Predicción de la composición química de las heces y digesta ileal de cerdos mediante espectroscopia de reflectancia en el infrarrojo cercano (NIRS)

espagnol; castillan. Resumen La espectroscopia de reflectancia en el infrarrojo cercano (NIRS) permite estimar la composición química de diversas muestras, (ingredientes, productos de origen animal, etc.); sin embargo, existe poca información de su uso con muestras de digesta ileal (DI) o heces (H) de cerdo; por lo que el objetivo fue desarrollar ecuaciones de predicción basadas en el método de cuadrados mínimos parciales para predecir la composición química de DI y H a través de un NIRS. Se utilizaron 110 muestras de DI y 202 de H de experimentos de digestibilidad, obteniéndose su espectro y mediante un modelo multivariado se desarrolló el método de predicción. Las variables analizadas en la DI fueron: proteína cruda (PC), Leucina (Leu), lisina (Lys) y treonina (Thr) y en las H: materia seca (MS), PC y energía (E). Los valores en DI fueron: PC: R2 0.98, error estándar de calibración (SEC) 0.330, error estándar de predicción (SEP) 0.640; Leu: R2 0.95, SEC 0.040, SEP 0.102; Lys: R2 0.93, SEC 0.077, SEP 0.143; Thr: R2 0.67, SEC 0.209, SEP 0.187. En H fueron PC: R2 0.98, SEC 0.95, SEP 1.19; E (kcal/kg): R2 0.94, SEC 60.8, SEP 95.3; MS: R2 0.87, SEC 0.83, SEP 1.15. Los resultados muestran que la robustez de la calibración (DE/SEP) fue buena para PC, 3.34, Leu 2.07 y Lys 2.48 y regular para Thr 1.94, la predicción (RPD) fue buena para PC 2.11 en la DI. En H las R2 fueron altas para PC 0.98 y E 0.94. La mayor robustez fue para PC 5.59 y su predicción fue excelente 4.16 y buena para E 2.53. Se concluye que el NIRS puede predecir la PC en la DI y la PC y E en H. Para mejorar la estimación de aminoácidos en DI deben explorarse las causas que afectan la robustez de las calibraciones.

anglais. Abstract Near-infrared reflectance spectroscopy (NIRS) allows the estimation of the chemical composition of various samples (ingredients, animal products, etc.); however, there is little information on its use with samples of swine ileal digesta (ID) or feces (F). Therefore, the objective was to develop prediction equations based on the partial least squares method to predict the chemical composition of the ID and F through NIRS. 110 ID and 202 F samples from digestibility experiments were used, their spectra were obtained and a multivariate model was used to develop the prediction method. The variables analyzed in ID were: crude protein (CP), leucine (Leu), lysine (Lys) and threonine (Thr) and in F: dry matter (DM), CP and energy (E). The DI values were: PC: R2 0.98, standard error of calibration (SEC) 0.330, standard error of prediction (SEP) 0.640; Leu: R2 0.95, SEC 0.040, SEP 0.102; Lys: R2 0.93, SEC 0.077, SEP 0.143; Thr: R2 0.67, SEC 0.209, SEP 0.187. F values were: PC: R2 0.98, SEC 0.95, SEP 1.19; E (kcal/kg): R2 0.94, SEC 60.8, SEP 95.3; MS: R2 0.87, SEC 0.83, SEP 1.15. The results show that the calibration robustness (SD/SEP) was good for PC, 3.34, Leu 2.07 and Lys 2.48 and fair for Thr 1.94, the prediction (RPD) was good for PC 2.11 in ID. In F the R2 were high for PC 0.98 and E 0.94. The highest robustness was for PC 5.59 and its prediction was excellent 4.16 and good for E 2.53. It is concluded that NIRS can predict PC in ID and PC and E in F. In order to improve the estimation of amino acids in ID, the causes affecting the robustness of the calibrations should be explored.