آمار
| تعداد نشریات | 41 |
| تعداد شماره‌ها | 1,027 |
| تعداد مقالات | 12,542 |
| تعداد مشاهده مقاله | 13,728,106 |
| تعداد دریافت فایل اصل مقاله | 11,679,817 |
مطالعه بازده خوراک براساس شاخص مازاد مصرف خوراک و بازدهی خوراکی براساس شیر تصحیح‌شده برای 4 درصد چربی در گاوهای شیرده نژاد هلشتاین | ||
| پژوهش های علوم دامی (دانش کشاورزی) | ||
| دوره 31، شماره 4، اسفند 1400، صفحه 89-112 اصل مقاله (1.27 MB) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/as.2021.40408.1574 | ||
| نویسندگان | ||
رضا لطفی نوقابی1؛ عبدالمنصور طهماسبی  2؛ سید هادی ابراهیمی3؛ مریم راستین4
| ||
| 1دانشجوی دکتری تغذیه نشخوارکنندگان، گروه علوم دامی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 2گروه علوم دامی دانشگاه فردوسی مشهد | ||
| 3گروه علوم دامی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 4مرکز تحقیقات ایمنولوژی، پژوهشگاه بوعلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران | ||
| چکیده | ||
| زمینه مطالعاتی: بررسی بازده خوراک در گاوهای شیرده از اهمیت ویژه‌ای برخوردار است. هدف: مطالعه دینامیک بازدهی خوراک براساس شاخص مازاد مصرف خوراک (RFI) و شیر تصحیح‌شده برای 4 درصد چربی (FCM4/DMI) در گاوهای شیرده نژاد هلشتاین بود. روش کار: تعداد 30 راس گاو شیرده در اواسط شیردهی به مدت 60 روز تغذیه شد‌ند. ماده خشک مصرفی (DMI)، تولید شیر، وزن زنده بدن، نمره وضعیت بدنی، افزایش وزن روزانه و ترکیبات شیر رکورد‌برداری شد. همچنین انرژی خروجی شیر، انرژی تغییرات بدنی و وزن متابولیکی براساس داده‌های اولیه و معادلات انرژی (NRC, 2001) محاسبه گردید. RFI به‌وسیله 4 مدل مختلف رگرسیونی خطی چند متغیره برای دو فاصله 30 و 60 روزه مدل‌سازی شد. نتایج: در جامعه مورد مطالعه، RFI قابل اندازه‌گیری است. ضریب تبیین مدل‌ها برای دوره 60 روزه برای مدل 1، 2، 3 و 4 به ترتیب توانست 51/88، 82/78، 05/80 و 41/64 درصد از تغییرات متغیر وابسته (DMI) توسط متغیرهای مستقل را تبیین نماید. میانگین و انحراف معیار RFI برای دوره 60 روزه برای مدل 1، 2، 3 و 4 به ترتیب 86/0 ± 0، 25/1 ± 0، 18/1 ± 0 و 68/1 ± 0 کیلوگرم ماده خشک در روز بود. همین روند برای دوره 30 روزه نیز مشاهده شد. ضریب همبستگی پیرسون برای DMI بین دوره 30 و 60 روزه 994/0 و RFI براساس مدل 1 بین دوره 30 و 60 روزه 882/0 بود. همبستگی بین DMI، FCM4/DMI و RFI با دیگر صفات عملکردی و تولیدی، روابط منطقی بین متغیرها مشاهده شد. رابطه منفی معنی‌دار بین FCM4/DMI با درصد پروتئین خام شیر (P<0.001) و روند معنی‌داری بین RFI با درصد چربی و پروتئین شیر (P<0.1) بسیار مهم بود. نتیجه‌گیری نهایی: اندازه‌گیری بازده خوراک براساس RFI حداقل در یک دوره 30 روزه قابل اندازه‌گیری است. همچنین اگر چه مدل 1 و متغیرهای آن به خوبی متغیر وابسته (DMI) را تبیین نموده‌اند، اما تلاش علمی براساس رویکرد کل‌نگرانه برای یافتن دیگر متغیرها موثر برای بهبود ضریب تبیین مدل‌ها پیشنهاد می‌شود. | ||
| کلیدواژه‌ها | ||
| بازدهی خوراک؛ درصد پروتئین شیر؛ رویکرد کل‌نگرانه؛ گاو شیرده؛ شیر تصحیح‌شده 4 درصد چربی؛ مازاد مصرف خوراک | ||
| مراجع | ||
|
AOAC. 2000. Official methods of analysis, Association of Official Analytical Chemists (AOAC).
