133 Porcine in vitro degradation and fermentation characteristics of heat-pretreated and multi-enzyme-supplemented soybean hulls
Notice bibliographique
Résumé
Abstract A study was conducted to determine effects of pretreating and supplementing soybean hulls with multi-enzyme on porcine in vitro digestion and fermentation characteristics. Treatments were untreated and heat-pretreated (160 °C and 70 psi for 20 min) soybean hulls without or with multi-enzyme in a 2 × 2 factorial arrangement. The multi-enzyme supplied 2,800 U of cellulase, 1,800 U of pectinase, 400 U of mannanase, 1,000 U of xylanase, 600 U of glucanase, and 200 U of protease/kilogram of feedstuff. Feedstuffs were subjected to in vitro digestion with porcine pepsin and pancreatin, followed by in vitro fermentation for 72 h. Accumulated gas production was recorded and modeled to estimate kinetics of gas production. On DM basis, untreated and pretreated soybean hulls contained 10.4 and 10.6% CP, and 63.2 and 49.5% ADF, respectively. Pretreatment and multi-enzyme supplementation did not interact on in vitro digestibility of DM (IVDDM). Untreated and pretreated soybean hulls did not differ in IVDDM (24.8 vs. 25.7%). Multi-enzyme increased (P < 0.05) IVDDM of soybean hulls by a mean of 45.5%. Pretreatment and multi-enzyme unaffected total gas production. Pretreatment and multi-enzyme interacted (P < 0.05) on fractional rate of degradation such that the fractional rate of degradation for pretreated soybean hulls was greater (P < 0.05) than that of untreated soybean hulls when soybean hulls were supplemented with multi-enzyme (0.045 vs. 0.062 h-1), but not when soybean hulls were unsupplemented with multi-enzyme (0.053 vs. 0.059 h-1). In conclusion, multi-enzyme supplementation increased IVDDM, implying that the multi-enzyme used in the study can be used to enhance utilization of soybean hulls. Heat pretreatment increased the rate of fermentation of multi-enzyme-supplemented soybean hulls, implying that the rate of fermentation of soybean hulls in the hindgut of pigs can be enhanced by a combination of heat pretreatment and multi-enzyme supplementation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».