BƯỚC ĐẦU SỬ DỤNG KỸ THUẬT QUANG PHỔ HẤP PHỤ CẬN HỒNG NGOẠI NEAR INFRARED REFLECTANCE SPECTROSCOPY - NIRS ĐỂ CHẨN ĐOÁN THÀNH PHẦN HOÁ HỌC CỦA PHÂN VÀ THỨC ĂN CHO GIA SÚC NHAI LẠI Vũ Chí C
Trang 1BƯỚC ĐẦU SỬ DỤNG KỸ THUẬT QUANG PHỔ HẤP PHỤ CẬN HỒNG NGOẠI (NEAR INFRARED REFLECTANCE SPECTROSCOPY - NIRS) ĐỂ CHẨN ĐOÁN THÀNH PHẦN HOÁ HỌC CỦA PHÂN VÀ THỨC ĂN CHO GIA SÚC NHAI LẠI
Vũ Chí Cương*, Phạm Kim Cương, Đoàn Thị Khang và Nguyễn Thu Anh
Viện Chăn Nuôi
*Tác giả để liên hệ: TS Vũ Chí Cương, Phó Viện trưởng Viện Chăn nuôi,
ĐT: 0912121506, Email: vccuong@netnam.vn
ĐẶT VẤN ĐỀ
Kỹ thuật quang phổ hấp phụ cận hồng ngoại (Near Infrared Reflectance Spectroscopy viết tắt là NIRS) là kỹ thuật đã được biết đến từ lâu và hiện nay đã được ứng dụng rộng rãi vào nhiều lĩnh vực: xác định lượng nước trong ngũ cốc và các loại hạt (Norris và Hart, 1965), xác định thành phần hoá học và tỷ lệ tiêu hoá của cỏ khô, các thức ăn thô khô (Brown và cộng sự, 1990), thức ăn ủ chua (Park và cộng sự 1998),
cỏ tươi (Berarado và cộng sự 1997; Givens và cộng sự 1997), xác định lượng thức ăn
ăn vào (Coelho và cộng sự, 1988), xác định thành phần hoá học và giá trị dinh dưỡng của các thức ăn hạt cốc cho gia súc nhai lại (Arminda và cộng sự., 1998), lợn (Van Barneveld và cộng sự., 1999), gia cầm (Valdes và Leeson, 1992), xác định tinh bột,
mỡ, dầu thực vật, năng lượng trao đổi, tồn dư thuốc bảo vệ thực vật và độc tố trong ngũ cốc (Wrigley, 1999), kiểm tra các loại thực phẩm (De Boever và cộng sự, 1994), tồn dư nấm mốc và các chất phụ gia trộn trong nguyên liệu thức ăn (Givens và Deaville, 1999)
Dùng NIRS để xác định thành phần hoá học, tỷ lệ tiêu hoá của thức ăn, từ đó ước tính giá trị dinh dưỡng của thức ăn đã được công nhận là phương pháp phòng thí nghiệm có độ chính xác cao (Boval và cộng sự, 2004) NIRS cũng là phương pháp được AOAC chính thức công nhận để phân tích protein thô và ADF và ẩm độ (Barton và Windham, 1998) Những ưu điểm, hạn chế của phương pháp này đã được nhiều tác giả đề cập đến (Givens và cộng sự, 1997; Coleman và cộng sự 1999)
NIRS cho phép phân tích nhanh, nhiều mẫu đồng thời, không độc hại, không phá huỷ môi trường vì không dùng hoá chất, ít tốn thời gian, rẻ dù đầu tư ban đầu cao để mua thiết
bị (William và cộng sự., 1998), chuẩn bị mẫu đơn giản (Mark và cộng sự, 2002), độ chính xác khá cao, đơn giản cho sử dụng và vận hành (Given và Deaville, 1999) Nhược điểm của phương pháp là cần nhiều thời gian cho chuẩn hoá và phát triển mô hình, xử lý số liệu khó, chuyển đổi số liệu từ các máy khác nhau về serie khá khó khăn (Given và Deaville, 1999) Với mục đích ứng dụng NIRS để xây dựng phương trình chẩn đoán thành phần hoá học của thức ăn, phân tiến tới xây dựng phương trình chẩn đoán tỷ lệ tiêu hoá và giá trị dinh dưỡng của thức ăn chúng tôi tiến hành đề tài này
