《Italian Journal of Animal Science》：Prediction of total mixed ration composition for dairy buffaloes using portable near-infrared spectrophotometers
编辑推荐：
实验室方法（LAB）用于饲料分析可靠但耗时且昂贵。近红外反射光谱（NIRS）提供了一种非破坏性替代方案，便携式设备增加了对饲料成分进行农场实时监测的兴趣。然而，其相对于实验室方法的准确性仍未得到充分验证。本研究评估了两款便携式NIRS仪器与实验室方法在奶水牛全
实验室方法（LAB）用于饲料分析可靠但耗时且昂贵。近红外反射光谱（NIRS）提供了一种非破坏性替代方案，便携式设备增加了对饲料成分进行农场实时监测的兴趣。然而，其相对于实验室方法的准确性仍未得到充分验证。本研究评估了两款便携式NIRS仪器与实验室方法在奶水牛全混合日粮（TMR）化学成分表征方面的比较。研究人员收集了230份TMR样本，用两种设备扫描，并用实验室方法分析。评估的参数包括干物质（DM）、乙醚提取物（EE）、粗灰分（ASH）、粗蛋白（CP）、中性洗涤纤维（neutral detergent fibre, NDF）、酸性洗涤纤维（acid detergent fibre, ADF）、酸性洗涤木质素（acid detergent lignin, ADL）和淀粉。方法间的一致性通过Bland-Altman和Passing-Bablok分析检查，差异通过Friedman ANOVA评估。主成分分析（PCA）用于探索数据集的多维结构。最后，使用Passing-Bablok回归校正NIRS偏差并重新评估与参考方法的一致性。DM观察到良好一致性（NIRS_A平均差异3.12%，NIRS_B平均差异0.99%），EE中等（<0.5%），而纤维组分、CP、ASH和淀粉出现较大差异。Passing-Bablok回归揭示了显著的恒定和比例偏差，特别是纤维和淀粉。偏差校正改善了一致性，DM和EE预测与实验室值紧密匹配（例如DM：斜率=1.00，截距=0.95）。PCA表明NIRS设备捕捉了整体成分模式，NIRS_B表现出较低变异性。结论：便携式NIRS设备尚不能取代奶水牛TMR的实验室分析；然而，在偏差校正后，它们可能具有作为农场监测工具的潜力。
动物饲料的组成直接影响家畜健康、生产性能和资源利用效率，传统实验室分析方法虽可靠但耗时昂贵，难以满足农场实时决策需求。近红外反射光谱（NIRS）作为一种快速非破坏性技术，能够多参数同时分析，但其预测精度高度依赖校准模型，且受样品水分、颗粒度和异质性影响。便携式NIRS设备的发展为现场监测提供了可能，但现有校准多基于奶牛全混合日粮（TMR），而奶水牛TMR在原料组成、纤维比例等方面存在差异，其适用性未得到充分验证。因此，本论文发表在《Italian Journal of Animal Science》的研究旨在评估两款便携NIRS设备在奶水牛TMR化学成分预测中与实验室方法的一致性，并探索偏差校正策略以提升可靠性。
研究人员从意大利中部（罗马和弗罗西诺内省）11个商业水牛场收集了230份TMR样品（2021-2025年），使用两款便携NIRS仪器（NIRS_A：900-1700 nm，3.2 nm分辨率；NIRS_B：950-1650 nm，2 nm分辨率）在反射模式下扫描新鲜样品，每个样品采集4次光谱。实验室参照AOAC官方方法测定干物质（DM）、乙醚提取物（EE）、粗灰分（ASH）、粗蛋白（CP，凯氏定氮）、淀粉（酶法）、中性洗涤纤维（aNDFom，含淀粉酶和亚硫酸钠处理）、酸性洗涤纤维（ADF）及酸性洗涤木质素（ADL）。物理组分采用Penn State Particle Separator分析颗粒分布。统计方法包括Bland-Altman图、Passing-Bablok回归、Friedman ANOVA和主成分分析（PCA），并基于Passing-Bablok回归方程进行偏差校正。
研究结果按照以下小标题进行阐述：
描述性统计：通过计算均值、标准差、变异系数（CV）等参数发现，实验室方法测定的TMR各成分CV值均高于便携NIRS预测值，表明数据变异性更大。正态性检验显示，多数变量不符合正态分布，仅DM和ASH在NIRS_A预测中呈正态，而NIRS_B所有参数均呈正态。ASH在实验室与NIRS间均值最接近，CV最小；ADF则差异最大，CV最高。
