《Poultry Science》：Bioelectrical Impedance Analysis as a Non-Invasive Tool to Predict Body Composition in Pullet Layers
编辑推荐：
本研究针对蛋雏鸡体组成（BC）监测缺乏快速无创方法的难题，开发了基于生物电阻抗分析（BIA）的预测模型。通过测量285只ISA Brown蛋雏鸡的电阻（Rs）、电抗（Xc）等参数，结合化学分析数据，建立了水分、蛋白质、脂肪、灰分和能量的多元线性回归方程，模型R2达0.942–0.997，相对预测误差为1.97%–10.6%。该技术为活体评估蛋雏鸡生理状态、优化营养管理提供了可靠工具，对提高产蛋期性能具有重要意义。
随着全球鸡蛋产量预计到2034年增长17%，蛋鸡养殖业面临精准营养管理的迫切需求。传统上，养殖户主要通过体重（BW）和均匀度来调控蛋雏鸡的生长发育，以触发其性成熟。然而，体重相同的蛋雏鸡可能具有截然不同的体组成（BC），包括水分、蛋白质、脂肪和矿物质的含量，而这些成分的变化更能反映其生理状态和未来的产蛋潜力。例如，脂肪作为产蛋期的能量储备，骨骼发育为蛋壳形成提供钙源，而过多的体脂又可能损害产蛋率和蛋重。因此，实时、无创地监测活体蛋雏鸡的体组成，对于制定精准的营养策略、保障其终身生产性能至关重要。
目前，评估家禽体组成的技术包括同位素稀释、超声波、计算机断层扫描（CT）、定量磁共振（QMR）和双能X射线吸收测定法（DXA）等。然而，这些方法往往存在成本高、操作复杂、有辐射暴露风险或难以在养殖场现场应用等局限性。生物电阻抗分析（BIA）作为一种无创、无辐射、便携且成本较低的技术，通过向生物体通入微弱的交流电，测量其电阻（Rs）和电抗（Xc）来推断体组成，在人类和肉鸡（Broiler）研究中已得到成功应用。但由于蛋鸡（Layer）与肉鸡在解剖结构和生理代谢上存在显著差异，直接套用肉鸡的预测模型并不可靠。因此，开发适用于蛋雏鸡的专用BIA预测方程成为当前研究的重点。本研究旨在填补这一空白，建立并验证一套能够准确预测0至16周龄（WOA）蛋雏鸡体组成的BIA方程，为研究和生产实践提供实用工具。
为开展此项研究，研究人员在西班牙Trouw Nutrition家禽研究中心的实验场内，对285只一日龄ISA Brown蛋雏鸡进行了为期16周的饲养试验。试验采用自由采食，饲料分为开食料（0-4周）、生长料（5-10周）和育成料（11-16周）。BIA测量在9个时间点（0、2、4、6、8、10、12、14、16周龄）进行，测量使用RJL Systems的Quantum V型号分析仪，工作频率为50 kHz，电流为400 μA。每次测量后，处死相应数量的鸡只，通过常规化学分析法测定其干物质、粗蛋白、脂肪、灰分和能量含量，以此作为金标准来验证BIA预测的准确性。研究将样本分为校准组（CG，190只）和验证组（VG，95只），采用多元线性回归建立预测模型，并利用独立数据集评估模型的预测精度。
研究结果
阻抗测量
电阻（Rs）和阻抗（Z）的整体趋势随周龄增加而下降，但在特定脂肪沉积阶段（如0-2周龄和10-14周龄）出现短暂升高，这与脂肪组织导电性较差的特性一致。电抗（Xc）在0-2周龄升高后逐渐下降，至10周龄达到最低点，随后又有所回升。相角（PA）则从出壳时的7.83°稳步上升至16周龄的17.1°，反映了细胞质量和完整性的增加。校准组和验证组的BIA参数变化趋势基本一致。
体组成
蛋雏鸡的体组成随周龄发生显著变化（P < 0.001）。水分含量（占体重百分比）从出壳时的76.5%持续下降至16周龄的56.0%。蛋白质含量（占干物质基础，% DM）先迅速增加，在12周龄达到峰值（25.4%）后略有下降。脂肪含量（% DM）则从出壳时的5.37%稳步上升，尤其在12周龄后加速积累，至16周龄达到15.9%。灰分含量（% DM）在0-2周龄快速上升后趋于稳定。能量含量（cal/g DM）随着脂肪的增加而升高。所有这些成分的绝对量（克或兆卡）均随周龄显著增加。
变量间相关性
年龄和体重与大部分体组成参数高度相关。电阻（Rs）和阻抗（Z）与水分含量呈正相关（r ≈ 0.73），与脂肪含量（% DM）呈负相关（r ≈ -0.25）。相角（PA）与水分和蛋白质含量负相关，而与脂肪和能量含量正相关。这些相关性为利用BIA参数预测体组成提供了理论基础。
回归方程
研究人员成功建立了预测水分、蛋白质、脂肪、灰分和能量（分别以% BW、% DM、克或兆卡表示）的多元线性回归方程。预测模型的决定系数（R2）很高，特别是对于水分（0.942）和蛋白质（0.716），对于脂肪（0.704）和灰分（0.287）的预测稍低。模型的相对平均预测误差（RMPE）普遍较低，例如水分为1.97%，蛋白质为4.20%，脂肪为10.6%。配对t检验表明，BIA预测值与化学分析实测值之间无显著差异，验证了方程的有效性。
讨论与结论
本研究首次系统地将BIA技术应用于蛋雏鸡体组成的无创预测，并建立了高精度的预测模型。研究表明，BIA能够敏感地捕捉到蛋雏鸡在生长过程中体组成的动态变化，尤其是水分减少和脂肪积累的关键转折点。与DXA等现有技术相比，BIA具有无辐射、便携、成本低、可实时活体测量等突出优势，更适合在养殖场环境中推广使用。
研究结果证实，达到特定的体组成阈值（如10-15%的体脂）可能对启动蛋鸡性成熟至关重要，而过高的体脂又可能对产蛋性能产生负面影响。因此，利用BIA技术定期监测蛋雏鸡的体组成，可以帮助养殖者更精细地调整饲喂程序，确保鸡群在转入产蛋舍时达到理想的生理状态，从而为高峰期产蛋性能和终身生产力打下坚实基础。
这项工作不仅为家禽营养生理学研究提供了一种新的工具，也为蛋鸡养殖业的精准化管理开辟了新的途径。未来研究可进一步探索BIA预测模型在不同蛋鸡品种中的普适性，以及体组成与产蛋期具体生产指标（如产蛋率、蛋重、料蛋比）之间的深层关联，从而最大化BIA技术在生产和科研中的应用价值。本研究论文已发表在 poultry science 期刊上。