VẬT LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU Nguyên lý của phương pháp
Theo William và cộng sự (1998), nguyên lý của phương pháp này như sau: Khi có một chùm ánh sáng tới chiếu qua các mẫu sinh học, vùng ánh sáng cận hồng ngoại (750-2500nm) được các cầu nối C-H, N-H, O-H - là các thành tố cơ bản tạo nên các chất hữu cơ
Trang 2của mô sinh học, hấp phụ Đo phổ ánh sáng phản xạ từ các mẫu ta có được các thông tin về thành phần hoá học của mẫu đó Từ phổ (Spectrum) thu được nhờ một phần mềm ví dụ WinISI chúng ta có được một ma trận các giá trị số của phổ cho một chất hữu cơ nào đó (ví
dụ protein thô) Vì mẫu đồng thời cũng được phân tích thành phần hoá học nên chúng ta có được một ma trận số các giá trị phân tích về một chất hữu cơ nào đó (ví dụ protein thô) Dùng các mô hình thống kê nhiều biến cho phép mô tả quan hệ giữa phổ hấp phụ và thành phần hoá học, quan hệ này sau đó chính là mô hình toán để chẩn đoán thành phần hoá học của các mẫu chưa phân tích tại phòng thí nghiệm Toàn bộ nguyên lý của quá trình này được mô tả trong Sơ đồ 1
Phần mềm WINisi Phân tích
Ma trận kết quả phân tích chất A
Phương trình chẩn đoán của NIRS cho chất A
Sơ đồ 1: Qui trình xây dựng phương trình chẩn đoán thành phần hoá học của thức ăn và
phân với máy NIRS Các mẫu thức ăn, phân sử dụng trong nghiên cứu
Mẫu sử dụng trong thí nghiệm gồm: cỏ tự nhiên và cỏ trồng trong thí nghiệm in vivo trên cừu và phân cừu trong thí nghiệm tiêu hoá in vivo đang được tiến hành tại Viện Chăn nuôi từ năm 2004 - 2005 Các mẫu sau khi được sấy khô ở 450C trong 24 giờ được nghiền đến 1 mm để phân tích thành phần hoá học và chạy quét phổ trên máy NIRS monochromator 5000 của hãng Foss, USA
Phân tích thành phần hoá học
Thành phần hóa học thức ăn, phân đựơc phân tích tại phòng Phân tích thức ăn và sản phẩm chăn nuôi, Viện Chăn nuôi Các tiêu chuẩn TCVN 4326 - 86, TCVN 4328 - 86, Shocklex, TCVN 4329 - 86, TCVN 4327 - 86 đựơc sử dụng để phân tích tỷ lệ nước ban đầu, protein thô, mỡ thô, xơ thô và khoáng tổng số NDF, ADF được xác định theo phương pháp của Goering và Van Soest (1970)
Chạy phổ và xử lý số liệu và xây dựng phưong trình chẩn đoán
Qui trình chạy và xây dựng phương trình chẩn đoán theo Sơ đồ 1 Mẫu thức ăn sau chạy phổ được phần mềm chuyên dụng WinISI chuyển thành một ma trận số Ma trận này
Ma trận phổ hấp phụ chất A
Trang 3cùng với ma trận kết quả phân tích sẽ được hồi qui với nhau (sau khi đã loại bỏ tự động các
số liệu cực đoan) với WinISI để xây dựng phương trình chẩn đoán Mô hình toán học để xây dựng quan hệ giữa hai ma trận số là hồi qui tuyến đa chiều (Multiple linear regssion-MLR):
Y= b0 + b1X1 + b2X2 + … + biXi + bpXp
Trong đó: Y là kết quả phân tích phòng thí nghiệm của chất A nào đó;
X là kết quả chẩn đoán với NIRS; b: hệ số
