KR20160098232A - 동물 사료의 컴퓨터 모델을 위한 시스템 및 방법 - Google Patents
동물 사료의 컴퓨터 모델을 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20160098232A KR20160098232A KR1020167015391A KR20167015391A KR20160098232A KR 20160098232 A KR20160098232 A KR 20160098232A KR 1020167015391 A KR1020167015391 A KR 1020167015391A KR 20167015391 A KR20167015391 A KR 20167015391A KR 20160098232 A KR20160098232 A KR 20160098232A
- Authority
- KR
- South Korea
- Prior art keywords
- animal feed
- digested
- feed
- sample
- samples
- Prior art date
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000005094 computer simulation Methods 0.000 title claims description 48
- 238000004497 NIR spectroscopy Methods 0.000 claims abstract description 89
- 238000000338 in vitro Methods 0.000 claims abstract description 31
- 102000004169 proteins and genes Human genes 0.000 claims description 60
- 108090000623 proteins and genes Proteins 0.000 claims description 60
- 230000003595 spectral effect Effects 0.000 claims description 57
- 102000004190 Enzymes Human genes 0.000 claims description 46
- 108090000790 Enzymes Proteins 0.000 claims description 46
- 229940088598 enzyme Drugs 0.000 claims description 46
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 35
- 229910052698 phosphorus Inorganic materials 0.000 claims description 35
- 239000011574 phosphorus Substances 0.000 claims description 35
- 239000000126 substance Substances 0.000 claims description 35
- 239000007787 solid Substances 0.000 claims description 23
- 239000007788 liquid Substances 0.000 claims description 18
- 108010019160 Pancreatin Proteins 0.000 claims description 17
- 239000000835 fiber Substances 0.000 claims description 17
- 229940055695 pancreatin Drugs 0.000 claims description 17
- 150000001720 carbohydrates Chemical class 0.000 claims description 16
- 235000014633 carbohydrates Nutrition 0.000 claims description 16
- 108090000284 Pepsin A Proteins 0.000 claims description 15
- 102000057297 Pepsin A Human genes 0.000 claims description 15
- 229940111202 pepsin Drugs 0.000 claims description 15
- 239000000203 mixture Substances 0.000 abstract description 68
- 239000000654 additive Substances 0.000 abstract description 53
- 230000029087 digestion Effects 0.000 abstract description 51
- 235000019621 digestibility Nutrition 0.000 abstract description 41
- 239000004615 ingredient Substances 0.000 abstract description 31
- 230000000996 additive effect Effects 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 3
- 235000018102 proteins Nutrition 0.000 description 58
- 238000004458 analytical method Methods 0.000 description 36
- 244000144977 poultry Species 0.000 description 27
- 235000013594 poultry meat Nutrition 0.000 description 27
- 238000003556 assay Methods 0.000 description 24
- 241000282898 Sus scrofa Species 0.000 description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 19
- 239000000243 solution Substances 0.000 description 17
- 239000003925 fat Substances 0.000 description 15
- 235000019197 fats Nutrition 0.000 description 15
- 239000000463 material Substances 0.000 description 14
- 235000016709 nutrition Nutrition 0.000 description 14
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 12
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 12
- 235000013339 cereals Nutrition 0.000 description 10
- 239000008367 deionised water Substances 0.000 description 10
- 229910021641 deionized water Inorganic materials 0.000 description 10
- 238000001727 in vivo Methods 0.000 description 10
- 235000015097 nutrients Nutrition 0.000 description 10
- 241000282887 Suidae Species 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 7
- 238000002790 cross-validation Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 229910052757 nitrogen Inorganic materials 0.000 description 6
- 235000014347 soups Nutrition 0.000 description 6
- 230000001079 digestive effect Effects 0.000 description 5
- 102000038379 digestive enzymes Human genes 0.000 description 5
- 108091007734 digestive enzymes Proteins 0.000 description 5
- 238000009616 inductively coupled plasma Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 235000013343 vitamin Nutrition 0.000 description 5
- 229940088594 vitamin Drugs 0.000 description 5
- 239000011782 vitamin Substances 0.000 description 5
- 229930003231 vitamin Natural products 0.000 description 5
- 241000283690 Bos taurus Species 0.000 description 4
- 244000068988 Glycine max Species 0.000 description 4
- 235000010469 Glycine max Nutrition 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 4
- 238000002835 absorbance Methods 0.000 description 4
- WIIZWVCIJKGZOK-RKDXNWHRSA-N chloramphenicol Chemical compound ClC(Cl)C(=O)N[C@H](CO)[C@H](O)C1=CC=C([N+]([O-])=O)C=C1 WIIZWVCIJKGZOK-RKDXNWHRSA-N 0.000 description 4
- 229960005091 chloramphenicol Drugs 0.000 description 4
- 235000005822 corn Nutrition 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 235000000346 sugar Nutrition 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000007704 wet chemistry method Methods 0.000 description 4
- 244000303258 Annona diversifolia Species 0.000 description 3
- 235000002198 Annona diversifolia Nutrition 0.000 description 3
- 241000283707 Capra Species 0.000 description 3
- 241000283086 Equidae Species 0.000 description 3
- 241000283074 Equus asinus Species 0.000 description 3
- 241001331845 Equus asinus x caballus Species 0.000 description 3
- 241000283973 Oryctolagus cuniculus Species 0.000 description 3
- 241001494479 Pecora Species 0.000 description 3
- 102000035195 Peptidases Human genes 0.000 description 3
- 108091005804 Peptidases Proteins 0.000 description 3
- 239000004365 Protease Substances 0.000 description 3
- 241001416177 Vicugna pacos Species 0.000 description 3
- 235000001014 amino acid Nutrition 0.000 description 3
- 150000001413 amino acids Chemical class 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 239000004463 hay Substances 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 210000000936 intestine Anatomy 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 235000010755 mineral Nutrition 0.000 description 3
- 235000014786 phosphorus Nutrition 0.000 description 3
- 235000015067 sauces Nutrition 0.000 description 3
- 239000004460 silage Substances 0.000 description 3
- 239000007974 sodium acetate buffer Substances 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 239000010902 straw Substances 0.000 description 3
- YNJBWRMUSHSURL-UHFFFAOYSA-N trichloroacetic acid Chemical compound OC(=O)C(Cl)(Cl)Cl YNJBWRMUSHSURL-UHFFFAOYSA-N 0.000 description 3
- 108010011619 6-Phytase Proteins 0.000 description 2
- 241000272517 Anseriformes Species 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- 241001454694 Clupeiformes Species 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 241000286209 Phasianidae Species 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000002378 acidificating effect Effects 0.000 description 2
- 239000012491 analyte Substances 0.000 description 2
- 235000019513 anchovy Nutrition 0.000 description 2
- 235000019728 animal nutrition Nutrition 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 235000013330 chicken meat Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 235000021374 legumes Nutrition 0.000 description 2
- 235000013379 molasses Nutrition 0.000 description 2
- 229940085127 phytase Drugs 0.000 description 2
- 235000015277 pork Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 239000003760 tallow Substances 0.000 description 2
- LWIHDJKSTIGBAC-UHFFFAOYSA-K tripotassium phosphate Chemical compound [K+].[K+].[K+].[O-]P([O-])([O-])=O LWIHDJKSTIGBAC-UHFFFAOYSA-K 0.000 description 2
- GZCWLCBFPRFLKL-UHFFFAOYSA-N 1-prop-2-ynoxypropan-2-ol Chemical compound CC(O)COCC#C GZCWLCBFPRFLKL-UHFFFAOYSA-N 0.000 description 1
- WDMUXYQIMRDWRC-UHFFFAOYSA-N 2-hydroxy-3,4-dinitrobenzoic acid Chemical compound OC(=O)C1=CC=C([N+]([O-])=O)C([N+]([O-])=O)=C1O WDMUXYQIMRDWRC-UHFFFAOYSA-N 0.000 description 1
- KQROHCSYOGBQGJ-UHFFFAOYSA-N 5-Hydroxytryptophol Chemical compound C1=C(O)C=C2C(CCO)=CNC2=C1 KQROHCSYOGBQGJ-UHFFFAOYSA-N 0.000 description 1
- 108010051457 Acid Phosphatase Proteins 0.000 description 1
- 102000013563 Acid Phosphatase Human genes 0.000 description 1
- 101710130006 Beta-glucanase Proteins 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 108010059892 Cellulase Proteins 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 229920002774 Maltodextrin Polymers 0.000 description 1
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 108010059820 Polygalacturonase Proteins 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000008351 acetate buffer Substances 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 102000004139 alpha-Amylases Human genes 0.000 description 1
- 108090000637 alpha-Amylases Proteins 0.000 description 1
- 229940024171 alpha-amylase Drugs 0.000 description 1
- 239000011609 ammonium molybdate Substances 0.000 description 1
- APUPEJJSWDHEBO-UHFFFAOYSA-P ammonium molybdate Chemical compound [NH4+].[NH4+].[O-][Mo]([O-])(=O)=O APUPEJJSWDHEBO-UHFFFAOYSA-P 0.000 description 1
- 229940010552 ammonium molybdate Drugs 0.000 description 1
- 235000018660 ammonium molybdate Nutrition 0.000 description 1
- 239000003674 animal food additive Substances 0.000 description 1
- 235000010323 ascorbic acid Nutrition 0.000 description 1
- 229960005070 ascorbic acid Drugs 0.000 description 1
- 239000011668 ascorbic acid Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 229960005069 calcium Drugs 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 229940106157 cellulase Drugs 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000008121 dextrose Substances 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 108010093305 exopolygalacturonase Proteins 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 239000004459 forage Substances 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 210000004317 gizzard Anatomy 0.000 description 1
- BHEPBYXIRTUNPN-UHFFFAOYSA-N hydridophosphorus(.) (triplet) Chemical compound [PH] BHEPBYXIRTUNPN-UHFFFAOYSA-N 0.000 description 1
- 238000000099 in vitro assay Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229960003284 iron Drugs 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 229960003512 nicotinic acid Drugs 0.000 description 1
- 229960005419 nitrogen Drugs 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 229910000160 potassium phosphate Inorganic materials 0.000 description 1
- 235000011009 potassium phosphates Nutrition 0.000 description 1
- VZOPRCCTKLAGPN-ZFJVMAEJSA-L potassium;sodium;(2r,3r)-2,3-dihydroxybutanedioate;tetrahydrate Chemical compound O.O.O.O.[Na+].[K+].[O-]C(=O)[C@H](O)[C@@H](O)C([O-])=O VZOPRCCTKLAGPN-ZFJVMAEJSA-L 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 235000004252 protein component Nutrition 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012306 spectroscopic technique Methods 0.000 description 1
- 239000012089 stop solution Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- -1 xylalanase Proteins 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23K—FODDER
- A23K10/00—Animal feeding-stuffs
- A23K10/10—Animal feeding-stuffs obtained by microbiological or biochemical processes
- A23K10/14—Pretreatment of feeding-stuffs with enzymes
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23K—FODDER
- A23K50/00—Feeding-stuffs specially adapted for particular animals
- A23K50/30—Feeding-stuffs specially adapted for particular animals for swines
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23K—FODDER
- A23K50/00—Feeding-stuffs specially adapted for particular animals
- A23K50/70—Feeding-stuffs specially adapted for particular animals for birds
- A23K50/75—Feeding-stuffs specially adapted for particular animals for birds for poultry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/66—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence
- G01N21/68—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light electrically excited, e.g. electroluminescence using high frequency electric fields
-
- G06F19/704—
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Polymers & Plastics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Food Science & Technology (AREA)
- Birds (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biotechnology (AREA)
- Physiology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Fodder In General (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Feed For Specific Animals (AREA)
Abstract
본 출원은 동물 사료 성분의 소화율을 개선하기 위해 동물 사료를 분석하고 동물 사료를 조정하기 위한 시스템 및 방법을 제공한다. 사료의 시험관내 소화를 수행하고 소화된 사료 내의 잔류 성분의 농도를 NIR 분광법에 의해 분석함으로써 동물 사료의 소화율을 결정할 수 있다. 동물 사료 조성물을 조정하여 사료 내의 성분의 소화율을 개선할 수 있다. 본 출원의 시스템 및 방법을 사용하여 사료의 소화율에 대한 첨가제의 효과를 결정할 수 있다.
Description
관련 출원의 상호 참조
본 출원은 PCT 국제 특허 출원으로서 2014년 2월 11일자로 출원되며, 그의 개시 내용이 원용에 의해 전체적으로 본 명세서에 포함된, 2013년 12월 17일자로 출원된 미국 특허 출원 제14/109,926호에 대한 우선권을 주장한다.
기술 분야
본 발명은 동물 사료를 정하기 위한 시스템 및 방법에 관한 것이다. 특히, 본 출원은 영양소의 소화율에 대해 동물 사료를 분석하기 위한 시험관내 시스템 및 방법에 관한 것이다.
