奶牛蛋白质营养模型评估：瘤胃氨基酸流出预测与营养模型性能比较

本研究评估了NRC、NASEM、CNCPS和NittanyCow（NC）模型对泌乳奶牛瘤胃蛋白质和氨基酸流出量的预测性能。通过分析251个处理均值数据，发现NC模型在预测总氨基酸、微生物蛋白及非氨非微生物蛋白流出方面表现优异，但所有模型在预测个别必需氨基酸时仍存在显著偏差。研究强调了现有模型在精准氨基酸平衡配方中的局限性，为奶牛蛋白质营养模型的优化提供了重要依据。

　　

在奶牛蛋白质营养研究领域，准确预测瘤胃流出的蛋白质和氨基酸组分是实现精准日粮配方的关键基础。随着奶牛生产性能的不断提高，传统的粗蛋白质（CP）平衡已不能满足高产奶牛的营养需求，氨基酸（AA）平衡已成为蛋白质营养研究的新前沿。然而，目前广泛应用的营养模型在预测瘤胃氨基酸流出量方面存在显著差异，这给实际生产中的日粮配方带来了巨大挑战。

目前北美地区最常用的营养模型包括美国国家研究委员会（NRC，2001）、美国国家科学院、工程院和医学院（NASEM，2021）、康奈尔净碳水化合物和蛋白质系统（CNCPS v6.5.5）以及新兴的NittanyCow（NC）模型。这些模型虽然在生物学假设上相似，但在建模方法、营养源分配和利用效率等方面存在根本性差异，导致预测准确性各不相同。特别是NC模型作为新兴模型，其预测能力尚未经过系统验证。

为了系统评估这些模型的预测性能，研究人员开展了一项大规模的数据分析研究。该研究收集了1984年至2020年间发表的67项研究，共251个处理均值数据，涵盖了泌乳性能（干物质采食量DMI、产奶量、乳脂和乳真蛋白等）、日粮营养成分（CP、NDF、醚提取物EE和灰分等）以及通过omasal或duodenal消化物采样技术测定的瘤胃流出量数据。

研究人员采用Lin's一致性相关系数（CCC）、均方根误差（RMSE）以及均值和线性偏差等拟合统计指标，对四个营养模型的预测性能进行了全面评估。研究特别关注了模型在有限输入数据（仅DMI和CP）条件下的表现，以模拟实际生产中营养师经常面临的信息不全情况。

在技术方法方面，研究团队通过系统的文献检索和严格的数据筛选标准，建立了包含67项研究251个处理均值的数据集。使用Python编写的定制脚本进行模型拟合统计和一致性分析，采用混合模型评估消化物采样技术（omasal与duodenal）对预测结果的影响，并通过误差分解分析不同误差来源的贡献度。

研究结果

瘤胃总氨基酸、蛋白质和氮组分的流出量

营养模型预测瘤胃总氨基酸流出的CCC在49%至66%之间，RMSE为观察值的19%至30%。所有营养模型都高估了瘤胃总氨基酸流出（P≤0.001），但NC模型除外。基于均值偏差，NRC和NASEM的预测存在妥协（偏差分别为观察值的-14.0%和-11.9%），CNCPS的预测严重妥协（偏差为-20.6%），而NC模型的预测准确（偏差为-0.9%）。

瘤胃微生物蛋白（MicP）流出的预测CCC在43%至58%之间，RMSE为观察值的24%至27%。NRC和NASEM低估了MicP流出，CNCPS高估了MicP流出，而NC模型则能准确预测。基于均值偏差，NC模型的预测准确无生物学顾虑，NRC和NASEM的预测可接受但有生物学顾虑（P<0.001），CNCPS的预测存在妥协（偏差为-13.7%）。

瘤胃非氨非微生物蛋白（NANMCP）流出的预测中，所有营养模型除CNCPS外都能充分预测。预测的CCC在48%至60%之间，RMSE为观察值的31%至34%。基于均值偏差，NRC和NC的预测准确无生物学顾虑，NASEM的预测可接受但有生物学顾虑（偏差为5.4%），CNCPS的预测存在妥协（偏差为10.1%）。