KẾT QUẢ VÀ THẢO LUẬN Kết quả xây dựng phương trình chẩn đoán chất khô, protein thô, xơ thô và mỡ của cỏ
Bảng 1: Kết quả phân tích DM, CP, Fat và CF của cỏ trên máy NIRS
Bảng 2: So sánh kết quả phân tích DM, CP, Fat và CF của cỏ với kết quả NIRS
CK
CP
Mỡ
CF
Bảng 3: Phương trình hồi qui chẩn đoá DM, CP, Fat và CF của cỏ trên máy NIRS
Trang 428 26 24 22 20 18 16 14
12
10
28
26
24
22
20
18
16
14
12
10
S 1.22444 R-Sq 93.7%
R-Sq(adj) 93.6%
Fitted Line Plot DM_Co_Lab = 0.8393 + 0.9658 DM_Co_Nirs
CP_Co_Nirs
17.5 15.0 12.5 10.0 7.5 5.0
20.0 17.5 15.0 12.5 10.0 7.5 5.0
S 1.12181 R-Sq 90.8% R-Sq(adj) 90.6%
Fitted Line Plot
CP_Co_Lab = - 0.6514 + 1.082 CP_Co_Nirs
Fat_Co_Nirs
2.6 2.4 2.2 2.0 1.8 1.6
1.4
1.2
3.5
3.0
2.5
2.0
1.5
1.0
S 0.278106 R-Sq 69.2%
R-Sq(adj) 68.4%
Fitted Line Plot
Fat_Co_Lab = - 0.0101 + 1.033 Fat_Co_Nirs
CF_Co_Nirs
35.0 32.5 30.0 27.5 25.0
38 36 34 32 30 28 26 24 22 20
S 0.967966 R-Sq 92.9% R-Sq(adj) 92.7%
Fitted Line Plot
CF_Co_Lab = - 0.943 + 1.026 CF_Co_Nirs
Đồ thị 1, 2, 3, 4: Hồi qui giữa DM, CP, Fat và CF của cỏ phân tích phòng thí nghiệm và
chẩn đoán trên NIRS Kết quả xây dựng phương trình chẩn đoán DM, CP, Fat và CF của cỏ từ NIRS được trình bày ở các bảng 4, 5, 6 và đồ thị 3, 4, 5, 6 Kết quả này cho thấy trừ trường hợp Fat (R2 trung bình: 68,4%) các phương trình chẩn đoán DM, CP và CF của cỏ bằng NIRS có R2 cao (93,6; 90,6 và 92,7 %) với SEC (Standard error for callibration)-sai số của phép đo chấp nhận được (0,76; 0,42 và 0,72%), và sai số của phép đo sau khi đã hiệu chỉnh SECV (Standard error for cross validation) cũng đủ nhỏ để không gây sai số quá lớn của phép đo (0,97; 0,65 và 1,24%) Với R2 cao và sai số không lớn nên không có sự sai khác về các giá trị: Mean ± SD, Min và Max của DM, CP và CF của cỏ phân tích phòng thí nghiệm và chạy trên máy NIRS
Kết quả xây dựng phương trình chẩn đoán DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu
Kết quả xây dựng phương trình chẩn đoán DM, CP, Fat, CF, NDF, NDF và Ash của phân cừu từ NIRS được trình bày ở các bảng 4, 5, 6 và đồ thị 5, 6, 7, 8, 9, 10 và 11 Kết quả này cho thấy trừ trường hợp DM (R2 trung bình: 51,7%) các phương trình chẩn đoán
CP, Fat, CF, NDF, NDF và Ash của phân cừu từ NIRS có R2 cao đến khá cao (98,4; 95,1; 94,6; 94,2; 93,8 và 98,1%) với SEC (Standard error for callibration)-sai số của phép đo chấp nhận được (0,61; 0,2; 1,5; 1,36; 1,26 và 0,59%), và sai số của phép đo sau khi đã hiệu chỉnh SECV (Standard error for cross validation) cũng đủ nhỏ để không gây sai số quá lớn của phép đo (0,73; 0,27, 1,96; 1,70; 1,54 và 0,72%)
Với R2 cao và sai số không lớn (không vượt quá 2%) nên không có sự sai khác về các giá trị: Mean ± SD, Min và Max của DM, CP và CF của cỏ phân tích phòng thí nghiệm và chạy trên máy NIRS, trừ trường hợp chất khô
Bảng 4: Kết quả phân tích DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu trên máy NIRS