동물 사료 내의 영양소는 동물의 위장관 내에서 사료의 소화(digestion)에 의해 동물에게 이용가능하게 된다. 소화되는 영양소는 흡수되고 에너지, 성장, 및 발생을 위해 동물에 의해 사용된다. 소화되지 않는 영양소는 대부분 동물의 장관을 통과하여 사료의 영양가를 감소시킨다. 시험관내 또는 생체내 소화 모델을 사용하고 소화된 사료 내에 잔류하는 영양소를 습식 화학 분석 방법에 의해 분석함으로써 동물 사료의 소화율을 평가할 수 있다. 기존 방법의 단점은, 그들이 특정 사료에 대해 특이적이고, 고가이며, 시간 소모적이라는 것이다. 그러므로, 동물 사료의 소화율을 분석하기 위한, 널리 응용가능하고, 덜 고가이며, 덜 시간-소모적인 방식을 제공하는 것이 유익할 것이다.
본 출원은, 동물 사료 성분의 소화율을 개선하기 위해 동물 사료를 분석하고 동물 사료를 조정하기 위한 시스템 및 방법에 관한 것이다. 특히, 본 출원은 동물 사료 샘플의 시험관내 소화, 및 동물 사료 성분의 소화율을 결정하기 위한 소화된 사료 샘플의 본 명세서에 정의된 바와 같은 NIR 분석에 관한 것이다. 본 출원의 실시양태에서는, 생체내 동물 소화와 유사하게 설계된 시험관내 절차를 사용하여 동물 사료 샘플을 소화시킨다. 소화된 동물 사료 샘플을 NIR 분광법을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시키고, 이를 컴퓨터 모델과 비교하여 소화된 동물 사료 샘플 내의 적어도 하나의 잔류 성분의 예측 농도를 제공한다. 적어도 하나의 잔류 성분의 농도의 예측은 동물 사료 조성물 내의 그 성분의 소화율의 결정을 가능하게 한다. 예를 들어, 단백질이 동물 사료 조성물의 성분이고, 소화 후에, 단백질의 잔류량을 결정하여 동물 사료 샘플 내의 단백질의 소화율의 척도를 제공한다. 동물 사료 조성물을 선택하고/하거나 조정하여 단백질, 인, 탄수화물, 지방, 총 에너지(gross energy), 또는 섬유질과 같은 성분의 소화율을 개선할 수 있다. 동물 사료 조성물을 조정하는 단계는 하나 이상의 사후 첨가제(post additive)를 첨가하는 단계를 포함한다. 다양한 사후-첨가제를 시험하여 이러한 사후-첨가제가 동물 사료 성분의 소화율을 개선하는지 여부를 결정할 수 있다.
본 출원은, 적어도 하나의 효소를 사용하여 시험관내에서 동물 사료 샘플을 소화시켜 적어도 하나의 잔류 성분을 포함하는 소화된 동물 사료를 생성시키는 단계; 소화된 동물 사료를 NIR 분광법을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시키는 단계; 및 스펙트럼 데이터를 잔류 성분의 컴퓨터 모델과 비교하여 소화된 동물 사료의 적어도 하나의 잔류 성분의 예측 농도를 생성시키는 단계를 포함하는, 사료를 분석하는 방법을 포함한다. 본 명세서에 기재된 방법은 NIR 컴퓨터 모델을 사용하여 시험관내에서 소화된 동물 사료 샘플의 잔류 성분의 유형 및 양을 예측하는 방법이다. 실시양태에서, 이러한 방법은 사료 성분의 소화율을 개선하기 위해 사료 조성물을 선택하고/하거나 사료 조성물을 조정하기에 유용하다.
본 출원의 실시양태에서, 동물 사료 샘플을 소화시키는 단계는 펩신 또는 판크레아틴 또는 양자 모두를 사용하는 단계를 포함한다. 다른 실시양태에서, 동물 사료 샘플을 소화시키는 단계는 소화된 샘플을 고체 성분 및 액체 성분으로 분리하는 단계를 추가로 포함하고, 소화된 동물 사료를 스캐닝하는 단계는 고체 성분을 스캐닝하는 단계를 포함한다. 또 다른 실시양태에서, 적어도 하나의 잔류 성분은 단백질, 인, 지방, 총 에너지, 탄수화물, 및 섬유질로 구성된 그룹 중에서 선택된다. 다른 실시양태에서, 동물 사료 샘플은 사전 첨가제(pre additive)를 포함한다. 실시양태에서, 사전 첨가제는 적어도 하나의 효소를 포함한다.
본 출원의 실시양태에서는, 소화된 샘플로부터 스펙트럼 데이터를 수용하는 단계 및 스펙트럼 데이터를 잔류 성분의 컴퓨터 모델과 비교하여 적어도 하나의 잔류 성분의 예측 농도를 얻는 단계를 포함하는 컴퓨터 구현 방법(computer implemented method)을 사용하여 스펙트럼 데이터를 비교한다.
본 출원의 실시양태에서, 제1항의 방법은 하기 단계를 추가로 포함한다: 소화된 동물 사료 샘플의 적어도 하나의 잔류 성분의 예측 농도에 기초하여 동물 사료 조성물을 조정하여 사전결정된 동물용 영양 프로파일을 얻는 단계. 다른 실시양태에서, 동물 사료 조성물을 조정하여 사전결정된 동물용 영양 프로파일을 얻는 단계는 적어도 하나의 사후 첨가제를 첨가하는 단계를 포함한다. 실시양태에서, 사후 첨가제는 효소를 포함한다.
본 출원은 하기 단계를 포함하는, 동물 사료 조성물을 조정하는 단계를 추가로 포함한다: 동물 사료 조성물 내의 사료 성분의 사전결정된 영양 프로파일을 동정하는 단계; 하기 단계를 포함하는 방법에 의해 동물 사료 조성물 내의 사료 성분의 잔류 성분의 농도를 예측하는 단계: 적어도 하나의 효소를 사용하여 시험관내에서 동물 사료 샘플을 소화시켜 적어도 하나의 잔류 성분을 포함하는 소화된 동물 사료를 생성시키는 단계; 소화된 동물 사료를 NIR 분광법을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시키는 단계; 스펙트럼 데이터를 적어도 하나의 잔류 성분의 컴퓨터 모델과 비교하여 잔류 성분의 예측 농도를 생성시키는 단계; 및 적어도 하나의 잔류 성분의 예측 농도에 기초하여 동물 사료 조성물을 조정하여 사료 성분의 사전결정된 영양 프로파일을 얻는 단계. 본 출원의 실시양태에서, 사료 성분은 단백질, 인, 지방, 총 에너지, 탄수화물, 섬유질, 및 그의 조합으로 구성된 그룹 중에서 선택된다. 다른 실시양태에서, 적어도 하나의 잔류 성분은 단백질, 인, 지방, 총 에너지, 탄수화물, 및 섬유질로 구성된 그룹 중에서 선택된다.
본 출원의 실시양태에서, 동물 사료 샘플을 소화시키는 단계는 펩신 또는 판크레아틴 또는 양자 모두를 사용하는 단계를 포함한다. 다른 실시양태에서, 동물 사료 샘플을 소화시키는 단계는 소화된 샘플을 고체 성분 및 액체 성분으로 분리하는 단계를 추가로 포함하고, 소화된 동물 사료를 스캐닝하는 단계는 고체 성분을 스캐닝하는 단계를 포함한다. 다른 실시양태에서, 동물 사료 샘플은 사전 첨가제를 포함한다. 실시양태에서, 사전 첨가제는 적어도 하나의 효소를 포함한다.
본 출원의 실시양태에서는, 소화된 샘플로부터 스펙트럼 데이터를 수용하는 단계 및 스펙트럼 데이터를 잔류 성분의 컴퓨터 모델과 비교하여 적어도 하나의 잔류 성분의 예측 농도를 얻는 단계를 포함하는 컴퓨터 구현 방법을 사용하여 스펙트럼 데이터를 비교한다.
본 출원의 실시양태에서, 동물 사료 조성물을 조정하는 단계는 사료에 사후 첨가제를 첨가하는 단계를 포함한다. 실시양태에서, 사후 첨가제는 적어도 하나의 효소를 포함한다. 실시양태에서, 사후 첨가제는 소화된 사료 내의 잔류 성분의 양을 조정한다.
본 출원은 또한, 하기 단계를 포함하는, 사료 분석용 컴퓨터 모델을 개발하는 방법을 포함한다: 적어도 하나의 효소를 사용하여 시험관내에서 복수의 동물 사료 샘플을 소화시켜 복수의 소화된 동물 사료 샘플을 생성시키며, 여기서 복수의 소화된 동물 사료 샘플 각각은 적어도 하나의 잔류 성분을 포함하는 단계; 복수의 소화된 동물 사료 샘플 각각을 NIR 분광법을 사용하여 스캐닝하여 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 생성시키는 단계; 습식 화학 방법을 사용하여 복수의 소화된 동물 사료 샘플 각각 내의 적어도 하나의 잔류 성분의 농도를 결정하는 단계; 및 복수의 소화된 동물 사료 샘플 각각의 적어도 하나의 잔류 성분의 농도 대 복수의 소화된 동물 사료 샘플의 상응하는 샘플의 스펙트럼 데이터 사이의 예측 관계를 설정함으로써 컴퓨터 모델을 생성시키는 단계.
본 출원의 일부 실시양태에서, 복수의 소화된 사료 샘플 각각을 스캐닝하는 단계는 복수의 소화된 동물 사료 샘플 각각의 스펙트럼 데이터를 수학적으로 조작하는 단계를 추가로 포함한다. 다른 실시양태에서, 컴퓨터 모델을 생성시키는 단계는 하기 단계를 포함하는 컴퓨터 구현 방법을 포함한다: 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 수용하는 단계; 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 복수의 소화된 동물 사료 샘플의 상응하는 샘플 내의 적어도 하나의 잔류 성분의 농도에 관련시키는 단계; 및 스펙트럼 데이터 및 복수의 소화된 동물 사료 샘플의 적어도 하나의 잔류 성분의 농도에 기초하여 예측 관계를 설정하여 컴퓨터 모델을 생성시키는 단계.
본 출원의 실시양태에서, 복수의 동물 사료 샘플을 소화시키는 단계는 펩신 또는 판크레아틴 또는 양자 모두를 사용하는 단계를 포함한다. 다른 실시양태에서, 동물 사료 샘플을 소화시키는 단계는 소화된 샘플을 고체 성분 및 액체 성분으로 분리하는 단계를 추가로 포함하고, 소화된 동물 사료를 스캐닝하는 단계는 고체 성분을 스캐닝하는 단계를 포함한다. 또 다른 실시양태에서, 적어도 하나의 잔류 성분은 단백질, 인, 지방, 총 에너지, 탄수화물, 및 섬유질로 구성된 그룹 중에서 선택된다.
본 출원의 실시양태에서, 습식 화학 방법은 단백질, 인, 지방, 총 에너지, 탄수화물, 및 섬유질로 구성된 그룹 중에서 선택된 적어도 하나의 잔류 성분의 농도에 대해 복수의 소화된 사료 샘플의 각각의 샘플을 분석하는 단계를 포함한다. 다른 실시양태에서, 습식 화학 방법은 고체 성분을 액체와 혼합하여 혼합물을 형성하는 단계; 및 복수의 소화된 동물 사료 샘플 각각 내에서 단백질, 인, 지방, 총 에너지, 탄수화물, 및 섬유질로 구성된 그룹 중에서 선택된 적어도 하나의 잔류 성분의 농도에 대해 혼합물의 조성을 분석하는 단계를 포함한다.
도 1은 본 출원의 방법의 실시양태의 도식을 나타낸다.
도 2는 본 출원의 실시양태에 따라 가공된 가금류 사료 샘플의 예시적인 NIR 스펙트럼 데이터를 나타낸다.
도 3은 본 출원의 실시양태에 따라 가공된 가금류 사료 내의 단백질에 대한 NIR 모델을 나타낸다.
도 4는 본 출원의 실시양태에 따라 가공된 가금류 사료 내의 인에 대한 NIR 모델을 나타낸다.
도 5는 본 출원의 실시양태에 따라 가공된 가금류 사료 내의 총 에너지에 대한 NIR 모델을 나타낸다.
도 6은 본 출원의 실시양태에 따라 가공된 돼지 사료 샘플에 대한 예시적인 NIR 스펙트럼 데이터를 나타낸다.
도 7은 본 출원의 실시양태에 따라 가공된 돼지 사료 내의 단백질에 대한 NIR 모델을 나타낸다.
도 8은 본 출원의 실시양태에 따라 가공된 돼지 사료 내의 총 에너지에 대한 NIR 모델을 나타낸다.
도 2는 본 출원의 실시양태에 따라 가공된 가금류 사료 샘플의 예시적인 NIR 스펙트럼 데이터를 나타낸다.
도 3은 본 출원의 실시양태에 따라 가공된 가금류 사료 내의 단백질에 대한 NIR 모델을 나타낸다.
도 4는 본 출원의 실시양태에 따라 가공된 가금류 사료 내의 인에 대한 NIR 모델을 나타낸다.
도 5는 본 출원의 실시양태에 따라 가공된 가금류 사료 내의 총 에너지에 대한 NIR 모델을 나타낸다.
도 6은 본 출원의 실시양태에 따라 가공된 돼지 사료 샘플에 대한 예시적인 NIR 스펙트럼 데이터를 나타낸다.
