《Frontiers in Animal Science》：Rapid estimation of non-starch polysaccharides and lignin in monogastric feed ingredients using near-infrared spectroscopy
编辑推荐：
本综述系统阐述了利用近红外光谱（NIRS）技术快速预测单胃动物饲料中非淀粉多糖（NSP）、木质素等纤维组分的创新方法。研究通过全球采集的628份样品建立了全局性与原料特异性校准模型，总NSP预测R2达0.96（RPD=4.6），为精准营养配方提供了高效分析工具，显著推进了膳食纤维在单胃动物营养中的科学应用。
引言
饲料原料中纤维组成的变异受植物遗传、环境条件和加工工艺多重影响，传统化学分析方法耗时费力，制约了高纤维原料在单胃动物日粮中的精准应用。非淀粉多糖（NSP）与木质素构成的膳食纤维无法被猪禽内源酶分解，其化学组成的多样性及对动物生长性能的不确定性，凸显了快速量化技术的迫切性。近红外反射光谱（NIRS）技术凭借快速、无损、多指标同步检测的优势，为纤维特性分析提供了新思路。然而现有NIRS模型多局限于谷物类原料，缺乏覆盖全球多样性原料的校准体系。本研究旨在建立适用于多种饲料原料的NSP、木质素及相关组分的NIRS预测模型，为单胃动物饲料配方优化提供技术支撑。
材料与方法
研究团队于2015至2022年间全球收集628份饲料原料样品，涵盖豆粕（140份）、葵花粕（87份）、米糠（69份）等28类原料。所有样品均通过Englyst碳水化合物分析法测定总NSP、不溶性NSP、单糖组分（阿拉伯糖、木糖、葡萄糖等），并采用硫酸水解法测定纤维素与Klason木质素含量。使用FOSS DS2500光谱仪采集400-2500 nm光谱数据，通过WinISI软件结合改良偏最小二乘法（mPLS）建立全局与原料特异性（豆粕、葵花粕、菜籽粕）校准模型，以决定系数（R2）、性能偏差比（RPD）等指标评估预测准确性。
结果
化学分析显示原料纤维组成存在显著差异。甜菜粕总NSP最高（49.66%），以阿拉伯糖（14.43%）和半乳糖醛酸（10.81%）为主；棕榈仁粕总NSP达44.41%，但甘露糖占比高达30.2%。三大蛋白原料中，豆粕、菜籽粕、葵花粕总NSP分别为16.24%、20.47%、27.01%，不溶性NSP占比均超60%。纤维素含量以甜菜粕（16.18%）和豌豆（14.35%）最高，木质素在棕榈仁粕（9.98%）与葵花粕（9.12%）中浓度突出。
原料特异性NIRS校准模型中，豆粕的总NSP预测R2=0.85（RPD=4.5），木糖与葡萄糖预测R2≥0.9；葵花粕木质素预测R2=0.90（RPD=3.2）；菜籽粕不溶性NSP预测R2达0.93，但纤维素预测精度较低（R2=0.61）。全局校准模型表现优异，总NSP（R2=0.96，RPD=4.6）、纤维素（R2=0.97，RPD=5.1）和木质素（R2=0.90，RPD=2.8）预测均达到实用水平，单糖组分预测R2普遍≥0.90。值得注意的是，原料特异性模型的预测误差（如豆粕总NSP的SEP=0.87%）低于全局模型（SEP=2.32%），但后者适用范围更广。
讨论
本研究首次实现了对纤维组分单体（如甘露糖、半乳糖醛酸）的可靠预测，突破了传统粗纤维（CF）分析仅能反映部分纤维组成的局限。例如棕榈仁粕中高甘露糖含量提示其β-甘露聚糖可能引发消化粘滞性问题，而甜菜粕中丰富的半乳糖醛酸则预示其果胶成分的高发酵特性。双校准策略（全局+特异性）既保障了模型普适性，又通过针对性优化提升了主要蛋白原料的预测精度。该技术为外源碳水化合物酶（木聚糖酶、β-甘露聚糖酶等）的精准应用提供了数据基础，有望通过实时纤维组分调控改善动物肠道健康与养分利用率。
结论
NIRS技术可快速、准确量化单胃动物饲料中NSP、木质素及单糖组分，全局校准模型适用于多原料筛查，而原料特异性模型在样本量充足时具备更低预测误差。该技术将推动纤维营养从"总量控制"向"组分调控"转变，为高纤维原料的高效利用、外源酶制剂精准配伍及低碳饲料配方设计提供关键技术支撑。