Trang 5Fat 54 2,36 1,23 0,90 6,04 0,20 0,27
Bảng 5: So sánh kết quả phân tích DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu với kết
quả NIRS
DM
CP
Fat
CF
NDF
ADF
Ash
Bảng 6: Phương trình hồi qui chẩn đoán DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu trên
máy NIRS
Trang 650 45 40 35
30
60
50
40
30
20
S 5.99241 R-Sq 52.5%
R-Sq(adj) 51.7%
Fitted Line Plot
DM_Phan_cuu_Lab = 0.072 + 1.013 DM_Phan_cuu_Nirs
CP_Phan_cuu_Nirs
30 25 20 15 10
30
25
20
15
10
S 0.585761 R-Sq 98.4% R-Sq(adj) 98.4%
Fitted Line Plot
CP_Phan_cuu_Lab = - 0.0002 + 1.000 CP_Phan_cuu_Nirs
MO_Phan_cuu_Nirs
8 7 6 5 4 3
2
1
0
8
7
6
5
4
3
2
1
0
S 0.274000 R-Sq 95.2%
R-Sq(adj) 95.1%
Fitted Line Plot
MO_Phan_cuu_Lab = 0.02573 + 0.9946 MO_Phan_cuu_Nirs
XO_Phan_cuu_Nirs
50 40 30 20 10
50
40
30
20
10
S 1.66222 R-Sq 94.7% R-Sq(adj) 94.6%
Fitted Line Plot
XO_phan_cuu_Lab = - 1.077 + 1.045 XO_Phan_cuu_Nirs
NDF_Phan_cuu_Nirs
70 60 50 40
30
80
70
60
50
40
30
S 2.10362 R-Sq 94.3%
R-Sq(adj) 94.2%
Fitted Line Plot
NDF_Phan_cuu_Lab = - 1.469 + 1.018 NDF_Phan_cuu_Nirs
A DF_Phan_cuu_Nirs
55 50 45 40 35 30 25 20
55
50
45
40
35
30
25
20
S 1.72064 R-Sq 93.9% R-Sq(adj) 93.8%
Fitted Line Plot
ADF_Phan_cuu_Lab = 1.070 + 0.9771 ADF_Phan_cuu_Nirs
Đồ thị 5, 6, 7, 8, 9, 10: Hồi qui giữa DM, CP, Fat, CF, NDF, NDF của phân cừu phân tích
phòng thí nghiệm và chẩn đoán trên NIRS
Khoa ng_Pha n_cuu_Nirs
28 26 24 22 20 18 16 14 12 10
2 8
2 6
2 4
2 2
2 0
1 8
1 6
1 4
1 2
1 0
S 0.666766 R-S q 98.1%
R-S q (ad j) 98.1%
Fitte d L ine P lot
Khoang_Phan_cuu_ Lab = 0.074 8 + 0.9953 Khoang_Phan_cuu_Nir s
Đồ thị 11: Hồi qui giữa Ash của phân cừu phân tích phòng thí nghiệm và chẩn đoán trên
NIRS Thảo luận
Chẩn đoán chất khô DM, CP, Fat và CF của cỏ bằng NIRS
Trang 7Trừ trường hợp Fat (R2 trung bình: 68,4%) các phương trình chẩn đoán DM, CP và CF của cỏ bằng NIRS của chúng tôi có R2 tương ứng là 93,6; 90,6 và 92,7% với SEC là 0,76; 0,42 và 0,72%, SECV là 0,97; 0,65 và 1,24% Các tác giả khác cũng thấy một kết quả tương đương Boval và cộng sự (2004) trên 88 mẫu chạy trên NIRS 5000 monochromator thấy R2 cho CP, NDF, ADF, OMD, OMI là: 98; 88; 89; 72 và 61% và SEC là 0,33, 0,88, 0,89, 0,021và 4,62 Danieli và cộng sự (2004) trên 173 mẫu cỏ thấy R2 và SEP cho CP là 94% và 1,3; cho NDF: 95% và 2,14, cho ADF: 92% và 2,06, cho CF: 93% và 1,57; cho Ash là 95% và 1,17 Cozzolio và cộng sự (2006) trên 90 mẫu thấy R2 cho CP, DM và ADF là: 91; 85 và 86% và SECV là 6,5; 27,4 và 22,1 Leite và Stuth (1995) nghiên cứu trên 173 mẫu cỏ và thức ăn thô thấy: R2 và SEC của phương trình chẩn đoán cho CP là: 97% và 1,02
Chẩn đoán DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu bằng NIRS