도 7은 본 출원의 실시양태에 따라 가공된 돼지 사료 내의 단백질에 대한 NIR 모델을 나타낸다.
도 8은 본 출원의 실시양태에 따라 가공된 돼지 사료 내의 총 에너지에 대한 NIR 모델을 나타낸다.
정의
본 명세서에서 관사("a" 및 "an")는 관사의 하나 또는 하나 초과(즉, 적어도 하나)의 문법적 목적어를 지칭하기 위해 사용된다. 예를 들어, "한 요소"는 하나의 요소 또는 하나 초과의 요소를 의미한다.
본 출원에 사용되는 용어 "첨가제(들)"는 다른 물질에 첨가되는 물질을 지칭한다. 예를 들어, 동물 사료에 첨가제를 첨가하여 하나 이상의 사료 성분의 소화율을 개선할 수 있다. 첨가제는 효소, 효소의 혼합물, 단백질, 비타민, 광물질, 곡물, 말토덱스트린, 보충제, 및 그의 조합을 포함한다. "사전-첨가제(들)"는 동물 사료 샘플의 성분으로서 존재하며 분석시에, 또는 분석 직전에 사료 샘플에 첨가되지 않는 물질이다. 전형적으로 사전-첨가제는 본 기술 분야에서 사용되는 동물 사료 내에 이미 존재하며, 효소 또는 효소의 혼합물을 포함하지만 이로 제한되지 않는다. "사후-첨가제"는 분석시에, 또는 분석 직전에 동물 사료 조성물 샘플에 첨가되는 물질이다. 사후-첨가제는 전형적으로 사후-첨가제가 사료 성분의 소화율을 변경하는지 여부를 결정하기 위해 사료 샘플에 첨가되며, 효소 또는 효소의 혼합물을 포함하지만 이로 제한되지 않는다.
본 출원에 사용되는 용어 "분석물(들)"은, 분석 절차를 사용하여 그의 특성(예를 들어, 농도)을 결정하고자 하는 화학적 구성요소를 지칭한다.
본 출원에 사용되는 용어 "동물(들)"은 식품 공급원으로서 사육되거나 사용되는 비-인간 동물을 지칭한다. 예를 들어, 동물은 소, 염소, 양, 말, 가금류, 버팔로, 알파카, 라마, 당나귀, 노새, 토끼, 닭, 거위, 칠면조, 또는 돼지와 같은 사육되는 가축을 포함하지만 이로 제한되지 않는다.
본 출원에 사용되는 용어 "컴퓨터 모델(들)"은, 예를 들어 NIR에 의해 얻어진 스펙트럼 데이터에 기초하여 혼합물(예를 들어, 사료)의 성분의 농도를 예측하는 모델을 지칭한다. 본 출원의 실시양태에서는, 복수의 샘플 중 각각의 샘플로부터의 스펙트럼 데이터를 각각의 샘플에 대해 습식 화학 분석 방법에 의해 결정된 잔류 성분의 농도에 관련시킨다. 미지 샘플의 스펙트럼을 모델과 비교함으로써 모델을 사용하여 미지 샘플의 구성요소의 양(예를 들어, 농도)의 추산을 제공할 수 있다.
본 출원에 사용되는 용어 "소화하기", "소화된", 및 "소화"는 재료의 성분을 분해하거나 와해시킴으로써 재료를 변화시키는 단계를 지칭한다. 일부 실시양태에서 소화는, 예를 들어 열, 화학물질, 및/또는 효소를 사용하여 재료의 성분을 분해하는 시험관내 과정이다.
본 출원에 사용되는 용어 "사료(들)" 또는 "동물 사료(들)"는 동물에 의해 소비되고 에너지 및/또는 영양소를 동물의 식이에 제공하는 재료(들)를 지칭한다. 전형적으로 동물 사료는 농축물(들), 사전혼합물(들) 부산물(co-product)(들), 또는 펠렛과 같은 형태로 존재할 수 있는 다수의 상이한 성분을 포함한다. 사료 및 사료 성분의 예는 완전 혼합 사료(TMR: Total Mixed Ration), 옥수수, 대두, 여물(forage)(들), 곡물(들), 주정박(distiller grain)(들), 발아 곡물, 콩류, 비타민, 아미노산, 광물질, 당밀, 섬유질(들), 꼴(fodder)(들), 풀(grass)(들), 건초, 짚, 사일리지(silage), 낟알(kernel)(들), 잎, 밀(meal), 가용물(들), 및 보충제(들)를 포함하지만 이로 제한되지 않는다. 동물 사료의 일부 성분 또는 성분의 구성요소는 근적외선 분광법(NIR: Near Infrared Spectroscopy)에 의해 검출가능하다. 동물 사료의 다른 성분은, 낮은 농도, 성분을 차폐하는 복합체 내의 존재로 인해, 또는 성분의 물리적 특징 또는 화학적 특징이 NIR 검출에 적합하지 않기 때문에 NIR에 의해 검출가능하지 않거나 불량하게 검출가능할 수 있다.
본 출원에 사용되는 용어 "생체내"는 살아있는 생물학적 유기체 내부에서 일어나는 과정을 지칭한다.
본 출원에 사용되는 용어 "시험관내"는 살아 있는 유기체 외부의 인공 환경 내에서 일어나는 과정, 및 정상적으로는 유기체 내부에서 일어날 것이지만 인공 환경 내에서 일어나도록 강제된 생물학적 과정 또는 반응을 지칭한다. 시험관내 환경은 시험관 및 세포 배양물을 포함할 수 있지만 이로 제한되지 않는다.
본 출원에 사용되는 용어 "영양소(들)"는 유기체가 생활하고/하거나 성장하기 위해 필요한 물질을 지칭한다. 영양소는 단백질, 지방, 탄수화물(예를 들어, 당), 섬유질, 비타민, 칼슘, 철, 니아신, 질소, 산소, 탄소, 인, 포타슘, 소듐 클로라이드, 및 그의 혼합물과 같은 화합물을 포함하지만 이로 제한되지 않는다.
본 출원에 사용되는 용어 "NIR 분광법" 또는 "NIR"은 800-2500 nm 범위의 파장을 가진 근적외선 방사를 사용하여 샘플의 흡광도를 스캐닝하고 측정하여 흡광도 스펙트럼을 생성시키는 단계를 지칭한다. NIR은 배진동 및 조합 진동(combination vibration)에 기인하는 화학 결합에 의한 흡광도를 측정하기 위해 사용되며, 간접 정량 분석 방법으로서 가장 유용하다. 샘플을 스캐닝함으로써 얻어진 스펙트럼을 보정(예를 들어, 컴퓨터 모델)과 비교함으로써 물질의 화학적 구성요소의 양 또는 유형을 예측하기 위해 NIR 분광법을 사용한다. 예를 들어 푸리에(Fourier) 변환에 의해, 스펙트럼을 추가로 수학적으로 조작할 수 있다. NIR 분광계는 반사율 모드 또는 투과율 모드로 작동하도록 구성될 수 있다. NIR 장비의 특이적 예는 브루커(Bruker) MPA FT-NIR[메사추세츠주 빌레리카 소재의 브루커 옵틱스 인코포레이티드(Bruker Optics, Inc.)로부터 입수가능함], 및 안타리스(Antaris)™ FT-NIR 어낼라이저(Analyzer)[메사추세츠주 월섬 소재의 써모 사이언티픽(Thermo Scientific)으로부터 입수가능함]를 포함한다.
본 출원에 사용되는 "사전결정된 영양 프로파일(들)"은 동물 사료 내의 사료 성분 또는 성분들의 목적하는 양을 지칭하며, 이에 대해서는 소화율이 관련 특징이다. 영양사 또는 농부는 특정 사료 내의 성분의 목적하는 양을 설정할 수 있다. 예를 들어, 본 명세서에 기재된 방법을 사용하여 결정된 동물 사료 내의 단백질의 소화율을 감안하기 위하여 동물 사료 내의 단백질 또는 첨가제의 양을 조정할 필요가 있을 수 있다. 덜 소화성인 형태인 단백질을 가진 동물 사료는, 목적하는 양을 달성하기 위해 동물 사료 내의 단백질의 증가 및/또는 그 동물 사료 내의 단백질의 소화율을 증가시키는 사후 첨가제의 첨가를 필요로 할 수 있다.
본 출원에 사용되는 "예측 농도(들)"는 소화된 사료 샘플 내에서 NIR 분광법 및 컴퓨터 모델을 사용하여 검출되는 영양소 또는 잔류 성분의 양을 지칭한다. 본 출원의 실시양태에서는, 소화된 동물 사료를 NIR 분광법을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시키고; 스펙트럼 데이터를 적어도 하나의 잔류 성분의 컴퓨터 모델과 비교하여 소화된 동물 사료의 적어도 하나의 잔류 성분의 예측 농도를 생성시킨다. 예측 농도는 샘플 내의 적어도 하나의 잔류 성분의 실제 농도의 추산이다.
본 출원에 사용되는 용어 "잔류 성분(들)"은 하나 이상의 성분을 혼합물로부터 제거하고/하거나 혼합물 내에서 변화시킨 후에 혼합물 내에 잔류하는 성분을 지칭한다. 본 출원의 실시양태에서, 잔류 성분은 단백질, 인, 지방, 탄수화물, 및 섬유질을 포함하지만 이로 제한되지 않는 개별적인 성분이다. 다른 실시양태에서, 잔류 성분은 수분 함량, 총 에너지, 및 회분 함량을 포함하지만 이로 제한되지 않는 소화된 샘플의 특징이다.
본 출원에 사용되는 용어 "동물 사료 샘플(들)"은 동물 사료의 대표적인 일부를 지칭한다. 본 출원의 실시양태에서, 동물 사료의 대표적인 일부는 동물 사료의 것과 유사한 비율로 동일한 성분을 함유한다. 대표적인 샘플은 바람직하게는 균질하거나 실질적으로 균질하다.
본 출원에 사용되는 용어 "스펙트럼 데이터"는 방사가 재료와 상호작용할 경우에 얻어지는 데이터를 지칭한다. 예를 들어, 스펙트럼 데이터는 근적외선 파장에서의 방사가 재료와 상호작용하고 재료 내의 화학 결합의 진동에 의해 흡수될 경우에 얻어진다. 주어진 파장에서 재료로부터 다시 반사되거나 재료를 통해 투과되는 방사의 양을 측정함으로써 흡광도의 강도를 측정할 수 있다. 주어진 파장에서의 흡수의 강도는 재료 내의 화학 결합의 양 및 유형에 대응한다.
상세한 설명
본 출원은 동물 사료를 분석하기 위한 시스템 및 방법에 관한 것이다. 특히, 본 출원은 동물 사료 내의 사료 성분의 소화율을 분석하기 위한 시스템 및 방법에 관한 것이다. 부가적으로, 본 출원의 시스템 및 방법은 사료 성분의 소화율에 대한 사전-첨가제 및/또는 사후-첨가제의 효과를 결정하기 위해 사용된다.
사료 성분에 대해 동물 사료를 분석하는 방법은, 흔히 여러 대의 실험실 장비 및 상이한 성분에 대한 다중 어세이를 필요로 하는 고가이고 시간 소모적인 절차(예를 들어, 소화 방법 및 습식 화학 방법)를 포함한다. 습식 화학 방법을 사용하는 단일 분석은 단백질, 당, 인, 총 에너지, 및 지방과 같은 잔류 성분의 분석을 위해 샘플을 상이한 부분으로 분할하는 단계를 포함한다. 이 분석은 샘플을 파괴한다.
반면에, 본 출원에 제공된 시스템 및 방법은 단일 샘플을 사용하여 다중 성분의 예측 농도를 제공하며, 신속하고, 분석을 위한 시간 및 비용을 감소시키며, 사료 조성물의 조정을 가능하게 하여 동물 사료 조성물 내의 사료 성분의 소화율을 개선한다.
컴퓨터 모델을 개발하기 위한 시스템 및 방법
본 출원은 하기 단계를 포함하는, 사료 분석용 컴퓨터 모델을 개발하는 방법을 포함한다: 적어도 하나의 효소를 사용하여 복수의 동물 사료 샘플을 시험관내에서 소화시켜 복수의 소화된 동물 사료 샘플을 생성시키며, 여기서 복수의 소화된 동물 사료 샘플 각각은 적어도 하나의 잔류 성분을 포함하는 단계; 복수의 소화된 동물 사료 샘플 각각을 NIR 분광법을 사용하여 스캐닝하여 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 생성시키는 단계; 습식 화학 방법을 사용하여 복수의 소화된 동물 사료 샘플 각각 내의 적어도 하나의 잔류 성분의 농도를 결정하는 단계; 및 복수의 소화된 동물 사료 샘플 각각의 적어도 하나의 잔류 성분의 농도 대 복수의 소화된 동물 사료 샘플의 상응하는 샘플의 스펙트럼 데이터 사이의 예측 관계를 설정함으로써 컴퓨터 모델을 생성시키는 단계.
시험관내 소화 어세이
컴퓨터 모델을 개발하기 위하여, 복수의 소화된 사료 샘플을 생성시키고 분석한다. 적어도 하나의 효소를 사용하여 시험관내에서 동물 사료 샘플을 소화시킨다.