Arndt C, Powell J, Aguerre M, Crump P, Wattiaux M. 2015. Feed conversion efficiency in dairy cows: Repeatability, variation in digestion and metabolism of energy and nitrogen, and ruminal methanogens. Journal of Dairy Science. 98(6):3938-3950.
Asher A, Shabtay A, Haim A, Aharoni Y, Miron J, Adin G, Tamir A, Arieli A, Halachmi I, Moallem U. 2014. Time required to determine performance variables and production efficiency of lactating dairy cows. Journal of Dairy Science. 97(7):4340-4353.
Bauman D. 2012. Optimizing Dairy Cow Genetics Through Nutrition. Department of Animal Science at the New York State College of Agriculture and Life Sciences (A Statutory College of the State University of New York) Cornell University.1.
Connor E. 2015. Invited review: Improving feed efficiency in dairy production: Challenges and possibilities. Animal. 9(3):395-408.
Connor E, Hutchison J, Norman H, Olson K, Van Tassell C, Leith J, Baldwin R. 2013. Use of residual feed intake in Holsteins during early lactation shows potential to improve feed efficiency through genetic selection. Journal of Animal Science. 91(8):3978-3988.
Connor E, Hutchison J, Van Tassell C, Cole J. 2019. Defining the optimal period length and stage of growth or lactation to estimate residual feed intake in dairy cows. Journal of Dairy Science. 102(7):6131-6143.
Council NR. 2001. Nutrient requirements of dairy cattle: 2001. National Academies Press.
De Souza Rd, Tempelman R, Allen M, VandeHaar M. 2019. Updating predictions of dry matter intake of lactating dairy cows. Journal of Dairy Science. 102(9):7948-7960.
Elolimy A, Arroyo J, Batistel F, Iakiviak M, Loor J. 2018. Association of residual feed intake with abundance of ruminal bacteria and biopolymer hydrolyzing enzyme activities during the peripartal period and early lactation in Holstein dairy cows. Journal of Animal Science and Biotechnology. 9(1):1-10.
Herd R, Arthur P. 2009. Physiological basis for residual feed intake. Journal of Animal Science. 87(suppl_14):E64-E71.
Jewell K, McCormick C, Odt C, Weimer P, Suen G. 2015. Ruminal bacterial community composition in dairy cows is dynamic over the course of two lactations and correlates with feed efficiency. Applied and Environmental Microbiology. 81(14):4697-4710.
Johnson JR, Carstens GE, Krueger WK, Lancaster PA, Brown EG, Tedeschi LO, Anderson RC, Johnson KA, Brosh A. 2019. Associations between residual feed intake and apparent nutrient digestibility, in vitro methane-producing activity, and volatile fatty acid concentrations in growing beef cattle. Journal of Animal Science. 97(8):3550-3561.
Koch R, Swiger L, Chambers D, Gregory K. 1963. Efficiency of feed use in beef cattle. Journal of Animal Science. 22(2):486-494.
Lancaster P, Carstens G, Michal J, Brennan K, Johnson K, Davis M. 2014. Relationships between residual feed intake and hepatic mitochondrial function in growing beef cattle. Journal of Animal Science. 92(7):3134-3141.
Løvendahl P, Difford G, Li B, Chagunda M, Huhtanen P, Lidauer M, Lassen J, Lund P. 2018. Selecting for improved feed efficiency and reduced methane emissions in dairy cattle. Animal. 12(s2):s336-s349.
