编辑推荐：
本研究针对如何准确评估反刍动物饲料效率和发酵过程的问题，开展了关于不同数学模型拟合体外瘤胃产气参数的研究，发现Michaelis–Menten (MM) 模型在多数情况下表现优越，为饲料配方优化提供了重要工具
在反刍动物营养研究中，准确评估饲料的瘤胃发酵特性对于优化饲料配方、提高动物生产效率至关重要。传统的体外产气法虽然被广泛应用，但如何选择合适的数学模型来精准拟合产气曲线一直是研究难点。中国农业大学的研究团队通过对比八种数学模型在不同饲料类别上的拟合效果，发现Michaelis–Menten (MM) 模型在多数情况下表现优越，为饲料配方优化提供了重要工具。该研究发表在《Scientific Reports》上，为反刍动物饲料评价提供了新的视角和方法。
研究背景
反刍动物的瘤胃发酵过程复杂且多样，准确评估饲料的发酵特性对于优化饲料配方、提高动物健康和生产效率至关重要。体外产气法作为一种常用的饲料评价方法，通过模拟瘤胃发酵过程，测量产气量来评估饲料的可消化性和发酵特性。然而，如何选择合适的数学模型来精准拟合产气曲线一直是研究难点。目前常用的数学模型包括指数模型、Gompertz (GOM) 模型、Logistic (LOG) 模型等，但这些模型在不同饲料类别上的表现存在差异。因此，中国农业大学的研究团队开展了这项研究，旨在对比不同数学模型在拟合体外瘤胃产气参数方面的表现，为饲料评价提供更科学的工具。
研究方法
研究团队选取了57种常见的反刍动物饲料，分为能量饲料、蛋白饲料和粗饲料三大类，共68个样本。通过体外产气实验，测量了这些饲料在不同时间点的产气量。实验中，将0.200 g（干物质）的饲料样本放入玻璃注射器中，加入30 mL的瘤胃接种物（瘤胃液与缓冲液按1:2混合），在39°C水浴振荡器中培养。能量饲料和蛋白饲料培养60小时，粗饲料培养72小时。在培养过程中，每隔一定时间记录产气量。研究中对比了八种数学模型，包括指数模型（EXP0和EXPL）、Gompertz (GOM)、Logistic (LOG)、Logistic-Exponential (LE0和LEL)、Mitscherlich (MIT) 和Michaelis–Menten (MM) 模型。通过非线性最小二乘法拟合产气曲线，并计算了决定系数（R2）、均方根误差（RMSEP）、均方误差（MSEP）、平均绝对误差（MAE）等指标来评估模型的拟合效果。
研究结果
饲料类别与产气特性
研究发现，不同饲料类别的产气曲线存在显著差异。能量饲料的产气量最高，蛋白饲料次之，粗饲料最低。能量饲料主要由谷物和麸皮组成，淀粉含量高，产气速率快且达到平台期早。蛋白饲料粗蛋白含量高，产气量相对较低。粗饲料则因结构碳水化合物含量高，产气曲线最为平缓，达到平台期晚。
模型拟合效果
在所有饲料类别中，Michaelis–Menten (MM) 模型表现出最高的决定系数（R2），表明其拟合精度最高。对于能量饲料，Logistic-Exponential with lag (LEL) 模型和MM模型表现较好；对于蛋白饲料，MM模型是最佳选择；对于粗饲料，Mitscherlich (MIT) 模型提供了最高的准确性和适中的精度。从误差分析来看，MM和MIT模型的均方误差（MSEP）和均方根误差（RMSEP）最小，表明其预测误差较低。此外，Akaike信息准则（AIC）和Bayesian信息准则（BIC）排名也显示，MM模型在所有饲料类别中表现最优。
研究结论与讨论
本研究通过对比八种数学模型在拟合体外瘤胃产气参数方面的表现，发现Michaelis–Menten (MM) 模型在多数情况下表现优越，尤其是在不区分饲料类别或包含多种饲料类别的情况下。MM模型的灵活性使其能够适应不同饲料的发酵特性，从而提高拟合精度。然而，研究也指出，MM模型在拟合能量饲料和粗饲料时可能会高估最终产气量（Vf），因此在实际应用中需要根据饲料类别选择合适的模型。此外，研究还强调了饲料化学组成和物理结构对产气曲线的影响，为未来饲料评价和配方优化提供了理论依据。该研究不仅为反刍动物饲料评价提供了新的方法和工具，也为优化饲料配方、提高动物生产效率提供了科学依据。未来的研究可以进一步扩大样本量和饲料种类，以验证这些模型的普适性和适用性。
