SNAPIG: a model to study nutrient digestion and absorption kinetics in growing pigs based on diet and ingredient properties
Notice bibliographique
Résumé
Current feed formulation and evaluation practices rely on static values for the nutritional value of feed ingredients and assume additivity. Hereby, the complex interplay among nutrients in the diet and the highly dynamic digestive processes are ignored. Nutrient digestion kinetics and diet × animal interactions should be acknowledged to improve future predictions of the nutritional value of complex diets. Therefore, an in silico nutrient-based mechanistic digestion model for growing pigs was developed: "SNAPIG" (Simulating Nutrient digestion and Absorption kinetics in PIGs). Aiming to predict the rate and extent of nutrient absorption from diets varying in ingredient composition and physicochemical properties, the model represents digestion kinetics of ingested protein, starch, fat, and non-starch polysaccharides, through passage, hydrolysis, absorption, and endogenous secretions of nutrients along the stomach, proximal small intestine, distal small intestine, and caecum + colon. Input variables are nutrient intake and the physicochemical properties (i.e. solubility, and rate and extent of degradability). Data on the rate and extent of starch and protein hydrolysis of different ingredients per digestive segment were derived from in vitro assays. Passage of digesta from the stomach was modelled as a function of feed intake level, dietary nutrient solubility and diet viscosity. Model evaluation included testing against independent data from in vivo studies on nutrient appearance in (portal) blood of growing pigs. When simulating diets varying in physicochemical properties and nutrient source, SNAPIG can explain variation in glucose absorption kinetics (postprandial time of peak, TOP: 20-100 min observed vs 25-98 min predicted), and predict variation in the extent of ileal protein and fat digestion (root mean square prediction errors (RMSPE) = 12 and 16%, disturbance error = 12 and 86%, and concordance correlation coefficient = 0.34 and 0.27). For amino acid absorption, the observed variation in postprandial TOP (61 ± 11 min) was poorly predicted despite accurate mean predictions (58 ± 34 min). Recalibrating protein digestion and amino acid absorption kinetics require data on net-portal nutrient appearance, combined with observations on digestion kinetics, in pigs fed diets varying in ingredient composition. Currently, SNAPIG can be used to forecast the time and extent of nutrient digestion and absorption when simulating diets varying in ingredient and nutrient composition. It enhances our quantitative understanding of nutrient digestion kinetics and identifies knowledge gaps in this field of research. Already useful as research tool, SNAPIG can be coupled with a postabsorptive metabolism model to predict the effects of dietary and feeding-strategies on the pig's growth response.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».