JH, Ricker RD, Bidlingmeyer BA, Woodward C. Rapid, accurate and reproducible HPLC analysis of amino acids. Amino acid analysis using Zorbax Eclipse AAA columns and the Agilent 1100 HPLC. Agilent technologies 2000(Part No.5980-1193E):10 pag. Agilent technologies home page at: www.agilent.com/chem/supplies.

Csapó J, Loki K, Csapó-Kiss Z, Albert C. Separation and determination of the amino acids by ion exchange column chromatography applying post-column derivatization. Acta Agr Kapos 2005;9:33-51.

Saeys W, Darius P, Ramon H. Potential for on-site analysis of hog manure using a visual and near infrared diode array reflectance spectrometer. J Near Infrared Spectrosc 2004;12:299–309.

Wickham H. Elegant Graphics for data analysis. Nueva York: Springer-Verlag; 2016. 260 Pag. doi:10.1007/978-3-319-24277-4.

Patil, I. Visualizations with statistical details: The 'ggstatsplot' approach. J Open Source Softw 2021;6:3167. doi:10.21105/joss.03167.

R Core Team. R: A language and environment for statistical computing. Vienna, Austria. R Foundation for Statistical Computing. 2021.

Tester RF, Karkalas J, Qi X. Starch—composition, fine structure and architecture. J Cereal Sci 2004;39:151-165.

Saeys W, Xing J, de Baerdemaeker J, Ramon H. Comparison of transflectance and reflectance to analyse hog manures. J Near Infrared Spectroscopy 2005;13:99-107.

Wehling RL. Infrared spectroscopy. Food analysis. Boston, MA Springer; 2010:407-420.

Montagne L, Piel C, Lallès JP. Effect of diet on mucin kinetics and composition: nutrition and health implications. Nutr Rev 2004;62(3):105-114.

Mariscal-Landín G, Reis de Souza TC, Hernández DAA, Escobar GK. Pérdidas endógenas de nitrógeno y aminoácidos en cerdos y su aplicación en la estimación de los coeficientes de digestibilidad ileal de la proteína y aminoácidos de las materias primas. Téc Pecu Méx 2009;47:371-388.

Fontaine J, Schirmer B, Hörr J. Near-infrared reflectance spectroscopy (nirs) enables the fast and accurate prediction of essential amino acid contents. 2. Results for wheat, barley, corn, triticale, wheat bran/middlings, rice bran, and sorghum. J Agric Food Chem 2002;50:3902-3911.

Owens B, McCann MEE, McCracken KJ, Park RS. Prediction of wheat chemical and physical characteristics and nutritive value by near-infrared reflectance spectroscopy. Br Poult Sci 2009;50:103-122.

Schiborra A, Bulang M, Berk A, Susenbeth A, Schlecht E. Using faecal near-infrared spectroscopy (FNIRS) to estimate nutrient digestibility and chemical composition of diets and faeces of growing pigs. Anim Feed Sci Technol 2015;210:234-242.

Bastianelli D, Bonnal L, Jaguelin-Peyraud Y, Noblet J. Predicting feed digestibility from NIRS analysis of pig faeces. Animal 2015;9:781-786.

de la Roza-Delgado B, Modroño SFV, Martínez-Fernández A, Soldado A. Suitability of faecal near-infrared reflectance spectroscopy (NIRS) predictions. Spanish J Agric Res 2015;13:1-7.

Nirea KG, Pérez de Nanclares M, Skugor A, Afseth NK, Meuwissen THE, Hansen JØ, et al. Assessment of fecal near-infrared spectroscopy to predict feces chemical composition and apparent total-tract digestibility of nutrients in pigs. J Anim Sci 2018;96:2826–2837.

Velayudhan DE, Kim IH, Nyachoti CM. Characterization of dietary energy in swine feed and feed ingredients: a review of recent research results. Asian Australas J Anim Sci 2015;28:1-13.

Aluthge ND, Van Sambeek DM, Carney-Hinkle EE, Li YS, Fernando SC, Burkey TE. Board invited review: The pig microbiota and the potential for harnessing the power of the microbiome to improve growth and health. J Anim Sci 2019;97(9):3741-3757.

Stein HH, Sève B, Fuller MF, Moughan PJ, de Lange CFM. Invited review: Amino acid bioavailability and digestibility in pig feed ingredients: Terminology and application. J Anim Sci 2007;85:172-180.

Jha R, Fouhse JM, Tiwari UP, Li L, Willing BP. Dietary fiber and intestinal health of monogastric animals. Front Vet Sci 2019;6:48.

Lin R, Liu W, Piao M, Zhu H. A review of the relationship between the gut microbiota and amino acid metabolism. Amino Acids 2017:1-8.

Cruz-Conesa A, Ferré J, Pérez-Vendrell AM, Callao MP, Ruisánchez I. Use of visible-near infrared spectroscopy to predict nutrient composition of poultry excreta. Anim Feed Sci Technol 2021;283:115-169.

Thiagarajah J, Verkman A. Water transport in the gastrointestinal tract. In: Johnson LR editor. Physiology of the gastrointestinal tract. Fifth ed. Amsterdam: Academic Press; 2012:1757-1780.

Garnsworthy PC, Wiseman J, Fegeros K. Prediction of chemical, nutritive and agronomic characteristics of wheat by near infrared spectroscopy. J Agric Sci Cambridge 2000;135:409–417.

Publicado

10.07.2023

Cómo citar

Ramos Cruz, R., Basurto Gutierrez, R., Ramírez Rodríguez, E., Reis de Souza, T. C., & Mariscal Landín, G. (2023). Predicción de la composición química de las heces y digesta ileal de cerdos mediante espectroscopia de reflectancia en el infrarrojo cercano (NIRS). Revista Mexicana De Ciencias Pecuarias, 14(3), 488–504. https://doi.org/10.22319/rmcp.v14i3.6175
Metrics
Vistas/Descargas
  • Resumen
    1052
  • PDF
    437
  • PDF
    281
  • Texto completo
    448

Número

Sección

Artículos

Métrica

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Artículos más leídos del mismo autor/a

1 2 3 > >>