Trừ trường hợp DM (R2 trung bình: 51,7%) các phương trình chẩn đoán CP, Fat, CF, NDF, NDF và Ash của phân cừu từ NIRS của chúng tôi có R2 cao đến khá cao: 98,4; 95,1; 94,6; 94,2; 93,8 và 98,1%) với SEC tương ứng là 0,61; 0,2; 1,5; 1,36; 1,26 và 0,59%), và SECV là 0,73; 0,27, 1,96; 1,70; 1,54 và 0,72% Các tác giả khác cũng có được các kết quả tương đương với nghiên cứu của chúng tôi Theo Vu Dinh Tuan và cộng sự (2006) giá trị
R2 của Nitơ trong phân lợn 94% Lyons và Stuth (1992); Leite và Stuth (1995) nghiên cứu trên phân bò được ăn các khẩu phần khác nhau cho kết quả R2 cho CP của phân là 92; 94
và 89%
KẾT LUẬN VÀ ĐỀ NGHỊ Trừ trường hợp Fat của cỏ và DM của phân cừu (phương trình Y7 và Y9) có R2 thấp
<75%, các phương trình hồi qui từ: Y1; Y2; Y4; Y6; Y7 Y8 Y9; Y10; Y11 có thể dùng để chẩn đoán nhanh thành phần hoá học của cỏ và phân cừu
Cần tiếp tục nghiên cứu để tăng số mẫu, tăng chỉ tiêu và tăng độ chính xác của các phương trình chẩn đoán Đồng thời cần kiểm tra các phương trình có sẵn để có kết quả chính xác hơn có thể áp dụng sớm trong sản xuất
TÀI LIỆU THAM KHẢO
Arminda, M; Bruno-Soares; Ian Murray, Rhonda, M Paterson and Jose M F Abreu 1998 Use of NIRRS for
the prediction of the chemical composition and nutritional attitudes of green crop cereal Animal Feed Science and Technology 75:15-25
Barton, F.E., II & Windham, W.R 1988 Determination of acid detergent fibre and crude protein in forages
by near infrared reflectance spectroscopy: collaborative study Journal of the Association of Official Analytical Chemists, 71: 1162–1167
Berarado, N.; Dzowela, B H.; Hove, L and Odoardi, M 1997 Near infrared calibration of chemical
constituents of Cajanus cajan (pigeon pea) used as forage Amim Feed Sci Technol 69: 202-206 Boval, M., Coates, D B., Lacomte, P., Decruyenaere, V and Archimede, H 2004 Faecal Near-Infrared
Reflectance Spectroscopy (NIRS) to access chemical composition, in vivo digestibility and intake of tropical grass by Creolo cattle Animal Feed Science and Technology, Vol 114, Issues 1-4, 3 May
2004, Pp: 19-29
Brown, W F.; Moore, J E.; Kunkle, W e Chambliss, C G and Portier, K M 1990 Forage testing using
NIRS J anim Sci 68: 1416-1427
Coelho, M.; Hembry, F g.; Barton, F E and Saxton, A M 1988 A comparision of microbial, enzymatic,
chemical and NIRS methods in forage evaluation Anim Feed Sci Technol 20: 219-231
Coleman, S W.; Lippke, H.; Gill, M 1999 Estimating the nutritive potential of forages In: Jung, H J-G.;
Fahey, G C (Eds) Nutritional Ecology of Herbivores Proceeedings of the Fifth International
Trang 8Symposium on the Nutrition of Herbivores American Society of Animal Science, Savoy, IL, USA, pp: 647-695
Cozzolio, D., Fassio, A., Fernandez, E., Restaino, E and La Manga, A 2006 Measurements of chemical
composition in wet whole maize silage by visible and NIRS Anim Feed Sci Technol In press Available on line at www Agrinternetwork.net//www Sciencedirect.com/science