便携NIRS预测性能的Bland-Altman图评估：通过Bland-Altman图分析，DM在两种NIRS设备上均显示良好一致性，平均偏差较小（NIRS_A为3.12%，NIRS_B为0.99%），且无显著比例趋势；EE偏差中等（<0.5%），点随机分布；ASH偏差接近零，但随浓度升高有轻微比例趋势；CP呈轻度高估，偏差分别为-1.37%和-0.96%；aNDFom和ADF存在明显系统低估，偏差范围4.43%-6.34%，且NIRS_B随纤维含量升高低估加剧；ADL（仅NIRS_A）平均偏差2.21%；淀粉偏差较大，平均偏差-3.48%和-0.83%，一致性限较宽。
便携NIRS预测性能的Passing-Bablok回归评估：通过Passing-Bablok回归分析，DM显示较高相关性，但斜率<1、截距>0，表明存在比例和恒定偏差；NIRS_B相关性略高，偏差较小。ASH和CP相关性低，斜率和截距显著偏离1和0，说明比例偏差明显。EE在NIRS_A中无显著偏差，但相关性中等；NIRS_B则存在恒定和比例偏差。aNDFom、ADF和ADL的斜率低于1、截距高，恒定和比例偏差显著。淀粉预测中，NIRS_A斜率<0.6，NIRS_B相关性极低，均显示明显偏差。
不同方法对TMR近似组成的影响（Friedman ANOVA）：Friedman方差分析显示，所有成分的分析方法效应均显著（P<0.001）。配对比较表明，两种NIRS均显著低估aNDFom和ADF，高估CP、EE和淀粉。NIRS_A对EE和ADF预测更优，NIRS_B对DM、CP和淀粉预测更优，但两种NIRS间除ASH外均存在显著差异（P<0.001）。
多元分析（PCA）：主成分分析表明，实验室数据、NIRS_A和NIRS_B在第一主平面上部分重叠，第一和第二主成分分别解释43.2%和20.4%的总方差。实验室数据分布最广，NIRS_B形成更紧密簇。PC1主要与结构性碳水化合物（aNDFom和ADF）正相关，与淀粉、EE和CP负相关；PC2主要与ASH、DM和CP负相关。说明NIRS可捕捉整体成分模式，但存在系统差异。
Passing-Bablok偏差校正对NIRS预测的影响：应用Passing-Bablok回归方程校正后，Bland-Altman分析显示大多数成分的平均偏差接近零，一致性限改善，但淀粉（尤其NIRS_B）仍宽。Passing-Bablok回归显示DM和EE的斜率接近1、截距接近0，消除了明显偏差；而ASH、CP和淀粉仍保留显著比例偏差。Friedman ANOVA显示校正后除DM和ADF外，其他成分方法间差异不显著，表明偏差校正显著提升了预测可靠性，但需注意校正基于同一数据集，未经独立验证，通用性有限。
总结讨论部分：讨论指出DM预测表现优良归因于水分在近红外区强吸收（1400 nm和1900 nm）促进预测，但新鲜样品的水分干扰也可能影响光谱稳定性；ASH和CP预测差源于近红外对矿物质灵敏度低及便携设备波长范围（900-1700 nm）未能覆盖蛋白质主要吸收带（2050-2250 nm和1600-1700 nm）；纤维组分预测系统低估是由于纤维素、半纤维素和木质素光谱重叠，以及便携设备缺失关键吸收区（1700-1800 nm和2100-2200 nm），另实验室方法本身对ADL测定误差较大；淀粉预测差与颗粒分布高度变异及多种碳水化合物光谱干扰有关。研究还指出，内置校准模型针对奶牛TMR开发，可能不匹配水牛TMR特点，尤其aNDFom与NDF定义差异导致系统偏差。偏差校正有效减少了恒定和比例偏差，但残留偏差仍存在，提示需开发物种特异性校准或独立验证。
翻译研究结论部分：本研究结果表明，两款便携NIRS设备对DM测定非常有效，对EE效果稍差，但对ASH、CP、纤维组分和淀粉有较大局限性。蛋白质和纤维组分的预测需要更加谨慎，因为与参考方法的差异显著。即使在基于数据集内部分割和缺乏独立外部验证的内部校准-验证方法范围内，应用Passing-Bablok回归校正NIRS预测显著改善了对大多数成分与实验室测量的一致性，表明观察到的差异主要是由于系统偏差，偏差校正后的NIRS数据能提供更可靠的估计。尽管存在这些可以通过偏差校正来缓解的局限性，但即使在校正后，某些参数仍存在残留比例偏差。便携NIRS仪器在速度、易用性和非破坏性测量方面具有重要优势，使其成为快速现场评估TMR的有前景工具，但其性能应在独立验证条件下确认。
