《Poultry Science》：MsChick: A dynamic mechanistic model for simulating nutrient partitioning and growth in broilers
编辑推荐：
摘要：家禽营养中越来越需要机制模型，以解释遗传进展、细化营养供给，并改善经济与环境可持续性。本研究提出了MsChick（Model simulation for Chicken），一种动态机制模型，采用净能（NE）与标准回肠可消化氨基酸（SID-AA）框架，模
摘要：家禽营养中越来越需要机制模型，以解释遗传进展、细化营养供给，并改善经济与环境可持续性。本研究提出了MsChick（Model simulation for Chicken），一种动态机制模型，采用净能（NE）与标准回肠可消化氨基酸（SID-AA）框架，模拟肉鸡的每日采食量、生长、体组成及部分胴体性状。能量首先分配用于维持和体温调节/活动，其次用于蛋白质沉积，剩余能量则以脂肪形式保留。可消化氨基酸被分配至羽毛、维持相关损失及去羽毛体蛋白沉积。品系×性别表型由四个表型参数表示：平均潜在去羽毛体蛋白沉积（meanBPD）、去羽毛体蛋白沉积的早熟性（precBPD），以及估测的1 kg和2 kg体重时的净能采食量（分别为NEI1和NEI2）。自由采食量通过一条与体重相关的、相对于维持需要表达的NE采食量曲线进行模拟，而每日采食量也可直接输入；两种模式均进入相同的营养分配核心。模型以Ross 308和Cobb 500公母鸡的育种者生产性能目标进行校准，并针对包含体组成测定和个体生产记录的独立数据集进行评估。校准后，MsChick能够密切重现育种者的体重和每日采食量轨迹。在独立评估中，体重和体水的吻合度最强，而脂肪、羽毛重、去羽毛体蛋白和灰分表现出较大的不确定性。敏感性分析确定meanBPD是主要的瘦肉生长参数，而FHPinit（基础空腹产热系数）影响后期脂肪沉积。MsChick提供了一个有明确记录的“平均个体”机制框架，在该框架中，表型、日粮组成以及模拟或直接输入的采食量均可通过共同的营养分配结构加以解释。在当前版本中，内部分配变量应被解释为基于文献的、模型衍生的诊断指标，而非直接的生理学测量值。
**MsChick动态机制模型：整合肉鸡营养分配、生长预测与诊断应用的研究解读**
**一、研究背景与问题**
现代肉鸡生产通过遗传选择、营养和管理手段的持续改进，生长速度显著加快，上市日龄提前，饲料转化效率提高，胸肉产量增加。饲料成本约占生产成本的65%，且通过饲料原料生产和养分排泄对环境影响显著，因此精准营养成为经济和环境可持续性的核心。传统营养体系依赖按年龄、饲养阶段或体重范围划分的静态表格推荐值，这类体系操作方便，但只能描述阶段内的平均需求，无法解释每日养分分配，也无法揭示实际生产中预期与观察性能之间偏差的潜在生物学原因。阶段式配方在阶段内难以随原料价格或生产目标进行中期调整，还可能掩盖体重达标但体脂过量、氨基酸不平衡或氮排泄升高等不同的生物学结果。因此，家禽营养需要能够将采食量、维持需要、组织沉积和体组成通过显式方程联系起来的动态机制模型。近年来，动物科学领域对模型的可重复性和透明文档需求日益增加，而文献中缺乏有据可查、可运行的肉鸡机制模型。为此，研究人员开发了MsChick（Model simulation for Chicken），一种基于净能（NE）和标准回肠可消化氨基酸（SID-AA）框架的动态肉鸡模型，研究目标包括描述模型结构、评估模型输出、明确关键参数对瘦肉生长与脂肪沉积的作用，以及识别模型局限。
**二、研究内容与主要结论**
MsChick采用确定性日步长模拟，代表给定品系×性别组合的平均个体在热中性条件下的生长。模型主体状态变量包括羽毛蛋白（FP）、去羽毛体蛋白（BP）、体脂（BL）、体水、体灰分、羽毛重（FW）和活体重（BW）。能量分配遵循优先顺序：首先满足维持和体温调节/活动，然后用于蛋白质沉积，剩余能量以脂肪形式保留。可消化氨基酸按生物学优先级分配至羽毛生长与更替、维持相关损失（包括粪内源损失和 obligatory 尿路损失），再用于去羽毛体蛋白沉积。实际体蛋白沉积量取三个限制量的最小值：表型潜力、氨基酸允许沉积量和能量允许沉积量，由此区分蛋白沉积的主要限制因素。模型支持两种采食模式：直接输入实测日采食量，或通过体重依赖的NE采食量曲线模拟自由采食量；两种模式共享同一营养分配核心。品系×性别表型由四个可校准参数描述：平均潜在去羽毛体蛋白沉积（meanBPD）、蛋白生长早熟性（precBPD）和1 kg、2 kg体重时的估测NE采食量（NEI1、NEI2）。模型使用Ross 308和Cobb 500公母鸡0–63天育种者体重和采食量目标分两阶段校准，先估计共同的结构系数x_c，再固定x_c后分别重新估计四个表型参数。