赖氨酸、蛋氨酸和组氨酸的瘤胃流出量

营养模型预测赖氨酸（Lys）、蛋氨酸（Met）和组氨酸（His）瘤胃流出的CCC在38%至62%之间，RMSE为观察值的23%至40%。赖氨酸流出的均值偏差在NRC和NC中准确无生物学顾虑，在NASEM和CNCPS中存在妥协。蛋氨酸流出的预测在NRC和NC中准确，在NASEM中可接受（偏差为-6.7%），在CNCPS中严重妥协（偏差为-27.5%）。所有组氨酸预测斜率都低于统一性（P≤0.002）。

异亮氨酸、亮氨酸和缬氨酸的瘤胃流出量

营养模型预测异亮氨酸（Ile）、亮氨酸（Leu）和缬氨酸（Val）流出的CCC在52%至68%之间，RMSE为观察值的22%至25%。基于均值偏差，Ile流出预测在NRC和NC中准确无生物学顾虑，在NASEM和CNCPS中可接受但有生物学顾虑（偏差分别为-6.7%和-9.8%）。Leu流出预测在NRC、NASEM和CNCPS中准确无生物学顾虑，在NC中可接受但有生物学顾虑（偏差为6.3%）。Val流出预测在NRC、NASEM和NC中准确，在CNCPS中可接受但有生物学顾虑（偏差为-8.5%）。

精氨酸、苯丙氨酸和苏氨酸的瘤胃流出量

营养模型预测精氨酸（Arg）、苯丙氨酸（Phe）和苏氨酸（Thr）流出的CCC在45%至68%之间，RMSE为观察值的19%至37%。基于均值偏差，Arg流出预测在NASEM和NC中准确无生物学顾虑，在NRC中可接受但有生物学顾虑（偏差为6.4%），在CNCPS中严重妥协（偏差为-28.9%）。Phe流出预测在NRC、NASEM和NC中准确无生物学顾虑，在CNCPS中可接受但有生物学顾虑（偏差为-5.9%）。所有营养模型都能准确预测Thr流出。

消化物采样技术的影响

omasal采样样本的瘤胃总氨基酸和氮氨（NAN）流出量显著高于duodenal采样样本（P≤0.05）。采样技术显著影响了CNCPS和NC模型的预测值，但对NRC和NASEM模型的影响不显著。微生物氮（MiN）流出量在omasal样本中显著高于duodenal样本（P≤0.01）。采样部位不影响NANMCP和NANMN的预测值，但观察值在duodenal样本中显著更高（P=0.01）。

研究结论与意义

本研究首次对NittanyCow（NC）模型的预测性能进行了系统评估，并与广泛使用的NRC、NASEM和CNCPS模型进行了比较。结果表明，NC模型在预测总氨基酸、微生物蛋白和非氨非微生物蛋白流出方面表现优异，其预测准确性与传统模型相当甚至更优。

所有营养模型在预测个别必需氨基酸流出时都表现出不同程度的偏差，这表明现有模型在精准氨基酸平衡方面仍存在局限性。特别是CNCPS模型在预测大多数氨基酸流出时存在显著高估或低估现象，需要进一步优化。

消化物采样技术（omasal与duodenal）显著影响瘤胃流出量的观测值，这也反映了不同采样方法的技术特点和对测量结果的影响。营养模型的预测性能在不同采样技术条件下表现不一，提示模型开发时需要充分考虑采样方法的差异。

该研究为奶牛蛋白质营养模型的优化提供了重要科学依据，指出了现有模型在预测精度方面的优势和不足。研究结果提醒营养师在实际日粮配方中应注意模型预测的局限性，特别是在平衡高产奶牛个体氨基酸需求时需要考虑模型的系统偏差。

这项发表在《Journal of Dairy Science》的研究不仅对学术研究有重要价值，对实际生产中的精准饲养也具有指导意义，为下一代奶牛蛋白质营养模型的开发指明了方向。