《Animals》：Dynamic Nutritional Trajectories in Growing–Finishing Pigs: A CRITIC-Based Evaluation and SHAP-Interpreted Final Body Weight Prediction
编辑推荐：
分阶段精准营养供给影响生长性能、营养物质利用效率、胴体发育及骨骼健康。日粮策略通常仅以有限的生产性状进行评估。本研究将165头猪按体重阶段（25–50、50–75及75–100 kg）分配至不同营养轨迹。采用对应参考营养浓度100%、90%、80%及70%的四
分阶段精准营养供给影响生长性能、营养物质利用效率、胴体发育及骨骼健康。日粮策略通常仅以有限的生产性状进行评估。本研究将165头猪按体重阶段（25–50、50–75及75–100 kg）分配至不同营养轨迹。采用对应参考营养浓度100%、90%、80%及70%的四种日粮营养水平，营养轨迹涵盖持续营养供给、分阶段营养限制、营养切换及营养恢复。研究人员基于生长性能、养分消化率、胴体性状、体型结构、能量与氮沉积、骨几何形态、骨小梁微结构及骨矿化性状构建了层级指标体系。采用指标间相关性重要性（CRITIC）方法确定指标权重，计算各领域及综合性能评分。构建支持向量回归（SVR）、反向传播神经网络（BPNN）及随机森林（RF）模型预测终末体重，并通过SHAP分析解释输入变量的贡献。生长性能、能量与氮沉积及胴体品质获得最高客观权重。结合内部验证预测结果与模型解释，为生长-育肥猪分阶段营养策略设计提供了定量决策依据。在实际应用前，仍需在独立猪场、品种及管理条件下进行外部验证。
一、研究背景与科学问题
生猪产业的核心在于通过猪只代谢实现饲料原料的生物转化与价值增值，饲料效率直接决定养殖经济效益，并构成生猪产业可持续发展的基石。当前中国生猪生产面临饲料原料价格波动、抗生素减量政策趋严以及氮磷排放环境压力等多重挑战。饲料成本占生产总支出60%以上，饲料转化效率的微小改善即可带来可观的经济与环境效益。因此，超越传统粗放生产模式、提升饲料资源利用效率已成为产业提质增效的迫切需求。
猪只采食的日粮养分经消化吸收后系统性沉积于各组织器官，其营养需求涵盖维持代谢、生长发育及免疫调节三个维度。从断奶至育肥的完整生产周期中，消化道、骨骼、肌肉及脂肪组织依次达到发育峰值。由于不同组织器官的养分组成与沉积速率存在差异，猪只日粮营养需求在整个生长轨迹中呈现显著的时空动态特征。传统养殖中广泛采用"骨架构建"经验模式，即生长阶段人为限制日粮营养浓度以促进骨骼框架发育，但该经验模式应用于现代高生产性能遗传品系时，面临骨骼发育的精确营养调控机制、遗传背景对肌肉与脂肪沉积的协同作用机制以及氮沉积效率与骨骼生长的关联性等大量未解决的科学问题。
分阶段限制饲喂策略在商业生产中随市场波动动态调整，亟需从经验模式转向基于科学的精准营养方案。传统评价范式过度聚焦孤立的生长性能指标，未能捕捉日粮干预对猪只生理代谢及整体生产效益的系统性效应。从多维生产数据集中提取关键信息，需要科学严谨的综合评价体系。客观赋权方法可消除人为偏差，但在涵盖生长性能、胴体性状及骨骼发育的多层级指标体系中，多重共线性问题频发。传统熵权法等客观赋权技术常因高度相关信息的重复计数而导致权重分配扭曲。为此，研究人员引入指标间相关性重要性（CRITIC）方法，该方法通过标准差度量各指标的内在信息对比度，同时基于相关系数构建冲突指数以识别冗余信息，在多层级、高共线性指标体系中有效抑制多重共线性导致的权重膨胀。基于此，研究人员采用该数据驱动分析工具客观计算多表型层级性状权重，构建并优化营养轨迹综合评价框架及终末体重（FBW）预测模型，旨在为生长-育肥猪精准营养策略的制定与执行提供理论基础与实证数据支撑。
二、研究设计与主要技术方法
该研究在吉林农业科学院猪试验基地开展，选用165头杜洛克×长白×大白（DLY）三元杂交去势公猪，初始体重22.9±3.2 kg，平均日龄60天。试验分三个阶段：阶段1（25–50 kg）、阶段2（50–75 kg）及阶段3（75–100 kg）。以玉米-豆粕型基础日粮为100%营养浓度日粮（日粮A），并等比稀释配制90%（日粮B）、80%（日粮C）及70%（日粮D）营养浓度日粮。采用FIRE电子饲喂系统实现个体采食量与体重实时监测。主要技术方法包括：CRITIC综合评价方法，用于确定多层级指标客观权重并计算综合评分；能量代谢试验，采用开路间接呼吸测热舱测定产热量、能量沉积及氮沉积；Micro-CT扫描分析第四跖骨骨微结构及骨矿化参数；机器学习建模，包括牛顿-拉夫森优化算法（NRBO）优化的反向传播神经网络（NRBO-BPNN）、支持向量回归（NRBO-SVR）及网格搜索优化的随机森林（GS-RF）三种模型预测终末体重，并采用SHAP分析解释输入变量贡献。