동물 사료 샘플의 성분은 사료 샘플의 공급원에 따라 변동된다. 예를 들어, 상이한 지리적 영역에 위치하고/하거나 상이한 동물 품종을 갖는 농장들은 상이한 성분을 가진 사료를 가질 수 있다. 부가적으로, 영양사 또는 농부는 특정 사료 내의 성분의 목적하는 양을 설정하거나 성분의 목적하는 양에 기초하여 특정 사료를 선택할 수 있다. 사료 및 사료 성분의 예는 완전 혼합 사료(TMR), 옥수수, 대두, 여물(들), 곡물(들), 주정박(들), 발아 곡물, 콩류, 비타민, 아미노산, 광물질, 당밀, 섬유질(들), 꼴(들), 풀(들), 건초, 짚, 사일리지, 낟알(들), 잎, 밀, 가용물(들), 및 보충제(들)를 포함하지만 이로 제한되지 않는다.
본 출원의 실시양태에서는, 가금류 또는 돼지와 같은 특정 동물을 위한 복수의 상이한 동물 사료 샘플을 소화시킨다. 복수의 샘플은 결정 계수(R2) 값이 적어도 50, 60, 70, 80, 90, 또는 100, 또는 50 내지 100의 임의의 수인 컴퓨터 모델을 제공하기에 충분한 샘플 수를 갖는다. 본 출원의 실시양태에서, 복수의 샘플은 적어도 25, 35, 50, 또는 100개 이상의 샘플을 포함한다. 특이적 실시양태에서, 복수의 샘플은 적어도 50개의 고유한 샘플을 포함한다.
본 출원의 실시양태에서는, 각각의 샘플을 시험관내에서 적어도 하나의 효소로 소화시킨다. 본 출원의 실시양태에서, 효소 및 소화 조건은 동물 유형의 생체내 소화와 유사하도록 선택된다. 실시양태에서, 동물은 단위 동물(monogastric animal)이다. 실시양태에서, 동물은 돼지 또는 가금류이다. 예를 들어, 위의 소화에 참여하는 하나의 효소는 펩신이고, 장 소화에 참여하는 효소는 판크레아틴이다. 이들 효소 중 하나 또는 양자 모두가 시험관내 소화 어세이에 채택된다.
본 출원의 실시양태에서, 펩신은 7, 6, 5, 4, 3, 2, 또는 그 사이의 임의의 수 미만의 산성 pH에서 사용된다. 일부 실시양태에서, 펩신을 이용하는 소화는 동물의 위 내에서의 생체내 소화에 상응하는 시간, 예를 들어, 돼지의 경우에 적어도 1 내지 6 시간 동안 수행된다. 예를 들어, 가금류의 경우에는 약 30 분 내지 2 시간이다. pH, 온도, 및 시간의 조건은 동물 유형에 따라 조정될 수 있다.
본 출원의 실시양태에서, 샘플을 판크레아틴으로 소화시킨다. 샘플을 판크레아틴으로 소화시킬 경우, 소화는 적어도 6.0의 pH에서 수행된다. 일부 실시양태에서, 판크레아틴을 이용하는 소화는 동물의 장 내에서의 생체내 소화에 상응하는 시간, 예를 들어, 돼지의 경우에 적어도 18 시간 내지 48 시간 동안 수행된다. 예를 들어, 가금유의 경우에는 약 30 분 내지 2 시간이다. pH, 온도, 및 시간의 조건은 동물 유형에 따라 조정될 수 있다.
일부 실시양태에서는, 동물 종 내에서의 샘플의 생체내 소화와 유사한 조건 하에서 동물 사료 샘플을 펩신으로 소화시킨 후에 판크레아틴으로 소화시킨다. 동물은 소, 염소, 양, 말, 가금류, 버팔로, 알파카, 라마, 당나귀, 노새, 토끼, 닭, 거위, 칠면조, 또는 돼지를 포함하지만 이로 제한되지 않는, 식품의 공급원으로서 사육되거나 사용되는 동물을 포함한다.
본 출원의 일부 실시양태에서, 동물의 생체내 소화 과정에 따라 시험관내 소화 어세이에는 더 많거나 더 적은 단계가 존재할 수 있다. 예를 들어, 돼지의 경우, 시험관내 소화 어세이는 위 단계 및 장 단계를 포함하지만 이로 제한되지 않는다. 예를 들어, 가금류의 경우에 시험관내 소화 어세이는 소낭 단계, 사낭 단계, 및 소장 단계를 포함하지만 이로 제한되지 않는다. 위 단계 또는 사낭 단계에서는, 산성 pH에서 소화가 수행되며 펩신과 같은 효소가 포함된다. 장 단계에서는 중성 내지 약산성 pH에서 소화가 수행되며 판크레아틴과 같은 효소가 포함된다. 다른 소화 효소가 이용될 수 있다. 하나 이상의 소화 효소가 단계 중 임의의 하나 또는 단계의 조합에 채택된다.
소화된 동물 사료 샘플은 적어도 하나의 잔류 성분을 포함한다. 잔류 성분은 사료 성분의 소화 후에 사료 샘플 내에 잔류할 수 있는 성분이다. 예를 들어, 사료 샘플 내의 사료 성분은 단백질이지만 모든 단백질이 생체내에서, 또는 시험관내 어세이에서 소화될 수는 없으므로, 소화 후에 잔류 단백질 성분이 잔류한다. 다른 잔류 성분은 인, 지방, 총 에너지, 탄수화물, 또는 섬유질을 포함한다.
본 출원의 실시양태에서, 복수의 샘플을 소화시키는 방법은 각각의 샘플을 액체 성분 및 고체 성분으로 분리하는 단계를 포함한다. 전형적으로 이러한 분리는 원심분리 또는 여과를 사용하여 일어난다.
복수의 소화된 샘플 각각을 NIR 분광법 및 습식 화학 방법에 의해 분석한다.
NIR 분광법
복수의 소화된 동물 사료 샘플 각각을 NIR 분광법을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시킨다. 근적외선 분광법(NIR, NIRS라고도 공지됨)은 샘플의 적어도 하나의 잔류 성분의 예측 농도(예를 들어, 분석물의 농도)를 생성시키기 위해 사용되는 분광학적 기술이다. NIR은 800-2500 nm 범위의 파장에 의존하며, 분자 내의 배진동 및 조합 진동의 측정에 가장 유용하다. NIR 측정은 전형적으로 샘플 제조를 필요로 하지 않거나 거의 필요로 하지 않으므로, 대부분의 샘플을 전처리, 조작, 또는 파괴 없이 측정할 수 있다.
전형적인 NIR 기기는 통상적으로 선택된 파장 범위에 걸쳐 샘플을 여러번 스캐닝하고 스캔을 평균하여 스펙트럼을 생성시킨다. NIR 기기는 투명한 샘플의 투과율 또는 불투명한 샘플의 반사율을 측정하도록 구성될 수 있다. 분자의 배진동 및 조합 밴드 내의 상당한 중첩으로 인해, NIR 기술은 전형적으로 다변량 보정 기술에 의존한다. NIR 컴퓨터 모델은 다중 분석물을 위한 모델(예를 들어, 보정)을 포함할 수 있으며, 수십, 수백, 또는 심지어 수천개의 샘플을 포함할 수 있다.
본 출원의 실시양태에서, 스펙트럼 데이터를 가공하여 그것이 모델을 생성시키기에 유용한 형태로 되게 한다. 본 출원의 실시양태에서는, 스펙트럼 데이터를 수학적으로 조작하여 잡음을 최소화하고/하거나, 주성분을 추출하고/하거나, 배경을 감산한다.
본 출원의 실시양태에서는, 소화된 샘플을 액체 및 고체 성분으로 분리하고 고체 성분을 스캐닝한다. 고체 성분은 적어도 하나의 잔류 성분을 포함한다. NIR 스캔은 혼합물 내의 각각의 성분의 예측 농도를 제공할 뿐 아니라 혼합물의 하나 초과의 성분을 동정할 수 있다. NIR 스캔은 스펙트럼 데이터를 생성시키며, 이를 사용하여 각각의 잔류 성분에 대한 컴퓨터 모델을 개발한다.
화학 분석
NIR 상에서 스캐닝한 샘플을 1차 분석 방법(primary analytical method), 즉, 습식 화학 방법을 사용하여 또한 분석한다. 습식 화학 방법은 단백질, 인, 지방, 총 에너지, 탄수화물, 또는 섬유질과 같은 성분의 분석에 사용되는 1차 표준 방법(primary reference method)을 포함한다. 이러한 어세이는 당업자에게 공지되어 있다. 단백질의 경우, 분석 방법은 질소의 결정 및 자외 가시선 분광법에 의한 분석을 포함한다. 인의 경우, 분석 방법은 유도 결합 플라즈마 시스템에 의한 인의 결정을 포함한다. 총 에너지는 봄베 열량계(bomb calorimeter)에서 결정할 수 있다.
분석 화학 방법은 액체 샘플 또는 건조 샘플 상에 사용할 수 있다. 본 출원의 실시양태에서는, 소화된 샘플을 액체 성분 및 고체 성분으로 분리한다. 양자 모두의 성분을 습식 화학 방법을 사용하여 분석할 수 있다. 예를 들어, 방출된 인은 액체 성분 내에서 결정할 수 있고, 잔류 인은 고체 성분 내에서 결정할 수 있다. 일부 실시양태에서는, 고체 성분 내의 적어도 하나의 잔류 성분의 습식 화학 분석을 용이하게 하기 위하여 고체 성분을 액체와 혼합한다.
습식 화학 분석은 각각의 소화된 샘플 내의 적어도 하나의 잔류 성분의 농도를 제공한다. 본 출원의 실시양태에서는, 다중 잔류 성분이 측정된다.
컴퓨터 모델의 생성
본 출원의 실시양태에서, 방법은 복수의 소화된 동물 사료 샘플 각각의 적어도 하나의 잔류 성분의 농도 대 복수의 소화된 동물 사료 샘플 각각의 상응하는 샘플의 스펙트럼 데이터 사이의 예측 관계를 설정함으로써 컴퓨터 모델을 생성시키는 단계를 포함한다.
컴퓨터 구현 방법을 통한 데이터의 수학적 조작을 사용하여 다양한 샘플의 스펙트럼을 습식 화학 결과에 관련시켜 보정을 생성시킨다. 본 출원의 실시양태에서, 컴퓨터 구현 방법은 하기 단계를 포함한다: 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 수용하는 단계; 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 복수의 소화된 동물 사료 샘플 각각의 상응하는 샘플 내의 적어도 하나의 잔류 성분의 농도에 관련시키는 단계; 및 스펙트럼 데이터 및 복수의 소화된 동물 사료 샘플 각각 내의 적어도 하나의 잔류 성분의 농도에 기초하여 예측 관계를 설정하여 컴퓨터 모델을 생성시키는 단계.
스펙트럼 데이터는 소화된 샘플을 스캐닝할 때 생성된다. 스펙트럼 데이터를 수학적으로 가공하여 모델을 생성시키기에 유용한 형태로 되게 할 수 있다. 본 출원의 실시양태에서는, 스펙트럼 데이터를 수학적으로 조작하여 잡음을 최소화하고/하거나, 주성분을 추출하고/하거나, 배경을 감산한다.
이어서, 각각의 샘플로부터의 스펙트럼 데이터를 습식 화학 방법에 의해 결정된 상응하는 샘플의 적어도 하나의 잔류 성분의 농도에 관련시킨다. 스펙트럼 데이터를 적어도 하나의 잔류 성분의 농도에 관련시키는 단계는 특정 샘플에 대한 적어도 하나의 잔류 성분의 농도를 NIR 분광계 내로 입력할 경우에 일어난다.
하나 이상의 통계 방법을 사용하여 샘플 내의 적어도 하나의 잔류 성분의 농도와 그 데이터에 대한 스펙트럼 데이터 사이의 예측 관계를 설정하는 모델을 생성시키기 위해 복수의 샘플 각각 내의 적어도 하나의 잔류 성분의 농도 사이의 관계를 사용한다. 통계 방법은 주성분 분석, 선형 회귀 분석, 또는 부분 최소 제곱 분석을 포함한다. 다수의 통계 방법을 사용하여 그 잔류 성분에 대한 컴퓨터 모델을 구축할 수 있다.
본 출원의 실시양태에서, NIR 모델은 결정 계수, R2 값에 의해 특성화되며, 이는 컴퓨터 모델의 예측력을 반영한다. 본 출원의 실시양태에서, 컴퓨터 모델의 R2 값은 적어도 50, 60, 70, 80, 90, 또는 100, 또는 50 내지 100의 임의의 수이다.
