Effect of Slow-Release Non-Protein Nitrogen Produced from Agro-Industrial Byproducts on Bio Gas Production, Feed Digestibility and Inoculum Parameters
Notice bibliographique
Résumé
Abstract In the recent decades, air and surface water pollution by nitrogen from agro-industrial discards has become a global environmental concern. Generally, these byproducts and or discards are nutrient rich and could inexpensively be utilized for various purposes marginally helping with mitigation strategies. In this context, our study was conducted in two phases: producing lactosylurea from agro-industrial by-products and subsequently evaluating the possibility of using lactosylurea as a non-protein nitrogen source in the ruminant’s diet and its effect on feed digestibility as well as ruminal parameters. Gas production test and in-vitro disappearance method were used to describe the kinetics of digestion in both dry matter (DM) and crude protein (CP) of the four experimental treatments. Protozoa count and total volatile fatty acids concentration were utilized to evaluate the ruminal parameters. The treatments were 1) basal diet + urea (BDU), 2) basal diet+ lactosylurea (BDL), 3) basal diet+ concentrated lactosylurea (BDCL), 4) basal diet+ Optigen (slow release NPN) (BDO). According to our findings, produced gas, DM, and CP disappearance in were significantly higher in concentrated lactosylurea and positive control groups than the other treatments (P<0.05). Moreover, estimated metabolizable energy, digestible organic matter and short chain fatty Acid were significantly higher for the same treatments (P<0.05). The values for protozoa count (2.66×106 organism/ml) and total volatile fatty acids concentration (30.96 mmol/L) were significantly lower and for urea treatment compared with others (P<0.05). In conclusion, lactosylurea as agro-industrial by-products can be a good alternative for urea or Optigen to reduce environmental contamination.
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) | 0,001 | 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 ».