三、研究结果
3.1 生长性能综合评价
生长性能指标中，终末体重权重为0.424，饲料转化率（FCR）权重为0.576。AAA与ABB轨迹综合评分最高（0.885和0.758），表现出优异的生长性能；DDA与CCA组评分最低（均为0.149），生长性能相对较弱。
3.2 养分消化率综合评价
脂肪消化率权重最高（0.414），其次为蛋白质消化率（0.233）。DAA组评分最高（0.925），表明营养恢复后消化能力最优；CCC与AAC组评分最低，养分利用效率最差。
3.3 胴体品质综合评价
眼肌面积权重最高（0.243），背膘厚度次之（0.200）。AAA轨迹综合评分最高（0.654），BBB与ABB组次之；CCA与DDA组评分最低。
3.4 骨参数综合评价
骨表面积/骨体积（BS/BV）权重最高（0.282），骨体积分数（BV/TV）次之（0.205）。ABB组评分最高（0.574），DAA与CCA组次之；ACC组评分最低（0.306）。
3.5 骨小梁参数综合评价
骨小梁厚度（Tb.Th）权重最高（0.272），骨小梁数量（Tb.N）次之（0.236）。CCA组评分最高（0.734），ADA与DDA组次之；ACC组评分最低（0.391）。
3.6 骨密度综合评价
组织矿化密度（TMD）权重最高（0.274），骨矿化密度（BMD）次之（0.266）。CCA组评分最高（0.729），ADA与BBB组次之；AAC组评分最低（0.243）。
3.7 体型测量综合评价
臀高权重最高（0.240），胸高次之（0.208）。AAA组评分最高（0.578），ABB与AAB组次之；DDA组评分最低（0.102）。
3.8 能量与氮沉积综合评价
表观氮消化率权重最高（0.403），能量沉积率次之（0.339）。ABB组评分最高（0.854），BBB与DAA组次之；AAC、CCC及ACC组表现较差。
3.9 一级指标权重与综合排名
一级指标权重范围0.098–0.162，生长性能权重最高（0.162），能量与氮沉积（0.150）及胴体品质（0.126）次之。ABB轨迹综合评分最高（0.717），AAA（0.690）与BBB（0.643）次之，DDA组评分最低（0.359）。
3.10 终末体重预测模型
NRBO-BPNN模型表现最优，测试集R2为0.9314，均方根误差（RMSE）为6.2966 kg。SHAP分析显示，变量重要性排序为：阶段2营养水平>阶段3营养水平>阶段1营养水平>初始体重，表明中后期营养水平是终末体重的主要预测驱动因素。
四、讨论与结论
研究发现动态营养轨迹的生物学效应具有显著的性状特异性和阶段依赖性。ADA轨迹（100%→70%→100%）在骨小梁微结构和骨密度参数上表现优异，表明中期限制后的营养恢复有利于骨骼微结构和矿化。DDA轨迹（70%→70%→100%）虽在后期营养恢复后表现出增强的养分消化率及能量氮沉积，但体型和生长性能受到抑制，提示早期持续营养缺乏对骨骼框架发育的负面影响难以完全逆转。补偿性营养反应具有性状特异性和阶段依赖性：养分消化率和能量/氮沉积对后期营养恢复反应迅速，而体型和整体生长更易受早期营养影响。CRITIC权重分析表明，生长性能和能量/氮沉积贡献最大，胴体品质和骨小梁微结构参数亦具重要权重。SHAP分析揭示中期营养水平是终末体重的主要预测驱动因素，但该发现不应被解释为初始体重或早期营养缺乏生物学意义。综合机器学习预测与CRITIC综合评价结果，中后期营养供给是终末体重和整体生产性能的关键决定因素。
研究结论如下：早期营养强烈决定骨骼结构基础，严重限制导致的体型和生长缺陷在达到上市体重时无法完全补偿；养分消化率和代谢保留在后期营养恢复时表现出高度补偿可塑性，而最大化绝对生长性能需要整个发育轨迹的营养连续性；以最大化瘦肉产量和绝对体重为目标，持续高营养密度或极轻度中期限制为最优策略，而以骨骼完整性和骨架发育为优先目标时，适度早期至中期限制配合后期强化更为有效；多维评价揭示中期营养密度是终末屠宰体重的主要驱动因素，高早期供给配合适度后期稀释的ABB轨迹实现了生长效率、养分利用与骨骼健康的最佳平衡。