전형적으로 검증 방법을 사용하여 컴퓨터 모델을 검증한다. 본 출원의 실시양태에서, 검증 방법은 복수의 샘플을 모델 구축 세트 및 검증 세트로 분할하는 컴퓨터 구현 방법이다. 샘플을 세트에 배정하는 단계는 전형적으로 무작위로 실행된다. 모델 구축 세트로부터의 데이터를 이용하여 본 명세서에 기재된 바와 같이 모델을 구축한다. 검증 세트로부터의 데이터를 사용하여 모델의 예측력을 시험한다. 검증 세트의 샘플을 모델에 대해 시험하여 적어도 하나의 잔류 성분의 예측 농도를 생성시킨다. 이어서, 이 예측 농도를 습식 화학에 의해 결정된 샘플의 실제 농도와 비교한다. 이 비교는 R2 값 및/또는 표준 오차의 결정을 가능하게 한다. 단일 잔류 검증 방법(leave one out validation method)과 같은 다른 유형의 검증 또한 채택될 수 있다.
일단 컴퓨터 모델이 생성되면 그것은 NIR 분광계 내에 저장된다. 본 출원의 실시양태에서, NIR 분광계는 본 명세서에 기재된 컴퓨터 모델을 생성시키는 단계 또는 컴퓨터 모델을 검증하는 단계의 컴퓨터 구현을 구현하는 명령어를 가진 마이크로프로세서 및 메모리를 포함한다. 본 출원의 실시양태에서, 메모리는 각각의 잔류 성분에 대한 컴퓨터 모델, 및/또는 각각의 샘플에 대한 스펙트럼 데이터의 데이터베이스를 저장하는 역할을 한다. 컴퓨터 모델은 미지 농도의 적어도 하나의 잔류 성분을 가진 샘플의 적어도 하나의 잔류 성분의 예측 농도를 제공하기에 유용하다.
본 출원의 실시양태에 따라, 본 출원의 시스템은 사료 샘플의 시험관내 소화를 수행하는 단계 및 소화된 샘플의 NIR 분석에 적합한 시스템 및 장비를 포함한다. 다른 실시양태에 따라, 본 출원의 시스템은 소화된 샘플의 습식 화학 분석을 수행하는 단계에 적합한 시스템 및 장비 또한 포함한다. 예시적인 실시양태에 따라, 시스템은 전형적인 실험실 장비 및 유리 기구, 예를 들어 플라스크, 비이커, 시험관, 저울, 피펫, 인큐베이터, 진탕기, 교반기, 수조 등을 포함할 수 있다. 시스템은 분석기, 예를 들어 ICP, 질소 분석기, 및 봄베 열량계 또한 포함할 수 있다.
실시양태에 따라, 시스템은 NIR을 작동시키는 단계 및 컴퓨터 모델(예를 들어, 보정)을 개발하고 사용하는 단계에 적합한 컴퓨터 및 소프트웨어가 장착된 NIR 분석기를 추가로 포함한다. 대안적인 실시양태에 따라, 컴퓨터 모델은 인터넷과 같은 통신 기반시설을 통해 컴퓨터에 의해 접속되는 원격 컴퓨터 상에 저장될 수 있다. 예시적인 실시양태에서, NIR은 사료 샘플 스캐닝을 위한 회전 샘플 컵 조립체로 구성된다.
본 출원의 방법 및 시스템은 하드웨어와 소프트웨어의 조합으로서 구현될 수 있다. 소프트웨어는 프로그램 저장 장치, 또는 사용자의 전산 환경(예를 들어, 애플릿) 및 검토자의 전산 환경에 구현된 소프트웨어의 상이한 일부 상에 분명하게 구체화된 응용 프로그램으로서 구현될 수 있으며, 여기서 검토자는 원격지에(예를 들어, 서비스 제공자의 시설에) 위치할 수 있다.
실시양태에서, 컴퓨터는 프로세서 단위를 포함한다. 프로세서 단위가 작동하여 정보를 수용하며, 이는 일반적으로 스펙트럼 데이터(예를 들어, NIR 스펙트럼), 및 공지 데이터의 데이터베이스[예를 들어, 복수의 샘플로부터 실험적으로 결정된 정보(예를 들어, 습식 화학 결과)]를 포함한다. 이러한 수용된 정보를 데이터베이스 내에 적어도 일시적으로 저장하고, 데이터를 분석할 수 있다.
예를 들어, 사용자에 의한 데이터 입력 중에, 또는 그 후에, 데이터 가공의 일부를 사용자측 전산 환경에서 수행할 수 있다. 예를 들어, 플랫폼을 표시하기 위해 정의된 시험 코드, 담체/진단 시험(carrier/diagnostic test), 또는 양자 모두; 정의된 플랙을 사용하는 데이터의 가공, 및/또는 플랙 구성의 생성을 제공하도록 사용자측 전산 환경을 프로그래밍할 수 있으며, 여기서 응답은 검토자의 전산 환경 내에 결과를 제공하고/하거나 보고서를 생성시키기 위한 하나 이상의 알고리듬의 후속 실행을 위해 시험 코드 및 플랙 구성의 형태로 검토자의 전산 환경에 가공되거나 부분적으로 가공된 응답으로서 전송된다.
사료 샘플을 분석하기 위한 시스템 및 방법
본 출원은 동물 사료의 적어도 하나의 잔류 성분의 컴퓨터 모델을 사용하는 방법을 포함한다. 이러한 방법은 상이한 사료 조성물을 비교하고 사료 조성물을 조정하여 사료 성분의 소화율을 개선하기에 유용하다. 본 출원의 실시양태에서, 사료를 분석하는 방법은 하기 단계를 포함한다: 적어도 하나의 효소를 사용하여 동물 사료 샘플을 시험관내에서 소화시켜 적어도 하나의 잔류 성분을 포함하는 소화된 동물 사료를 생성시키는 단계; 소화된 동물 사료를 NIR 분광법을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시키는 단계; 및 스펙트럼 데이터를 적어도 하나의 잔류 성분의 컴퓨터 모델과 비교하여 소화된 동물 사료의 적어도 하나의 잔류 성분의 예측 농도를 생성시키는 단계.
이전에 기재된 바와 같이, 동물 사료 샘플은 성분이 상이할 수 있고 상이한 공급원으로부터 얻어질 수 있다. 본 출원의 실시양태에서, 동물 사료 샘플은 사전-첨가제를 포함한다. 사전-첨가제는 효소를 포함한다. 본 명세서에 기재된 바와 같이 적어도 하나의 효소를 이용하는 시험관내 소화를 사용하여 사료 샘플을 소화시킨다. 본 방법에 사용되는 샘플은 소화 후에 미지량의 적어도 하나의 잔류 성분을 갖는다.
예를 들어, 소화된 샘플 내의 적어도 하나의 잔류 성분의 농도를 동정하기 위하여 샘플을 분석한다. 잔류 성분은 단백질, 인, 지방, 총 에너지, 탄수화물, 및 섬유질을 포함하지만 이로 제한되지 않는다. 잔류 성분의 분석은 사료 샘플의 소화율을 결정하기에 유용하다. 소화된 샘플을 NIR 분광법을 사용하여 스캐닝하고 스펙트럼을 NIR 분광계 내에 저장한다. 어느 사료 조성물이 사료 성분의 더 큰 소화율을 제공하는지를 동정하기 위하여 상이한 유형의 사료 샘플을 서로 비교할 수 있다. 예를 들어, 소화 후에 제1 사료 조성물이 다른 사료 조성물보다 더 낮은 잔류 단백질, 총 에너지, 또는 인 성분을 갖는다면, 제1 사료 조성물이 선택된다.
컴퓨터 모델을 사용하여 샘플을 분석하는 경우, 샘플을 스캐닝함으로써 생성된 스펙트럼을 모델과 비교하며, 이어서 이는 샘플의 조성물의 예측 농도를 회신한다. 전형적으로 NIR 측정은 단지 수 분이 걸리고 즉시 결과를 회신하므로, NIR 측정을 신속하고 편리하게 만든다.
본 출원의 실시양태에 따라, NIR 측정을 시험관내 소화 어세이와 조합하여 샘플의 소화율을 결정한다. 기존의 NIR 방법은 사료 샘플을 현상태로(즉, 샘플 전처리 없이) 스캐닝하는 단계 및 사료 샘플의 성분의 양을 추산하는 단계를 포함한다. 그러나, 이러한 방법은 사료의 초기 조성을 예측하기 위해서만 작동하며, 어느 사료 샘플이 개선된 소화율을 가질 것인지를 구별할 수 없다. 그러므로, 소화된 샘플을 습식 화학 방법을 사용하여 분석할 필요가 없으므로 시간 및 자원을 절약하면서, 소화 어세이를 사용하여 사료 샘플을 가공하고 소화된 샘플을 NIR을 사용하여 스캐닝하여, 사료 샘플의 성분의 소화율의 더 정확한 예측을 가능하게 하는 방법이 개발되었다. 본 방법은 소화 어세이에 의해 전달되는 정보와 NIR 측정의 속도 및 편리성을 조합한다.
본 출원의 실시양태에서, 본 출원은 적어도 하나의 효소로 제1 동물 사료 조성물의 제1 샘플을 소화시키고 제2 동물 사료 조성물의 제2 샘플을 소화시키며, 여기서 제1 및 제2 사료 조성물은 적어도 하나의 사료 성분이 서로 상이한 단계; 소화된 동물 사료의 제1 및 제2 샘플을 NIR 분광법을 사용하여 스캐닝하여 각각의 샘플의 적어도 하나의 잔류 성분에 대한 스펙트럼 데이터를 생성시키는 단계; 각각의 샘플로부터의 스펙트럼 데이터를 적어도 하나의 잔류 성분의 컴퓨터 모델과 비교하여 소화된 동물 사료의 제1 및 제2 샘플의 적어도 하나의 잔류 성분의 예측 농도를 생성시키는 단계; 및 소화된 동물 사료의 제1 및 제2 샘플의 적어도 하나의 잔류 성분의 예측 농도를 비교함으로써 적어도 하나의 잔류 성분의 목적하는 농도 또는 사전결정된 농도를 가진 동물 사료 조성물을 선택하는 단계를 포함한다. 일부 실시양태에서는, 단백질, 인, 또는 총 에너지와 같은 잔류 성분의 감소를 제공하는 동물 사료 조성물이 선택된다.
본 출원의 실시양태에서, 방법은 사료 샘플의 소화율에 대한 사후-첨가제의 효과를 결정하는 단계를 제공한다. 이러한 방법은 사료 조성물에 사후 첨가제를 첨가하는 단계가 사료의 소화율을 개선하거나 사료 성분의 사전결정된 영양 프로파일을 가진 사료 조성물을 제공하는지 여부를 결정하기에 유용하다. 본 출원의 실시양태에서는, 소화 전에, 또는 소화시에 하나 이상의 사후-첨가제가 사료 샘플에 첨가된다. 사료 성분의 소화율을 개선하는 능력에 대해 상이한 첨가제를 비교할 수 있다. 본 출원의 실시양태에서 사후-첨가제는 적어도 하나의 효소, 효소의 혼합물, 또는 효소의 미생물 공급원을 가진 기질을 포함한다.
본 출원에서, 방법은 또한 상이한 성분을 가진 사료 조성물의 효율을 비교하기에 유용하다. 그 경우에, 제1 사료 샘플은 제1 조성을 갖고, 제2 사료 조성물은제2 조성을 가지며, 여기서 제1 및 제2 사료 조성물은 적어도 하나의 사료 성분이 서로 상이하다. 실시양태에서, 제1 및 제2 사료 조성물은 상이한 성분을 갖거나 동일한 성분을 상이한 양으로 가짐으로써 서로 상이하다. 실시양태에서, 존재 또는 양이 상이한 성분은 인, 지방, 단백질, 총 에너지, 탄수화물, 섬유질, 사전-첨가제, 및 그의 조합으로 구성된 그룹 중에서 선택된다.
본 출원의 실시양태에서, 본 출원은 적어도 하나의 효소로 제1 동물 사료 조성물의 제1 샘플을 소화시키고 제2 동물 사료 조성물의 제2 샘플을 소화시키며, 여기서 제2 사료 조성물은 적어도 하나의 사후-첨가제의 존재에 의해, 또는 상이한 사후-첨가제를 가짐으로써 제1 조성물과 상이한 단계; 소화된 동물 사료의 제1 및 제2 샘플을 NIR 분광법을 사용하여 스캐닝하여 각각의 소화된 샘플의 적어도 하나의 잔류 성분에 대한 스펙트럼 데이터를 생성시키는 단계; 각각의 샘플로부터의 스펙트럼 데이터를 적어도 하나의 잔류 성분의 컴퓨터 모델과 비교하여 소화된 동물 사료의 제1 및 제2 샘플의 적어도 하나의 잔류 성분의 예측 농도를 생성시키는 단계; 및 소화된 동물 사료의 제1 및 제2 샘플의 적어도 하나의 잔류 성분의 예측 농도를 비교함으로써 적어도 하나의 잔류 성분의 목적하는 농도 또는 사전결정된 농도를 가진 동물 사료 조성물을 선택하는 단계를 포함한다. 일부 실시양태에서는, 단백질, 인, 또는 총 에너지와 같은 잔류 성분의 감소를 제공하는 사후-첨가제가 선택된다.