独立评估使用了INRAE PEAT实验单元生成的两份数据集：数据集1为Ross 308混合性别群体，测定日采食量与体组成；数据集2为Cobb 500公鸡个体采食量和体重记录，饲喂常规玉米-豆粕日粮或基于蚕豆和油籽粕的替代日粮。校准后模型重现了四种品系×性别表型的育种者体重轨迹和采食量轨迹，相对均方根误差（relative RMSE）对体重低于1.2%、对日采食量低于4.8%。定向敏感性分析显示，meanBPD是主要瘦肉生长参数，增加meanBPD会提高体蛋白沉积和最终体重，并因能量更多地分配给蛋白而减少脂肪沉积；FHPinit（空腹产热系数）主要影响后期脂肪沉积，提高FHPinit会减少剩余能量从而降低体脂沉积，对蛋白沉积影响很小。独立评估中，体重和体水的预测一致性最强，相对RMSE分别为6.5%–9.6%和6%–7%，而羽重、去羽毛体蛋白、体脂和灰分的相对RMSE较高（约18%–32%），显示较大不确定性。使用数据集2时，模拟采食量与观测采食量的一致性合理，体重预测在两种日粮下均较好；替代日粮虽然按阶段配方等能等蛋白，但实测采食量较对照高3.8%，分析显示其计算的NE浓度在各阶段略低，这提示观察到的采食量差异与日粮营养谱差异有关，但不能唯一归因于NE浓度差异。MsChick为平均个体机制框架，可支持采食量直接输入或模拟输入、营养限制诊断、氮排泄估算以及表型参数再校准。当前版本中内部分配变量应视为文献支持的模型诊断指标，而非直接生理测量值。
**三、关键技术与方法**
研究人员采用了以下主要技术方法：第一，基于InraPorc?因子化营养分配逻辑的扩展，构建了NE和SID-AA双通货分配核心，能量优先满足维持和蛋白沉积后余能以脂沉积，氨基酸按羽毛、维持、体蛋白顺序分配；第二，使用Gompertz函数的再参数化形式描述去羽毛体蛋白沉积潜力，并通过四个表型参数（meanBPD、precBPD、NEI1、NEI2）表达品系×性别差异；第三，采用有界L-BFGS-B优化算法，以60%体重相对RMSE+40%采食量相对RMSE的加权标准，分两阶段对四个表型参数进行校准，先估计共同结构系数x_c（1.9237），再固定x_c后分别估计各表型参数；第四，使用独立数据集进行交叉评估，并采用单因素±10%和±20%变化的定向敏感性分析（OAT）计算归一化敏感系数（NSC），以阐明参数生物学作用。模型评估数据来自INRAE PEAT实验单元（数据集1）和Berger et al.（2021）发表的研究（数据集2）。
**四、结果与讨论总结**
校准结果显示，四种表型profile中，meanBPD范围8.28–9.85 g/d，precBPD范围0.0472–0.0508 d?1，NEI1和NEI2分别约1.3–1.4和1.9–2.1 MJ/d。雄性meanBPD比雌性高16%，雌性precBPD高7%，雄性NEI1和NEI2分别高4%和12%，该模式符合已知的性别间蛋白沉积和脂肪沉积差异。校准后拟合育种者目标良好，残余偏差中，早期体重高估可能与卵黄囊动力学和孵化后初期代谢特点有关，后期采食量低估尤其在Cobb雄性中表明平滑采食方程不能完全重现育种者目标的急剧变化。敏感性分析确认meanBPD为瘦肉生长主导参数，FHPinit为维持相关脂肪参数，precBPD主要改变蛋白沉积曲线时序，NEI2主要影响后期体脂和最终体重。独立数据集1评估中体水和体重一致性最好，脂质对采食动态、维持能量、日粮NE描述以及混合性别栏中性别特异性采食量估计误差敏感；羽毛蛋白和体蛋白与模型结构紧密相关但仍有较大不确定性，灰分因简单按蛋白等比表示而误差较大，当前版本未包含钙磷模块。胴体性状（胸肌、大腿、小腿、翅膀）作为由BP异速衍生的次要输出，主要反映瘦肉生长轨迹而非独立生理隔室。两种采食模式的比较显示，观察到的个体采食轨迹包含模型未表示的生物学和技术变异；观察-模拟采食量差异应作为诊断标志而非直接因果判断。模型的结构允许未来整合个体变异性、改进维护能量描述和日粮NE方程。
**五、结论**
MsChick是一个动态机制模型，整合采食量、净能、标准回肠可消化氨基酸供给和表型特异性生长潜力，用于模拟肉鸡每日营养分配和生长。表型校准后，模型重现了所评估品系×性别组合的育种者体重和日采食量目标。独立评估显示体重和体水吻合度最强，而羽重、去羽毛体蛋白、脂质和灰分仍有较大不确定性。结合敏感性分析，模型表达了采食量、瘦肉生长潜力、维持消耗和体组成之间的关键动态关系，同时识别出需要更多实验支持输出的方面。现阶段MsChick应被视为一个平均个体机制框架，用于模拟和生物学解释，而非个体水平预测模型。其独特之处在于观察或模拟的采食量进入同一营养分配核心，为同时解释日粮组成、表型和营养供给提供了共同框架。由于表型参数可在保留营养分配结构的前提下再校准，MsChick可适应不断变化的基因型和生产情境，而无需重新定义其生物学核心。未来版本可结合纵向个体数据纳入个体变异性，细化日粮能量和维持能量表达，并扩展跨基因型、日粮和环境条件的独立评估。