Danieli, P P., Carlini, P., Bernabucci, U., Ronchi, B 2004 Quality evaluation of regional forage resources
by means of near infrared reflectance spectroscopy Italian Journal of Animal Science, Vol 3,
363-376
De Boever, J.L., Cottyn, B.G., Vanacker, J.M & Boucque, C.V 1994 An improved enzymatic method by
adding gammanase to determine digestibility and predict energy value of compound feeds and raw materials for cattle Animal Feed Science and Technology, 47: 1–18
Given, D I and Deaville, E R 1999 The current and future role of near infrared reflectance spectroscopy in
animal nutrition: a riview Aust J Agric Res, 1999, 50, 1131-1145
Givens, D I., De Boever, J L & Deaville, E R 1997 The principles, practices and some future
applications of near infrared spectroscopy for predicting the nutritive value of foods for animals and humans Nutrition Research Reviews, 10, 83-114 International Grassland Congress Leipzig, Germeny, 454-463
Leite E R and Stuth J W 1995 Faecal NIRS equations to assess diet quality of free ranging goats Small
Ruminant Res, 15, pp: 223-230
Lyons, R K and Stuth, J W 1992 Faecal NIRS equations for pridicting diet quality of free rangeing cattle
J Range Manage 45, 3, pp:238-244
Mark, H., Ritchie, G.E., Roller, R.W., Ciurszak, E.W., Tso, C and MacDonald, S.A (2002) Validation of a
near-infrared transmission spectroscopic procedure, part A: validation protocols Journal of Pharmaceutical and Biomedical Analysis, 28: 251-260
Park, R S., Agnew, R E., Gordon, F J and Steen, R W J 1998 The use of NIRS on dried samples to
predict chemical composition and digestibility parameters Anim Feed Sci Technol 69, 3: 253-259 Valdes, E V and Leeson, S 1992 Near infrared reflectance analysis as a method to measure metabolisable
energy in complete poultry feeds Poultry Science 71: 1179-1187
Van Barneveld, R J; Nuttall, J D and Flinn, P C 1999 Near infrared reflectance measurement of the
digestible energy content of cereals for growing pigs Journal of Near Infrared Spectroscopy., 7, 1-7
Vu Dinh Tuan, V Porphyre, JL Farinet, Tran Duc Toan 2006 Composition of Animal Manure and
Co-products Pig Production Development, Animal-Waste Management and Environmnent Protection:
A case Study in Thaibinh Province, Northern Vietnam, pp: 128-143
William, J.F., Allen McIIwee., Ivan, L., Lem, A., Andrew, P and Woolnough, N B 1998 Ecological
application of near infrared reflectance spectroscopy - a tool for rapid, cost-effective prediction of the composition of plant and animal tissues and aspect of animal performance Oecologia (1998), 116: 293-305
Wrigley, C.W 1999 Potential methodologies and strategies for the rapid assessment of feed-grain quality
Australian Journal of Agricultural Research, 50: 789–805./
