Novel applications of NIR spectroscopy for the optimization of monogastric animal diets

Abstract

Per maximitzar la productivitat d'animals monogàstrics com a aus de corral i porcs i garantir una nutrició equilibrada és crucial conèixer la digestibilitat dels nutrients presents al pinso. Per obtenir aquesta informació s'utilitzen bioassajos que són costosos, laboriosos i generen una gran quantitat de mostres (ingredients, pinsos, excretes, excrements, continguts ileals,…) que cal analitzar. A l'hora de determinar-ne el contingut de nutrients es va provar que l'espectroscòpia d'infraroig proper (NIRS), combinada amb quimiometria, ofereix una alternativa precisa i molt més ràpida davant dels mètodes tradicionals d'anàlisi. Això ajudarà a reduir el cost dels bioassajos, donant una empenta a l'optimització de pinsos. Per garantir una validació a llarg termini dels models NIR, cal tenir en compte la nova variabilitat present a les mostres procedents de nous bioassajos. Es van proposar dues estratègies per resoldre aquest problema. La primera consisteix a identificar les mostres més interessants utilitzant mesures de diagnòstic basades en el seu espectre NIR i utilitzar-les per actualitzar periòdicament els models de calibratge. La segona estratègia selecciona i afegeix al model un nombre reduït de noves mostres d'un gran lot usant un algorisme desenvolupat explícitament per a aquesta funció, cosa que permet predir amb precisió les mostres restants i incorporar nova informació al model. Tenint en compte els problemes ètics al voltant de l'experimentació animal seria ideal que la NIRS pogués utilitzar-se per predir la digestibilitat de nutrients i energia evitant així haver de seguir realitzant bioassajos per determinar aquests paràmetres. A la darrera part d'aquesta tesi es van examinar diferents estratègies per predir aquestes digestibilitats obrint el camí per a futures investigacions en aquesta àrea.

Para maximizar la productividad de animales monogástricos como aves de corral y cerdos y garantizar una nutrición equilibrada es crucial conocer la digestibilidad de los nutrientes presentes en el pienso. Para obtener esta información se utilizan bioensayos que son costosos, laboriosos y generan una gran cantidad de muestras (ingredientes, piensos, excretas, heces, contenidos ileales,…) que hay que analizar. A la hora de determinar su contenido de nutrientes se probó que la espectroscopía de infrarrojo cercano (NIRS), combinada con quimiometría, ofrece una alternativa precisa y mucho más rápida frente a los métodos tradicionales de análisis. Esto ayudará a reducir el coste de los bioensayos, dando un empuje a la optimización de piensos. Para garantizar una validación a largo plazo de los modelos NIR, es necesario tener en cuenta la nueva variabilidad presente en las muestras procedentes de nuevos bioensayos. Se propusieron dos estrategias para resolver este problema. La primera consiste en identificar las muestras más interesantes utilizando medidas de diagnóstico basadas en su espectro NIR y utilizarlas para actualizar periódicamente los modelos de calibración. La segunda estrategia selecciona y añade al modelo un número reducido de nuevas muestras de un gran lote usando un algoritmo desarrollado explícitamente para esta función, lo que permite predecir con precisión las muestras restantes e incorporar nueva información al modelo. Teniendo en cuenta los problemas éticos en torno a la experimentación animal sería ideal que la NIRS pudiera utilizarse para predecir la digestibilidad de nutrientes y energía evitando de este modo el tener que seguir realizando bioensayos para determinar estos parámetros. En la última parte de esta tesis se examinaron diferentes estrategias para predecir estas digestibilidades abriendo el camino para futuras investigaciones en esta área.

To maximize the productivity of monogastric animals (e.g. poultry and swine) and ensure balanced nutrition, it is crucial to consider the digestibility of nutrients in their feed. Bioassays are commonly used to determine how animals utilize feed, although they expensive, laborious, and generate a large number of samples (feed, faeces/excreta and/or intestinal contents) for analysis. Wet chemistry analytical methods are usually expensive and time-consuming. Near-infrared spectroscopy (NIRS) coupled with chemometrics offers a non-destructive, multi-parametric, and efficient alternative for nutrient analysis in the samples that bioassays involve. In this thesis NIRS was used to determine the nutrient content of various feedstuffs, including carbohydrates and lignin, as well as to predict accurately the nutrient composition of compound feeds, poultry excreta, pig faeces and poultry ileal digesta including amino acids. This will help reduce the cost of digestibility studies and improve the search for optimal feeds. To ensure a long term validation of the NIR models the new variability present in samples coming from new bioassays have to be accounted for. To address this, two strategies were proposed. The first strategy involves identifying interesting samples from compound feeds using diagnostic measures and periodically updating the calibration models. The second strategy selects a reduced number of new samples from a large batch of pig faeces using an efficient algorithm developed in-house, allowing accurate prediction of the remaining samples and incorporating new information into the model. Considering ethical concerns towards animal experimentation, the exploration of NIRS should extend beyond nutrient content determination, potentially replacing bioassays. In this regard, this thesis examined different strategies to predict nutrient and energy digestibility using NIRS. While varying degrees of success were achieved, these studies pave the way for future research in this area.