동물 사료를 조정하기 위한 시스템 및 방법
본 출원은 동물 사료의 적어도 하나의 잔류 성분의 컴퓨터 모델의 사용 방법을 포함한다. 이러한 방법은 상이한 사료 조성물을 비교하고 사료 조성물을 조정하여 사료 성분의 소화율을 개선하기에 유용하다. 본 출원의 실시양태에서, 동물 사료 조성물을 조정하는 단계는 하기 단계를 포함한다: 동물 사료 조성물의 사료 성분의 사전결정된 영양 프로파일을 동정하는 단계; 하기 단계를 포함하는 방법에 의해 동물 사료 내의 사료 성분의 잔류 성분의 농도를 예측하는 단계: 적어도 하나의 효소를 사용하여 시험관내에서 동물 사료 샘플을 소화시켜 적어도 하나의 잔류 성분을 포함하는 소화된 동물 사료를 생성시키는 단계; 소화된 동물 사료를 NIR 분광법을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시키는 단계; 스펙트럼 데이터를 적어도 하나의 잔류 성분의 컴퓨터 모델과 비교하여 잔류 성분의 예측 농도를 생성시키는 단계; 및 적어도 하나의 잔류 성분의 예측 농도에 기초하여 동물 사료 조성물을 조정하여 사료 성분의 사전결정된 영양 프로파일을 얻는 단계.
따라서, 일부 실시양태에서, 본 발명은 단백질, 지방, 총 에너지, 소화성 에너지, 인 방출, 당 방출, 섬유질, 탄수화물 등에 대한 효소적 효과에 대해 사료(예를 들어, 동물 사료)를 분석하고, 사료의 소화율에 대해 사후-첨가제가 가지는 효과를 결정하는 효율적인 방법을 제공한다. 본 출원에 기재된 시스템 및 방법은 다수의 사료를 다중 성분에 대해 분석하기 위해 사용될 수 있으며 생체내 실험을 수행하지 않고 신속하게 갱신될 수 있다.
본 출원은 임의의 다수의 동물 사료의 분석에 유용하며 특정 사료의 분석으로 제한되지 않는다. 동물 사료는 사육되는 가축(예를 들어, 소, 염소, 양, 말, 가금류, 버팔로, 알파카, 라마, 당나귀, 노새, 토끼, 및 돼지)을 먹이기 위해 특이적으로 사용되는 임의의 식품이다. 동물 사료는 흔히 완전 혼합 사료(TMR), 옥수수, 대두, 여물(들), 곡물(들), 주정박(들), 발아 곡물, 콩류, 비타민, 아미노산, 광물질, 당밀, 섬유질(들), 꼴(들), 풀(들), 건초, 짚, 사일리지, 낟알(들), 잎, 밀, 가용물(들), 및 보충제(들)를 포함한다.
하나 이상의 사후-첨가제, 예를 들어 효소(예를 들어, 소화 효소)를 사료에 첨가함으로써 사료 성분의 소화율을 개선할 수 있다. 예를 들어, 피타아제, 프로테아제, 진균 프로테아제, 셀룰라아제, 자일라나아제, 산 포스파타아제, 베타-글루카나아제, 펙티나아제, 및 알파 아밀라아제와 같은 효소를 사료에 첨가하여(즉, 첨가제로서 사용함) 소화율을 개선할 수 있다. 효소는 정제된 형태, 부분적으로 정제된 형태, 또는 정제되지 않은 형태로 제공될 수 있다. 효소는 천연(예를 들어, 진균) 또는 합성 기원일 수 있거나, 시험관내에서 생성(예를 들어, 재조합)될 수 있다. 일부 실시양태에서는, 프로테아제(예를 들어, 펩신)를 첨가한다. 일부 실시양태에서는, 구매가능한 효소 또는 효소 혼합물을 첨가한다(예를 들어, 켄터키주 니콜라스빌 소재의 올텍(Alltech)으로부터 입수가능한 올자임(Allzyme) SSF).
사후-첨가제를 특정 사료 조성물에 첨가하는 단계가 바람직할 것인지 여부를 결정하기 위하여, 사료 조성물의 소화율 성분을 아는 것이 유익하다. 실시양태에 따라, 동물 사료 샘플을 시험관내에서 소화시켜 적어도 하나의 잔류 성분을 포함하는 소화된 사료를 생성시키는 단계, 소화된 사료를 NIR을 사용하여 스캐닝하여 스펙트럼 데이터를 생성시키는 단계, 스펙트럼 데이터를 적어도 하나의 잔류 성분의 컴퓨터 모델과 비교하는 단계, 및 잔류 성분의 예측 농도를 생성시키는 단계에 의해 사료 조성물을 분석할 수 있다. 하나 이상의 잔류 성분의 예측 농도를 사료 성분의 사전결정된 영양 프로파일 또는 목적하는 영양 프로파일과 비교할 수 있다. 본 출원의 일부 실시양태에서, 잔류 성분의 양이 사료 성분의 사전결정된 영양 프로파일 또는 목적하는 영양 프로파일에서보다 더 높은 경우, 하나 이상의 사후-첨가제, 예를 들어 효소(예를 들어, 소화 효소)를 첨가함으로써 영양 프로파일을 향상시킬 수 있다.
"사전결정된 영양 프로파일(들)"은 동물 사료 내의 사료 성분 또는 성분들의 목적하는 양을 지칭하며, 이에 대해서는 소화율이 관련 특징이다. 영양사 또는 농부는 특정 사료 내의 성분의 목적하는 양을 설정할 수 있다. 예를 들어, 본 명세서에 기재된 방법을 사용하여 결정된 동물 사료 내의 단백질의 소화율을 감안하기 위하여 동물 사료 내의 단백질 또는 첨가제의 양을 조정할 필요가 있을 수 있다. 덜 소화성인 형태인 단백질을 가진 동물 사료는, 목적하는 양을 달성하기 위해 동물 사료 내의 단백질의 증가 및/또는 그 동물 사료 내의 단백질의 소화율을 증가시키는 사후 첨가제의 첨가를 필요로 할 수 있다.
다른 실시양태에 따라, 본 시스템 및 방법을 사용하여 2개 이상의 사료의 소화율을 비교할 수 있으며, 그 중의 하나 이상은 효소(예를 들어, 소화 효소)와 같은 사후-첨가제를 포함할 수 있다. 예를 들어, 본 시스템 및 방법을 사용하여 하나의 사료 샘플이 다른 사료 샘플과 비교하여 우월한 영양 프로파일을 가지고 있음을 보여줄 수 있으며, 이는 상기 하나의 사료 샘플이 더 소화성인 성분을 갖기 때문이다.
하기의 실시예는 본 발명의 소정의 바람직한 실시양태 및 측면을 입증하고 추가로 예시하기 위해 제공되며, 그의 범위를 제한하는 것으로 해석되어서는 안된다.
실시예
실시예 1: NIR 모델
돼지 및 가금류 사료의 소화된 샘플에 대해 NIR 모델을 생성시켰다. 소화된 샘플 내의 잔류 성분의 함량을 추산함으로써 소화 어세이와 함께 모델을 사용하여 사료 샘플의 소화율을 평가할 수 있다.
도 1은 본 명세서에 기재된 바와 같이 사료 샘플을 소화시키고 분석하는 방법에 대한 예시적인 도식을 나타낸다. 도면은 초기 사료 샘플에 시험관내 소화를 적용하고 NIR 및 습식 화학을 사용하여 총 에너지, 단백질, 인, 및 당 함량의 잔류량에 대해 소화물을 분석하였음을 나타낸다.
시험관내에서 영양소의 소화와 유사한 소화 어세이를 사용하여 가금류 및 돼지 사료의 샘플을 소화시켰다. 어세이는 문헌[참조: Boisen S., A multienzyme assay for pigs, Chapter 10, A Model for Feed Evaluation Based on Invitro Digestible Dry Matter and Protein, Invitro Digestion for Pig and Poultry, 1990, M.F. Fuller]으로부터 변형되었다.
소화된 샘플을 단백질, 총 에너지, 및 인에 대한 습식 화학 방법을 사용하여 분석하였다. 소화된 사료 및 액체로 구성된 최종 덩어리를 고체 성분 및 액체 성분으로 분리하였다. 고체 성분을 건조시키고 건조된 고체를 NIR 분광계를 사용하여 스캐닝하였다. 소화된 가금류 사료 내의 단백질, 인, 및 총 에너지에 대해, 그리고 소화된 돼지 사료 내의 단백질 및 총 에너지에 대해 NIR 모델을 생성시켰다.
소화 어세이
하기의 소화 어세이를 사용하여 돼지 및 가금류 사료 샘플을 소화시켰다. 어세이 중에 사후-첨가제(올자임 SSF)를 첨가함으로써 일부 샘플을 변경하였다.
시재료:
다양한 기원의 가금류 및 돼지 사료 샘플을 사용하였다. 가금류 및 돼지 사료 샘플은 양자 모두 주로 옥수수 및 대두 밀로 구성되었다.
켄터키주 니콜라스빌 소재의 올텍으로부터 입수가능한 올자임 SSF 사료 첨가제를, 사료에 첨가되는 효소(예를 들어, 사후 첨가제)의 공급원으로서 사용하였다. 올자임 SSF는 적어도 300 U의 피타아제를 포함하는 효소 복합체를 함유한다.
시약:
A.
HCl: 0.2 M, 1M, 2 M, 및 4 M
B.
0.6 M NaOH
C.
1 M NaHCO3
D.
시그마(Sigma)로부터의 펩신(P7012); 10 mg 펩신/mL 탈이온수 또는 2.25 mg 펩신/mL 탈이온수
E.
시그마로부터의 판크레아틴(P3292); 50 mg 판크레아틴/mL 탈이온수 또는 2.315 mg 판크레아틴/mL 탈이온수
F.
15% 트리클로로아세트산(TCA)
G.
아세테이트 완충제: 0.1 M(pH 6.0) 및 0.2 M(pH 6.8)
H.
클로람페니콜 용액; 5 mg 클로람페니콜/1 mL 알코올
I.
TCA 정지 용액
J.
3 부피의 1 M 황산, 1 부피의 2.5%(w/v) 암모늄 몰리브데이트, 및 1 부피의 10%(w/v) 아스코르브산으로부터 제조된 발색 시약
K.
디니트로살리실산, NaOH, 포타슘 소듐 타르트레이트 테트라하이드레이트, 및 탈이온수로부터 제조된 DNS 용액(암색병 내에 저장)
L.
덱스트로스 표준품: 0 mg/mL; 0.2 mg/mL; 0.4 mg/mL; 0.6 mg/mL; 0.8 mg/mL; 및 1.0 mg/mL
포스페이트 표준품: 물 중의 0 μM; 5.625 μM; 11.25 μM; 22.5 μM; 45 μM; 및 90 μM 포타슘 포스페이트.
절차
효소 첨가제
사후-첨가제로서 실험에 사용될 액체 효소 산물을 생성시키기 위해, 올자임 SSF로부터 효소를 탈이온수로 추출하고 0.1 M 소듐 아세테이트 완충제로 1:2,500,000 희석하였다.
돼지 소화 어세이
1차 소화 - 위
2 그램의 분쇄 돼지 사료 샘플을 49 mL의 0.1 M 소듐 아세테이트 완충제와 혼합하였다. 상기 기재된 올자임 SFF 산물로부터 제조된 1 mL의 액체 사후 첨가제와 혼합함으로써, 사후-첨가제의 첨가에 의해 일부 샘플을 변경하였다. HCl을 이용하여 용액의 pH를 2로 조정하였다. 2.0 mL의 펩신 용액(10 mg 펩신/mL 탈이온수) 및 1.0 mL의 클로람페니콜 용액을 첨가하였다. 용액을 교반하고 55 RPM에서 6 시간 동안 39 ℃ 교반 수조에 넣었다. 용액을 매 시간 교반하였다.
2차 소화 - 소장
1차 소화 후에, 샘플을 20 mL의 0.2 M 소듐 아세테이트 완충제 및 10 mL의 0.6 M NaOH와 혼합하였다. 0.6 M NaOH를 이용하여 용액의 pH를 6.8로 조정하였다. 2.0 mL의 판크레아틴 용액(50 mg 판크레아틴/mL 탈이온수)을 첨가하였다. 용액을 교반하고 39 ℃ 교반(55 RPM) 수조에 18 시간 동안 넣었다. 용액을 교반하고 14000 g에서 20 분 동안 원심분리하였다.
가금류 소화 어세이
소낭 단계
2.5 그램의 분쇄 가금류 사료 샘플을 6 ml의 증류수와 혼합하였다. 상기 기재된 올자임 SFF 산물과 7 ml의 증류수로부터 제조된 1 mL의 액체 사후 첨가제와 혼합함으로써, 사후-첨가제의 첨가에 의해 일부 샘플을 변경하였다. 샘플을 40 ℃에서 30 분 동안 인큐베이션하였다.
사낭 단계
소낭 단계에서의 인큐베이션 후에 1M HCl을 이용하여 샘플을 pH 3.0으로 조정하였다. 2.0 mL의 펩신 용액(2.25 mg 펩신/mL 탈이온수) 및 1.0 mL의 클로람페니콜 용액을 각각의 샘플에 첨가하였다. 용액을 교반하고 40 ℃ 수조에 45 분 동안 넣었다.
