Multienzyme preparation containing a blend of mannanase, xylanase, cellulase, pectinase, β-glucanase, amylase, protease, and phytase on the performance of laying hens fed corn–soybean meal diet
Notice bibliographique
Résumé
This study evaluates the dose–response effects of a multienzyme blend on performance, egg and eggshell quality, caecal microflora, nutrient digestibility, and digesta viscosity in hens fed corn–soybean meal (SBM) diet. Three hundred, 23-week-old Hy-Line Brown hens (1.92 kg) from GANONGBIO breeding farms, South Korea, were randomly assigned to 5 dietary treatments (15 replicates, 4 hens/replicate). After a 14-day adaptation, hens received a corn–SBM basal diet (CON) or CON supplemented with 0.015% (ME1), 0.025% (ME2), 0.0375% (ME3), or 0.05% (ME4) multienzyme for 12 weeks. Multienzyme supplementation linearly improved ( p < 0.05) hen-day egg production, egg mass, and feed conversion at 12 weeks. Egg loss showed a quadratic effect ( p < 0.05) during 8 weeks, and a linear reduction ( p < 0.05) at 12 weeks. Haugh unit, yolk weight, and percentage showed a quadratic effect ( p < 0.05) at 12 weeks, while yolk cholesterol decreased linearly ( p < 0.05) at 8 weeks. Digestibility of dry matter, crude protein, gross energy, nonstarch polysaccharides, xylan, threonine, valine, and serine increased linearly ( p < 0.05). Lactobacillus spp. and Bifidobacterium spp. increased ( p < 0.05), while Escherichia coli and coliforms decreased ( p < 0.05). Multienzyme inclusion from ME1 to ME4 amplified prebiotic and bioactive effects within the gastrointestinal tract, resulting in enhanced nutrient metabolism, improved gut health, and performance in laying hens.
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) | 0,000 | 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 ».