Lynch J, Barbano D, Schweisthal M, Fleming J. 2006. Precalibration evaluation procedures for mid-infrared milk analyzers. Journal of Dairy Science. 89(7):2761-2774.
Mäntysaari P, Liinamo A, Mäntysaari E. 2012. Energy efficiency and its relationship with milk, body, and intake traits and energy status among primiparous Nordic Red dairy cattle. Journal of Dairy Science. 95(6):3200-3211.
Manzanilla-Pech C, Veerkamp R, Tempelman R, van Pelt M, Weigel K, VandeHaar M, Lawlor T, Spurlock D, Armentano L, Staples C. 2016. Corrigendum to “Genetic parameters between feed-intake-related traits and conformation in 2 separate dairy populations—the Netherlands and United States”(J. Dairy Sci. 99: 443–457). Journal of Dairy Science. 99(5):4095.
Naderi M, Sarvari A, Milanifar A, Boroujeni S, Akhondi M. 2012. Regulations and ethical considerations in animal experiments: international laws and islamic perspectives. Avicenna Journal of Medical Biotechnology. 4(3):114.
Potts S, Boerman J, Lock A, Allen M, VandeHaar M. 2015. Residual feed intake is repeatable for lactating Holstein dairy cows fed high and low starch diets. Journal of Dairy Science. 98(7):4735-4747.
Rius A, Kittelmann S, Macdonald K, Waghorn G, Janssen P, Sikkema E. 2012. Nitrogen metabolism and rumen microbial enumeration in lactating cows with divergent residual feed intake fed high-digestibility pasture. Journal of Dairy Science. 95(9):5024-5034.
Shetty N, Løvendahl P, Lund M, Buitenhuis A. 2017. Prediction and validation of residual feed intake and dry matter intake in Danish lactating dairy cows using mid-infrared spectroscopy of milk. Journal of Dairy Science. 100(1):253-264.
Thornhill J, Marett L, Auldist M, Greenwood J, Pryce J, Hayes B, Wales W. 2014. Whole-tract dry matter and nitrogen digestibility of lactating dairy cows selected for phenotypic divergence in residual feed intake. Animal Production Science. 54(9):1460-1464.
Vandehaar M. 1998. Efficiency of nutrient use and relationship to profitability on dairy farms. Journal of Dairy Science. 81(1):272-282.
Vranković L, Aladrović J, Octenjak D, Bijelić D, Cvetnić L, Stojević Z. 2017. Milk fatty acid composition as an indicator of energy status in Holstein dairy cows. Archives Animal Breeding. 60(3):205-212.
Wang X, Kadarmideen H. 2019. Metabolomics analyses in high-low feed efficient dairy cows reveal novel biochemical mechanisms and predictive biomarkers. Metabolites. 9(7):151.
Wildman E, Jones G, Wagner P, Boman R, Troutt Jr H, Lesch T. 1982. A dairy cow body condition scoring system and its relationship to selected production characteristics. Journal of Dairy Science. 65(3):495-501.
Xi Y, Wu F, Zhao D, Yang Z, Li L, Han Z, Wang G. 2016. Biological mechanisms related to differences in residual feed intake in dairy cows. Animal. 10(8):1311-1318.
Xie Y, Wu Z, Wang D, Liu J. 2019. Nitrogen partitioning and microbial protein synthesis in lactating dairy cows with different phenotypic residual feed intake. Journal of Animal Science and Biotechnology. 10(1):1-8.
Zahmatkesh D, Zeinali M, Mirzaei Alamooti H, Mahboobi E, Sefidpari P. 2019. Assessment of input and energy consumption in dairy farms with different housing systems. Journal of Animal Science Research. 28(4):99-112. | ||
|
آمار تعداد مشاهده مقاله: 157 تعداد دریافت فایل اصل مقاله: 63 |
||