소장
사낭 단계 후에, 샘플을 1 mL의 NaHCO3와 혼합하여 6.5의 pH를 얻었다. 2.0 mL의 판크레아틴 용액(2.315 mg 판크레아틴/mL 탈이온수)을 첨가하였다. 용액을 교반하고 40 ℃ 수조에 60 분 동안 넣었다. 용액을 교반하고 14000 g에서 20 분 동안 원심분리하였다.
습식 화학 분석
시험관내 소화 절차는 소화된 사료의 고체 부분 및 액체 부분으로 구성된 최종 덩어리를 남겼다. 추가 분석을 위해 샘플을 고체 성분 및 액체 성분(즉, 상등액)으로 분리하였다. 고체 성분을 동결 건조하여 최종 건조물 부분을 수득하였다.
장비:
인 분석을 위한 베리안(Varian) 720-ES ICP
질소(단백질) 분석을 위한 레코 트루스펙(Leco TruSpec) CHN
총 에너지 분석을 위한 파르(Parr) 6100 봄베 열량계
단백질, 인, 및 총 에너지
소화된 샘플의 최종 건조물 부분을 단백질, 인, 및 총 에너지에 대해 분석하였다. 질소 연소 분석기를 사용하고 질소 함량을 단백질로 전환함으로써 단백질 함량을 결정하였다. 인 함량은 ICP(유도 결합 플라즈마) 시스템을 사용하여 결정하였다. 총 에너지 함량은 봄베 열량계를 사용하여 결정하였다.
NIR 모델
소화된 샘플의 최종 건조물 부분을 NIR 회전 컵 조립체를 사용하여 스캐닝하여 NIR 반사율 데이터를 수집하였다. 다양한 샘플의 NIR 스캔을 기록하고 각각의 샘플에 대한 습식 화학 결과와 관련시켜 소화된 샘플의 각각의 성분(단백질, 인, 및 총 에너지)에 대한 컴퓨터 모델을 생성시켰다.
장비:
메사추세츠주 빌레리카 소재의 브루커 옵틱스 인코포레이티드로부터 입수가능한, 회전 컵 조립체를 가진 브루커 MPA FT-NIR, 모델 번호 122000.
설정:
분해능 16 cm-1
스캔 32: 각각의 샘플을 32회 스캐닝하고 스캔을 각각의 샘플에 대해 단일 스캔 파일로 평균하도록 기기를 설정함
파수 범위 10000 cm-1-4000 cm-1
흡광도는 "스피어 마크로샘플(sphere macrosample)" 구획을 사용하여 측정함
결과 - 가금류 사료 소화 어세이
소화 어세이에 따라 가금류 사료 샘플을 소화시켰다. 소화된 샘플의 최종 건조물 부분을 NIR 상에서 스캐닝하였다. 소화된 가금류 사료 샘플의 예시적인 NIR 스캔을 도 2에 나타낸다.
소화된 샘플을 단백질, 인, 및 총 에너지에 대해 습식 화학 분석에 의해 분석하였다. 소화된 샘플의 단백질 함량은 13-34%의 범위였고; 인 함량은 750-5900 ppm의 범위였으며; 총 에너지는 3300-5200 cal/g의 범위였다. 이어서, 각각의 샘플의 단백질, 인, 및 총 에너지 함량을 NIR 스캔과 관련시켜 각각의 성분에 대한 NIR 모델을 개발하였다.
가금류 사료에 대한 NIR 단백질 모델의 컴퓨터-생성된 교차 검증을 도 3에 나타낸다. 모델은 29개의 샘플을 포함하였다. 모델에 대한 R2은 86.66이었고 RMSECV(교차-검증의 제곱근 평균 제곱 오차)는 2.68이었다. R2 값은 데이터가 모델에 얼마나 잘 적합되는지, 그리고 관찰된 결과가 모델에 의해 얼마나 잘 예측되는지를 표시한다. RMSECV는 데이터 내의 편차의 척도이다.
가금류 사료에 대한 NIR 인 모델의 컴퓨터-생성된 교차 검증을 도 4에 나타낸다. 모델은 24개의 샘플을 포함하였다. 모델에 대한 R2은 75.94였고 RMSECV는 554였다.
가금류 사료에 대한 NIR 총 에너지 모델의 컴퓨터-생성된 교차 검증을 도 5에 나타낸다. 모델은 18개의 샘플을 포함하였다. 모델에 대한 R2은 87.72였고 RMSECV는 148이었다. 모델 내의 샘플의 수를 증가시킴으로써 모델의 R2 및 RMSEV를 개선할 수 있을 것으로 예상된다.
결과 - 돼지 사료 소화 어세이
소화 어세이에 따라 돼지 사료 샘플을 소화시켰다. 소화된 샘플의 최종 건조물 부분을 NIR 회전 컵 조립체를 사용하여 스캐닝하여 NIR 반사율 데이터를 수집하였다. 소화된 돼지 사료 샘플의 예시적인 스캔을 도 6에 나타낸다.
소화된 샘플을 단백질 및 총 에너지에 대해 습식 화학 분석에 의해 분석하였다. 소화된 샘플의 단백질 함량은 6-47%의 범위였고 총 에너지는 3900-5300 cal/g의 범위였다. 이어서, 각각의 샘플의 단백질 및 총 에너지 함량을 NIR 스캔과 관련시켜 각각의 성분에 대한 NIR 모델을 개발하였다.
돼지 사료에 대한 NIR 단백질 모델의 컴퓨터-생성된 교차 검증을 도 7에 나타낸다. 모델에 대한 R2은 98.86이었고 RMSECV는 0.708이었다.
돼지 사료에 대한 NIR 총 에너지 모델의 컴퓨터-생성된 교차 검증을 도 8에 나타낸다. 모델에 대한 R2은 80.5였고 RMSECV는 141이었다.
토의
결과는, 소화된 사료 샘플 내의 소화되지 않은(즉, 잔류) 성분의 함량을 예측하기 위한 소화 어세이와 함께 사용하기 위해 개발될 수 있는 다양한 NIR 모델을 나타낸다. 예시적인 모델에 사용된 비교적 적은 수의 샘플에도 불구하고, 돼지 사료에 대한 단백질 모델이 특히 성공적이었다(98.86의 R2). 모델은, 소화된 사료 샘플 내의 실제 단백질 함량을 고도로 예측할 수 있으며, 고가이고 시간-소모적인 습식 화학 방법을 수행하는 대신에 사용할 수 있는 것으로 나타났다. 샘플의 수가 증가함에 따라 모델의 정확도가 증가할 수 있다. 특히, 인 및 총 에너지 모델의 예측가능성은 모델 내에 더 많은 샘플을 포함함으로써 개선될 수 있을 것으로 예상된다.
실시예 2
돼지에 대한 잔류 단백질 모델의 검증.
돼지 사료의 소화물에 대한 잔류 단백질 모델의 예측가능성을 검증하였다. 검증 방법은, 미지 특징을 가진 사료 샘플을 분석하기 위해 본 명세서에 기재된 방법이 어떻게 사용되는지를 반영한다.
돼지 사료 샘플의 세트를 실시예 1에 기재된 바와 같이 소화시키고 NIR을 사용하여 스캐닝하였다. 또한 습식 화학을 사용하여 각각의 샘플을 단백질 함량에 대해 특성화하였다. 샘플을 검증 세트 및 모델 구축 세트로 분할하였다. 모델 구축 세트 내의 샘플을 사용하여 본 명세서에 기재된 바와 같이 모델을 생성시켰다. 모델 내에서 검증 세트를 시험하여 각각의 샘플에 대한 잔류 단백질의 예측 농도를 생성시켰다. 각각의 샘플에 대한 예측 농도를 습식 화학을 사용하여 결정된 샘플 내의 잔류 단백질의 농도(실제)와 비교하였다. 결과를 표 1에 나타낸다:
파일 이름 | 실제 | 예측 | 차이 |
러시아 소우 플라스크(Russia Sow Flask) 8.2 | 8.84625 | 8.64 | 0.206 |
러시아 소우 플라스크 8.1 | 8.84625 | 8.798 | 0.0478 |
러시아 소우 플라스크 8.0 | 8.84625 | 8.691 | 0.155 |
러시아 소우 플라스크 7.2 | 8.5775 | 8.841 | -0.263 |
러시아 소우 플라스크 7.1 | 8.5775 | 8.922 | -0.345 |
러시아 소우 플라스크 7.0 | 8.5775 | 8.965 | -0.387 |
러시아 소우 플라스크 6.2 | 10.0781 | 9.498 | 0.58 |
러시아 소우 플라스크 6.1 | 10.0781 | 9.513 | 0.565 |
러시아 소우 플라스크 6.0 | 10.0781 | 9.522 | 0.556 |
러시아 소우 플라스크 5.2 | 8.51 | 8.502 | 0.00811 |
러시아 소우 플라스크 5.1 | 8.51 | 8.587 | -0.0568 |
러시아 소우 플라스크 5.0 | 8.51 | 8.646 | -0.136 |
러시아 소우 플라스크 4.2 | 8.44 | 8.314 | 0.126 |
러시아 소우 플라스크 4.1 | 8.44 | 8.303 | 0.137 |
러시아 소우 플라스크 4.0 | 8.44 | 8.446 | -0.00599 |
러시아 소우 플라스크 3.2 | 8.495 | 8.738 | -0.243 |
러시아 소우 플라스크 3.1 | 8.495 | 8.871 | -0.376 |
이들 결과는 모델이 샘플 내의 잔류 단백질의 농도의 고도의 예측가능성을 가졌음을 나타낸다.
본 출원의 소정의 실시양태가 기재되었지만, 다른 실시양태가 존재할 수 있다. 본 명세서는 상세한 설명을 포함하지만, 본 발명의 범위는 하기의 청구범위에 의해 표시된다. 추가로, 본 명세서가 구조적 특징부 및/또는 방법론적 행위에 특이적인 표현으로 기재되었지만, 청구범위는 상기 기재된 특징부 또는 행위로 제한되지 않는다. 오히려, 상기 기재된 특이적 특징부 및 행위는 본 발명의 예시적 측면 및 실시양태로서 개시된다. 본 명세서의 설명을 읽은 후에는, 본 발명의 사상 또는 청구된 주제의 범위로부터 벗어나지 않으면서 다양한 다른 측면, 실시양태, 변형, 및 그의 균등물이 당업자에게 떠오를 수 있다.
Claims (7)
- 하기 단계를 포함하는, 사료를 분석하기 위한 컴퓨터 모델을 개발하는 방법:
(a) 적어도 하나의 효소를 사용하여 시험관내에서 복수의 동물 사료 샘플을 소화(digestion)시켜 복수의 소화된 동물 사료를 생성시키며, 여기서 복수의 소화된 동물 사료 샘플 각각은 적어도 하나의 잔류 성분을 포함하는 단계;
(b) 복수의 소화된 동물 사료 샘플 각각을 NIR 분광법을 사용하여 스캐닝하여 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 생성시키는 단계;
(c) 습식 화학 방법을 사용하여 복수의 소화된 동물 사료 샘플 각각 내의 적어도 하나의 잔류 성분의 농도를 결정하는 단계; 및
(d) 복수의 소화된 동물 사료 샘플 각각의 적어도 하나의 잔류 성분의 농도 대 복수의 소화된 동물 사료 샘플의 상응하는 샘플의 스펙트럼 데이터 사이의 예측 관계를 설정함으로써 컴퓨터 모델을 생성시키는 단계. - 제1항에 있어서,
복수의 소화된 사료 샘플 각각을 스캐닝하는 단계가 복수의 소화된 동물 사료 샘플 각각의 스펙트럼 데이터를 수학적으로 조작하는 단계를 추가로 포함하는 방법. - 제1항 또는 제2항에 있어서,
복수의 동물 사료 샘플을 소화시키는 단계가 펩신 또는 판크레아틴 또는 양자 모두를 이용하는 단계를 포함하는 방법. - 제1항 내지 제3항 중 어느 한 항에 있어서,
동물 사료 샘플을 소화시키는 단계가 소화된 샘플을 고체 성분 및 액체 성분으로 분리하는 단계를 추가로 포함하고, 소화된 동물 사료를 스캐닝하는 단계가 고체 성분을 스캐닝하는 단계를 포함하는 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서,
적어도 하나의 잔류 성분이 단백질, 인, 지방, 총 에너지(gross energy), 탄수화물, 및 섬유질로 구성된 그룹 중에서 선택되는 방법. - 제1항 내지 제5항 중 어느 한 항에 있어서,
습식 화학 방법이 단백질, 인, 지방, 총 에너지, 탄수화물, 및 섬유질로 구성된 그룹 중에서 선택된 적어도 하나의 잔류 성분의 농도에 대해 소화된 사료의 각각의 샘플을 분석하는 단계를 포함하는 방법. - 제1항 내지 제6항 중 어느 한 항에 있어서,
컴퓨터 모델을 생성시키는 단계가 하기 단계를 포함하는 컴퓨터 구현 방법(computer implemented method)을 포함하는 방법:
i) 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 수용하는 단계;
ii) 복수의 소화된 동물 사료 샘플 각각에 대한 스펙트럼 데이터를 복수의 소화된 동물 사료 샘플의 상응하는 샘플 내의 적어도 하나의 잔류 성분의 농도에 관련시키는 단계; 및
iii) 스펙트럼 데이터 및 복수의 소화된 동물 사료 샘플의 적어도 하나의 잔류 성분의 농도에 기초하여 예측 관계를 설정하여 컴퓨터 모델을 생성시키는 단계.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/109,926 | 2013-12-17 | ||
US14/109,926 US9672331B2 (en) | 2013-12-17 | 2013-12-17 | Systems and methods for computer models of animal feed |
PCT/US2014/015740 WO2015094391A1 (en) | 2013-12-17 | 2014-02-11 | Systems and methods for computer models of animal feed |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160098232A true KR20160098232A (ko) | 2016-08-18 |
KR102264109B1 KR102264109B1 (ko) | 2021-06-14 |
Family
ID=53368805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020167015391A KR102264109B1 (ko) | 2013-12-17 | 2014-02-11 | 동물 사료의 컴퓨터 모델을 위한 시스템 및 방법 |
Country Status (15)
Country | Link |
---|---|
US (1) | US9672331B2 (ko) |
EP (1) | EP3082477B1 (ko) |
KR (1) | KR102264109B1 (ko) |
CN (1) | CN106061294B (ko) |
AU (1) | AU2014367219B2 (ko) |
BR (1) | BR112016012535B1 (ko) |
CA (1) | CA2929221C (ko) |
CR (1) | CR20160265A (ko) |
IL (1) | IL245523B (ko) |
MX (1) | MX2016007781A (ko) |
PE (1) | PE20161148A1 (ko) |
PH (1) | PH12016501063B1 (ko) |
SG (1) | SG11201603432TA (ko) |
WO (1) | WO2015094391A1 (ko) |
ZA (1) | ZA201603427B (ko) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10251597B2 (en) * | 2016-04-21 | 2019-04-09 | Viavi Solutions Inc. | Health tracking device |
WO2018118714A1 (en) * | 2016-12-20 | 2018-06-28 | Psk Innovations, Llc | Products, systems, and methods for predictive health and nutrition modeling and fulfillment for animals |
EP3567596A1 (en) * | 2018-05-09 | 2019-11-13 | Evonik Degussa GmbH | Method for the determination of processing influences on the energy value of feedstuff raw materials and/or feedstuffs |
EP3623810A1 (en) * | 2018-09-14 | 2020-03-18 | Institut National de la Recherche Agronomique | Serum color as biomarker of digestive efficiency of poultry |
WO2022207767A1 (en) * | 2021-03-31 | 2022-10-06 | Dsm Ip Assets B.V. | Model-based detection of deficiency in animal's nutritional state |
CN113341059B (zh) * | 2021-05-31 | 2023-09-22 | 中国农业科学院北京畜牧兽医研究所 | 一种生长猪胃-小肠-大肠仿生消化方法及对饲料有效能值估测的应用 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6040188A (en) * | 1997-11-18 | 2000-03-21 | The Regents Of The University Of California | In vitro gastrointestinal mimetic protocol for measuring bioavailable contaminants |
KR20020083157A (ko) * | 2000-02-08 | 2002-11-01 | 에프. 호프만-라 로슈 아게 | 동물 사료에서 산-안정성 프로테아제의 사용 |
US20050000457A1 (en) * | 2003-06-20 | 2005-01-06 | Syngenta Participations Ag | Method for the development of ruminant feed formulations |
US20080026129A1 (en) * | 2006-07-27 | 2008-01-31 | Beck James F | System for real-time characterization of ruminant feed components |
WO2008124819A1 (en) * | 2007-04-10 | 2008-10-16 | Kemin Industries, Inc. | Use of a multi-protease system to improve the protein digestibility of animal feeds |
US20090272889A1 (en) * | 2008-03-17 | 2009-11-05 | David Kenneth Combs | Method for measuring fiber digestibility |
KR20100038401A (ko) * | 2007-06-28 | 2010-04-14 | 크래프트 푸드 글로벌 브랜드 엘엘씨. | 식료품의 당지수의 시험관내 결정 방법 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3437489A (en) * | 1964-06-20 | 1969-04-08 | Seiji Arakawa | Process for producing fishmeals |
HU188116B (en) | 1981-12-19 | 1986-03-28 | Budapesti Mueszaki Egyetem,Hu | Method and apparatus for forming optimum mixing ratio of the foods, particularly fodders |
FR2737781B1 (fr) | 1995-08-10 | 2004-07-16 | Rhone Poulenc Nutrition Animal | Mesure de la digestibilite des aliments chez les ruminants |
AUPN692895A0 (en) | 1995-12-01 | 1996-01-04 | Commonwealth Scientific And Industrial Research Organisation | Animal performance prediction |
US5922343A (en) | 1996-07-03 | 1999-07-13 | Stucker; Dennis R. | Method of introducing carbohydrase enzymes to a ruminant feed for increasing the rate and extent of fiber digestion in the ruminant |
US6750035B1 (en) | 1999-08-06 | 2004-06-15 | Novus International, Inc. | In vitro digestibility assay |
ATE333801T1 (de) | 1999-08-31 | 2006-08-15 | Adisseo France Sas | Verbesserungen in der herstellung von tierfutter |
US6855548B2 (en) | 2000-02-08 | 2005-02-15 | F. Hoffman-La Roche Ag | Use of acid-stable proteases in animal feed |
US6907351B2 (en) | 2001-08-01 | 2005-06-14 | Aventis Animal Nutrition S.A. | Customer-based prediction method and system using near infrared reflectance spectra of materials |
US8357408B2 (en) | 2004-06-21 | 2013-01-22 | Novozymes A/S | Proteases |
US8396670B2 (en) * | 2004-08-16 | 2013-03-12 | Venture Milling, Inc. | Process, system and method for improving the determination of digestive effects upon an ingestable substance |
AU2006261442A1 (en) * | 2005-06-24 | 2006-12-28 | Novozymes A/S | Lipases for pharmaceutical use |
WO2009011829A1 (en) | 2007-07-19 | 2009-01-22 | Can Technologies, Inc. | System and method for measuring starch gelatinisation in a feed production system |
MX2010004863A (es) | 2007-11-02 | 2010-07-28 | Ceres Inc | Materiales y metodos para usarse en el procesamiento de biomasa. |
RU2619636C2 (ru) | 2010-11-04 | 2017-05-17 | Ариста Сириэл Текнолоджиз Пти Лтд | Высокоамилозная пшеница |
CN105639112B (zh) | 2011-04-20 | 2020-03-10 | 福雷吉遗传国际有限公司 | 调节动物饲料中瘤胃可消化淀粉和纤维的方法和系统 |
-
2013
- 2013-12-17 US US14/109,926 patent/US9672331B2/en active Active
-
2014
- 2014-02-11 EP EP14873058.3A patent/EP3082477B1/en active Active
- 2014-02-11 CN CN201480067816.4A patent/CN106061294B/zh active Active
- 2014-02-11 SG SG11201603432TA patent/SG11201603432TA/en unknown
- 2014-02-11 AU AU2014367219A patent/AU2014367219B2/en active Active
- 2014-02-11 WO PCT/US2014/015740 patent/WO2015094391A1/en active Application Filing
- 2014-02-11 CR CR20160265A patent/CR20160265A/es unknown
- 2014-02-11 BR BR112016012535-5A patent/BR112016012535B1/pt active IP Right Grant
- 2014-02-11 PE PE2016000731A patent/PE20161148A1/es unknown
- 2014-02-11 CA CA2929221A patent/CA2929221C/en active Active
- 2014-02-11 MX MX2016007781A patent/MX2016007781A/es active IP Right Grant
- 2014-02-11 KR KR1020167015391A patent/KR102264109B1/ko active IP Right Grant
-
2016
- 2016-05-05 IL IL245523A patent/IL245523B/en not_active IP Right Cessation
- 2016-05-19 ZA ZA2016/03427A patent/ZA201603427B/en unknown
- 2016-06-03 PH PH12016501063A patent/PH12016501063B1/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6040188A (en) * | 1997-11-18 | 2000-03-21 | The Regents Of The University Of California | In vitro gastrointestinal mimetic protocol for measuring bioavailable contaminants |
KR20020083157A (ko) * | 2000-02-08 | 2002-11-01 | 에프. 호프만-라 로슈 아게 | 동물 사료에서 산-안정성 프로테아제의 사용 |
US20050000457A1 (en) * | 2003-06-20 | 2005-01-06 | Syngenta Participations Ag | Method for the development of ruminant feed formulations |
US20080026129A1 (en) * | 2006-07-27 | 2008-01-31 | Beck James F | System for real-time characterization of ruminant feed components |
WO2008124819A1 (en) * | 2007-04-10 | 2008-10-16 | Kemin Industries, Inc. | Use of a multi-protease system to improve the protein digestibility of animal feeds |
KR20100038401A (ko) * | 2007-06-28 | 2010-04-14 | 크래프트 푸드 글로벌 브랜드 엘엘씨. | 식료품의 당지수의 시험관내 결정 방법 |
US20090272889A1 (en) * | 2008-03-17 | 2009-11-05 | David Kenneth Combs | Method for measuring fiber digestibility |
Non-Patent Citations (1)
Title |
---|
'The Use of NIRS to Predict the Moisture, Nitrogen, Calcium, Total Phosphorus, Gross Energy & Phytate Phosphorus Contents of Broiler Excreta', Poultry Science 80:314-319(2001) * |
Also Published As
Publication number | Publication date |
---|---|
US9672331B2 (en) | 2017-06-06 |
CA2929221C (en) | 2021-05-25 |
AU2014367219B2 (en) | 2018-10-04 |
BR112016012535B1 (pt) | 2022-02-15 |
PE20161148A1 (es) | 2016-10-29 |
BR112016012535A2 (ko) | 2017-08-08 |
PH12016501063A1 (en) | 2016-07-11 |
CN106061294B (zh) | 2018-12-14 |
EP3082477B1 (en) | 2024-04-03 |
IL245523B (en) | 2019-02-28 |
MX2016007781A (es) | 2016-09-09 |
CR20160265A (es) | 2016-09-13 |
WO2015094391A1 (en) | 2015-06-25 |
EP3082477A4 (en) | 2018-02-21 |
CN106061294A (zh) | 2016-10-26 |
SG11201603432TA (en) | 2016-05-30 |
CA2929221A1 (en) | 2015-06-25 |
AU2014367219A1 (en) | 2016-05-19 |
EP3082477A1 (en) | 2016-10-26 |
IL245523A0 (en) | 2016-06-30 |
KR102264109B1 (ko) | 2021-06-14 |
US20150169847A1 (en) | 2015-06-18 |
ZA201603427B (en) | 2017-09-27 |
PH12016501063B1 (en) | 2016-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102264108B1 (ko) | 동물 사료 조정을 위한 시스템 및 방법 | |
KR102264109B1 (ko) | 동물 사료의 컴퓨터 모델을 위한 시스템 및 방법 | |
Prache et al. | Authentication of grass-fed meat and dairy products from cattle and sheep | |
Shi et al. | N-glycan profile as a tool in qualitative and quantitative analysis of meat adulteration | |
US11644452B2 (en) | Method for the determination of processing influences on the nutritional value of feedstuff raw materials | |
Belanche et al. | Estimation of feed crude protein concentration and rumen degradability by Fourier-transform infrared spectroscopy | |
Uyeh et al. | Animal feed formulation: rapid and non-destructive measurement of components from waste by-products | |
Dai et al. | Monitoring of critical parameters in thermophilic solid-state fermentation process of soybean meal using NIR spectroscopy and chemometrics | |
Ding et al. | In situ monitoring of grape seed protein hydrolysis by Raman spectroscopy | |
Knudsen et al. | Assessment of the nutritive value of individual feeds and diets by novel technologies | |
BR112016011347B1 (pt) | Método para analisar alimentos para suínos ou aves domésticas | |
Camps et al. | Quantification of condensed tannins in sainfoin powder (Onobrychisviciifolia) by FT-NIR spectroscopy | |
Fredstrom et al. | Trial of near-infrared reflectance spectroscopy in a human fiber digestibility study | |
CN106501209A (zh) | 一种饲喂家禽用棉粕中有效磷含量的快速测定方法和应用 | |
Saliba et al. | Chemical characterization of the lignins of corn and soybean agricultural residues | |
Piltz | New generation NIRS calibrations to improve diet evaluation and animal growth predictions | |
Che | Development of prediction models for rapid analysis of glucosinolate content in canola meal using near-infrared spectroscopy | |
Putri et al. | Accuracy of single and mix calibration as method to determine ruminant feedstuffs nutrient utilization using Near-Infrared Reflectance Spectroscopy | |
Atanassova et al. | The possibility of near infrared spectroscopy for evaluation of microbial nitrogen content of in sacco feed residues and duodenal digesta of sheep | |
Dardenne et al. | NIRS for feed and soil analysis in developing countries | |
Dryden | Near infrared spectroscopy: Applications in deer nutrition | |
Appiah | Developing prediction equation for digestibility of nutrients in faeces from individual atlantic salmon | |
CN106483091A (zh) | 一种饲喂家禽用菜粕中有效磷含量的快速测定方法和应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |