劉嬋娟 趙向輝，2 徐 明，3 曹陽(yáng)春 楊 婷 姚軍虎*

(1.西北農(nóng)林科技大學(xué)動(dòng)物科技學(xué)院，楊凌 712100;2.江西農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院，南昌 330045;3.內(nèi)蒙古農(nóng)業(yè)大學(xué)動(dòng)物科學(xué)學(xué)院，呼和浩特 010018)

CPM-Dairy是基于康奈爾凈碳水化合-蛋白質(zhì)體系(CNCPS)研究開發(fā)的目前世界上最先進(jìn)的奶牛配方軟件［1］。它在飼糧配方設(shè)計(jì)中，考慮了動(dòng)物、環(huán)境與管理、飼料在瘤胃內(nèi)的消化與流通速率等因素，充分反映了動(dòng)物類型、生產(chǎn)水平、環(huán)境、飼糧組成及管理間的交互作用，體現(xiàn)了軟件的動(dòng)態(tài)性和精準(zhǔn)性。聚類分析是根據(jù)研究對(duì)象的特征對(duì)其進(jìn)行分類的多元技術(shù)的總稱，是應(yīng)用最廣泛的分類技術(shù)［2］。聚類分析在生物領(lǐng)域的應(yīng)用主要集中在對(duì)動(dòng)植物和基因進(jìn)行分類，獲取對(duì)種群固有結(jié)構(gòu)的認(rèn)識(shí)［3］。此方法可用來對(duì)變量進(jìn)行分類，稱為R型聚類，也可用以對(duì)案例進(jìn)行分類，稱為Q型聚類。多種分類聚類法中，應(yīng)用最廣泛的是層次聚類和迭代聚類［2］。聚類分析要求所選擇變量之間不可高度相關(guān)，否則相當(dāng)于對(duì)這些變量進(jìn)行了加權(quán)。分析結(jié)果中，同一類個(gè)體應(yīng)具有高度同質(zhì)性，不同類之間應(yīng)具有高度異質(zhì)性。

CPM-Dairy配方軟件通過對(duì)大量飼料及試驗(yàn)數(shù)據(jù)的回歸分析，集奶牛飼糧配方的預(yù)測(cè)、評(píng)價(jià)和優(yōu)化功能于一體［4］。研究表明，CNCPS體系對(duì)90%以上變量的預(yù)測(cè)結(jié)果與實(shí)際生產(chǎn)的偏差只有1.3%［5］。Tedeschi等［6］使用 CPM-Dairy 3.0 對(duì)228頭泌乳奶牛的實(shí)測(cè)與模型預(yù)測(cè)產(chǎn)奶量進(jìn)行線性回歸，結(jié)果表明，該模型對(duì)79.8%的變量做出了正確預(yù)測(cè)，整合相關(guān)系數(shù)高達(dá) 0.997［7-8］，預(yù)測(cè)的均方根誤差為5.14 kg/d，且87.3%的均方根誤差源于隨機(jī)誤差［9］，說明對(duì)高產(chǎn)奶牛的產(chǎn)奶量預(yù)測(cè)中，系統(tǒng)誤差很小。在美國(guó)，利用該體系使奶牛平均單產(chǎn)在10年間(1989—1998年)提高了20%，目前，CPM-Dairy配方軟件在全世界42個(gè)國(guó)家得到了廣泛的應(yīng)用。通過不同樣品的信息特征比較，聚類分析結(jié)果可表明樣品間的一致程度，進(jìn)而確定樣品的歸屬關(guān)系［10-11］。

由于生長(zhǎng)環(huán)境、收割期、加工方法及貯存時(shí)間不同，即便同一種飼料原料其營(yíng)養(yǎng)成分差異也較大［12-14］。因此，需要利用聚類分析方法對(duì)飼料進(jìn)行科學(xué)有效的分類和匯總。目前，我國(guó)奶牛應(yīng)用的飼料種類與品質(zhì)上與美國(guó)存在較大差異，已有的飼料成分表及營(yíng)養(yǎng)價(jià)值表也存在一定的局限性，主要表現(xiàn)在奶牛常用飼料營(yíng)養(yǎng)成分信息過時(shí)、不完善、分類不準(zhǔn)確等，給應(yīng)用CPM-Dairy配方軟件配制奶牛高效飼糧造成了不便。本研究旨在依據(jù)CNCPS和CPM-Dairy配方軟件的技術(shù)思想，收集、測(cè)定部分我國(guó)常用奶牛飼料原料的營(yíng)養(yǎng)成分，并用聚類分析法對(duì)飼糧樣品進(jìn)行科學(xué)分類，為建立奶牛精準(zhǔn)營(yíng)養(yǎng)管理軟件奠定基礎(chǔ)。

1 材料與方法

1.1 飼料樣品收集

對(duì)我國(guó)現(xiàn)有各大型牛場(chǎng)常用原料進(jìn)行調(diào)查研究，并與原CPM-Dairy飼料數(shù)據(jù)庫(kù)信息進(jìn)行對(duì)比分析，尋找并收集在原數(shù)據(jù)庫(kù)中沒有體現(xiàn)及國(guó)內(nèi)外成分差異較大的飼料品種，分別為苜蓿干草(442個(gè))、干酒糟及其可溶物(DDGS，143個(gè))、玉米粉(263個(gè))、玉米青貯(321個(gè))(表1)。原料收集后盡快于65℃烘干后裝袋保存，在測(cè)定前統(tǒng)一粉碎直徑為0.5 mm微粒。

1.2 指標(biāo)測(cè)定及方法

CPM-Dairy配方軟件從預(yù)測(cè)到優(yōu)化均以飼料各指標(biāo)的表觀數(shù)據(jù)為基礎(chǔ)，因此，需測(cè)定樣品中干物質(zhì)(DM)、有機(jī)物(OM)、粗蛋白質(zhì)(CP)、粗脂肪(EE)、中性洗滌纖維(NDF)、酸性洗滌纖維(ADF)、酸性洗滌木質(zhì)素(ADL)、粗灰分(ash)、非纖維性碳水化合物(NFC)、酸性洗滌不溶性蛋白質(zhì)(ADIP)、中性洗滌不溶性蛋白質(zhì)(NDIP)、可溶性蛋白質(zhì)(SP)、非蛋白氮(NPN)、淀粉、脂肪酸、微量元素(鐵、鋅、銅、錳、硒、鈷、碘)和常量元素(鈣、磷、鎂、鉀、鈉、氯)的含量。

測(cè)定方法:苜蓿干草、玉米粉和玉米青貯飼料樣品送至華夏牧業(yè)有限公司進(jìn)行近紅外掃描［15］，DDGS在西北農(nóng)林科技大學(xué)動(dòng)物科技學(xué)院實(shí)驗(yàn)室分析。其中，DM、OM、EE、CP、NDF、ADF、ADL、NFC、ash含量的測(cè)定參考 AOAC［16］，ADIP、NDIP、SP、NPN含量的測(cè)定參考 Fortina 等［17］、Krishnamoorthy 等［18］和 Licita 等［19］的方法，淀粉含量采用試劑盒(愛爾蘭Megazyme)測(cè)定，脂肪酸含量的測(cè)定參考Qi等［20］的方法，常量元素、微量元素含量采用原子吸收法測(cè)定［21］。

1.3 聚類分析

本研究嚴(yán)格遵循變量與聚類分析的研究目標(biāo)密切相關(guān)，不同研究對(duì)象上的值有明顯差異，變量間不可高度相關(guān)的原則，采用R型聚類對(duì)變量進(jìn)行篩選，并根據(jù)生產(chǎn)實(shí)踐和軟件需要對(duì)變量進(jìn)行最后確定。選定聚類變量后，通過Q型聚類對(duì)研究對(duì)象進(jìn)行分類。層次聚類是多種Q型聚類分析中應(yīng)用最廣泛的聚類方法，其聚類過程可用一個(gè)樹狀圖表示出來，根據(jù)樹狀結(jié)構(gòu)圖進(jìn)行不同的分類處理。

1.3.1 數(shù)據(jù)整理

以苜蓿干草(442個(gè)樣品)為例，簡(jiǎn)述在SPSS 17.0中進(jìn)行聚類分析的操作方法。將苜蓿干草各營(yíng)養(yǎng)成分的數(shù)值輸入軟件中(圖1)。

圖1 部分苜蓿干草營(yíng)養(yǎng)水平數(shù)據(jù)在SPSS 17.0中的輸入Fig.1 Input of partial data of nutrient levels of dry alfalfa hay in SPSS 17.0

1.3.2 聚類類型及方法的選擇

激活“分析(analysis)”菜單選“分類(classify)”中的“層次聚類(hierarchical cluster)”項(xiàng)，從彈出對(duì)話框左側(cè)的變量列表中選 ash、ADL、EE、CP、ADF、NDF、NFC(根據(jù)經(jīng)驗(yàn)選用常量指標(biāo))，點(diǎn)擊按鈕使之進(jìn)入“變量(variables)”框;在“聚類(cluster)”處選擇聚類類型，其中“個(gè)案(cases)”表示觀察對(duì)象聚類，variables表示變量聚類。本例是對(duì)變量聚類，因此，選擇variables(圖2)。

點(diǎn)擊“圖表(plots)”鈕，選擇“樹形圖(dendrogram)”項(xiàng)(圖3-a)，要求系統(tǒng)輸出聚類結(jié)果的樹狀關(guān)系圖，點(diǎn)擊“繼續(xù)(continue)”鈕返回。點(diǎn)擊“統(tǒng)計(jì)(statistics)”鈕，彈出“層次聚類分析(hierar-chical cluster analysis)”，選擇“相似矩陣(proximity matrix)”(圖3-b)，要求結(jié)果中顯示距離矩陣，點(diǎn)擊continue鈕返回hierarchical cluster analysis對(duì)話框。

在對(duì)變量的R型聚類中，以“皮爾遜相關(guān)關(guān)系(Pearson correlation)”作為聚類方法。為確保聚類結(jié)果的可信性，需選用不同的聚類方法反復(fù)聚類，取共同部分來去除隨機(jī)因素的影響［2］。在本例中，分別選用組間聚類和質(zhì)心聚類(centroid clustering)，如圖4所示。點(diǎn)擊 continue鈕返回 hierarchical cluster analysis對(duì)話框，點(diǎn)擊“確定(OK)”鈕即完成分析。

2 結(jié)果

2.1 飼料樣品指標(biāo)聚類結(jié)果

苜蓿干草主要指標(biāo)聚類樹狀圖見圖5。從2種聚類方法得到的樹狀圖可以看出，聚類方法可信。由于確定分類數(shù)的問題迄今尚無統(tǒng)一定論，實(shí)際操作中，需根據(jù)經(jīng)驗(yàn)而定，本例在與原數(shù)據(jù)庫(kù)比較的基礎(chǔ)上，選擇了CP和NDF作為分類主要指標(biāo)。

圖3 聚類結(jié)果顯示項(xiàng)選擇Fig.3 Clustering results display options

圖4 聚類方法和距離的選擇Fig.4 Clustering method and distance options

2.2 飼料樣品聚類結(jié)果

在對(duì)樣品的聚類中，本例中選用centroid clustering方法和平方歐幾里德距離(squared Euclidean distance)，先根據(jù)樣品的CP聚類，將樣品分為6大類，將歸到每1類的樣品CP值求平均。之后對(duì)每個(gè)蛋白質(zhì)類的樣品根據(jù)NDF指標(biāo)再重新聚類，對(duì)樹狀圖(略)結(jié)果進(jìn)行整理，苜蓿干草的442個(gè)樣品共分為12類，將每類中的樣品指標(biāo)整合后結(jié)果見表1。

同理，DDGS樣品聚類分析的結(jié)果是將CP和NDF作為主要指標(biāo)，在此基礎(chǔ)上，最終樣品分成了10大類，結(jié)果見表2。玉米粉的聚類結(jié)果是將淀粉作為主要指標(biāo)，樣品最后分為了5大類，結(jié)果見表3。根據(jù)聚類分析結(jié)果，玉米青貯的主要聚類指標(biāo)選定為NDF，樣品被分成了6大類，結(jié)果見表4。

表5為試驗(yàn)飼料所有樣品的各個(gè)指標(biāo)的平均值。

圖5 苜蓿干草主要指標(biāo)聚類樹狀圖Fig.5 Dendrogram of main indices of dry alfalfa hay

3 討論

聚類分析是數(shù)據(jù)挖掘中的一個(gè)重要研究領(lǐng)域［22-25］，在生物領(lǐng)域的應(yīng)用主要集中在對(duì)動(dòng)植物種群固有結(jié)構(gòu)的認(rèn)識(shí)，受到廣泛關(guān)注。聚類分析中，并不是加入的變量越多，得到的結(jié)果越客觀。有時(shí)，加入一兩個(gè)不合適的變量就會(huì)使得分類結(jié)果大相徑庭。而且，不加鑒別地使用高度相關(guān)的變量相當(dāng)于給這些變量進(jìn)行了加權(quán)［2］。因此，聚類分析應(yīng)該只根據(jù)在研究對(duì)象上有顯著差別的變量進(jìn)行分類，而研究者需要對(duì)聚類結(jié)果不斷進(jìn)行檢驗(yàn)，剔除在不同類之間沒有顯著差別的變量。此外，為使數(shù)據(jù)庫(kù)的界面更加友好，使用更便捷，CPM-Dairy配方軟件要求先對(duì)每1種飼料原料選出1個(gè)或幾個(gè)最具代表性的指標(biāo)，再根據(jù)選定指標(biāo)對(duì)樣品進(jìn)一步分類。本研究對(duì)飼料原料分類指標(biāo)的確定是由聚類分析的結(jié)果及飼料本身特性共同決定。

本研究在CNCPS的理論指導(dǎo)下，收集、分析了全國(guó)范圍內(nèi)部分我國(guó)常用奶牛飼料原料的營(yíng)養(yǎng)成分，使用聚類分析的方法，按照CPM-Dairy的要求對(duì)樣品科學(xué)分類，符合飼料分類的基本方法。聚類分析法只對(duì)差異較大且沒有高度相關(guān)的研究對(duì)象分類才有意義［2］。苜蓿干草的聚類中，首先選用R型(橫向)聚類對(duì)指標(biāo)進(jìn)行分類并選擇。苜蓿干草CP和NDF含量相關(guān)性較低(圖5);而苜蓿干草的CP含量在14.87% ～24.14%之間，NDF含量在29.82% ～50.63%范圍內(nèi)變化，同一指標(biāo)同種樣品間差異較大。而且，Minson［26］和Sheaffer等［27］的研究結(jié)果表明，CP和NDF含量是最能反映粗飼料特征的指標(biāo)。因此，將CP和NDF含量作為苜蓿干草的主要分類指標(biāo)，這與Fox等［4］的分類依據(jù)相同。在對(duì)飼料樣本進(jìn)行Q型(縱向)聚類時(shí)，采用層次聚類的思想，將樣品共分成了12類。Fox等［4］建立的 CNCPS 5.0/CPM-Dairy 3.0飼料數(shù)據(jù)庫(kù)中，苜蓿干草的CP變化范圍為17.00% ～25.00%(分別為17%、20%和25%)，NDF范圍為32.00% ～46.00%(分別為32%、35%、37%、40%、43%和46%)。本研究中，苜蓿干草不同分類間CP含量相差約1個(gè)百分點(diǎn)，NDF含量相差2～4個(gè)百分點(diǎn)，符合CPM-Dairy數(shù)據(jù)庫(kù)的要求。

DDGS、玉米粉和玉米青貯的聚類思想及方法同苜蓿干草。Kim等［28］研究表明，DDGS是玉米提取酒精后的副產(chǎn)物，主要成分為粗纖維、CP和油脂。國(guó)內(nèi)DDGS樣品的CP含量變化范圍為21.8% ～35.7%，NDF含量為32.2% ～55.7%，樣品間差異較大。所以本研究將CP和NDF含量作為DDGS的主要分類指標(biāo)，這與Singh等［29］評(píng)價(jià)DDGS的依據(jù)為CP和NDF含量為主要指標(biāo)相同。玉米粉和玉米青貯分別以淀粉和NDF含量為分類指標(biāo)，是因?yàn)閷?duì)玉米粉品質(zhì)影響最大的成分是淀粉［30］，且本研究中玉米粉樣品的淀粉變化范圍較大(51.93% ～74.91%);玉米青貯NDF含量的變化范圍較大(37.2% ～70.3%)，而CP含量的變化變化差異不明顯(8.3% ～9.6%)。對(duì)樣品分類后，同種原料類與類之間的差值均符合CPMDairy原料數(shù)據(jù)庫(kù)要求。苜蓿干草的CP和NDF含量，DDGS的CP和NDF含量，玉米粉的淀粉以及玉米青貯的NDF含量變異均相對(duì)較大，說明本研究中分類的依據(jù)合理。

由表6可知，各類飼料的SP均變異很大，可能是由于飼料中SP大部分是NPN，這與靳玲品等［31］的研究結(jié)果一致。

?

?

表3 玉米粉聚類結(jié)果Table 3 The clustering results of corn meal

表4 玉米青貯聚類結(jié)果Table 4 The clustering results of corn silage

續(xù)表4

表5 試驗(yàn)飼料所有樣品的各個(gè)指標(biāo)的平均值Table 5 Means of various indices of all experimental feed samples

續(xù)表5

比較本研究結(jié)果和CPM-Dairy原料數(shù)據(jù)庫(kù)數(shù)據(jù)發(fā)現(xiàn)，我國(guó)常用奶牛飼料原料與該數(shù)據(jù)庫(kù)數(shù)據(jù)存在很大差異。以玉米青貯為例，國(guó)外的玉米青貯NDF含量變化范圍是在40% ～50%，國(guó)內(nèi)玉米青貯NDF的變化范圍是在40%～70%之間。因此，不斷完善并建立我國(guó)常用奶牛飼料數(shù)據(jù)庫(kù)，對(duì)建立奶牛精準(zhǔn)營(yíng)養(yǎng)管理軟件及其應(yīng)用至關(guān)重要。

4 結(jié)論

用聚類分析的方法，根據(jù)不同飼料的特點(diǎn)，分別將苜蓿干草分為12類、DDGS分為10類、玉米粉分為5類和玉米青貯分為6類，其結(jié)果符合CPM-Dairy原料數(shù)據(jù)庫(kù)要求。

［1］HOLUB G.The use of CPM dairy as a nutrition management tool with a mid-south twist［C］//Mid-South Ruminant Nutrition Conference.Arlington:［s.n.］，2007:15-21.

［2］張文彤.SPSS統(tǒng)計(jì)分析高級(jí)教程［M］.北京:高等教育出版社，2004:118-144.

［3］車麗美，肖洋，王甦易，等.Kmeans聚類分析在形音字表音度中的應(yīng)用［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2011，21(2):223-225，233.

［4］FOX D G，TYLUTKI T P，TEDEDESCHI L O，et al.The net carbohydrate and protein system for evaluating herd nutrition and nutrient excretion［M］.New York:Cornell University，2003.

［5］FOX D G，TEDESCHI L O，TYLUTKI T P，et al.The cornell net carbohydrate and protein system model for evaluating herd nutrition and nutrient excretion［J］.Animal Feed Science and Technology，2004，112(1/2/3/4):29-78.

［6］TEDESCHI L O，CHALUPA W，JANCZEWSKI E，et al.Evaluation and application of the CPM dairy nutrition model［J］.Journal of Agricultural Science，2008，146:171-182.

［7］LIN L I K.A concordance correlation coefficient to evaluate reproducibility［J］.Biometrics，1989，45(1):255-268.

［8］LIAO J JZ.An improved concordance correlation coefficient［J］.Pharmaceutical Statistics，2003，2(4):253-261.

［9］BIBBY J，TOUTENBURG H.Prediction and improved estimation in linear models［M］.Chichester:John Wiley ＆ Sons，1977:188.

［10］張萍，閆繼紅，朱志華，等.近紅外光譜技術(shù)在食品品質(zhì)鑒別中的應(yīng)用研究［J］.現(xiàn)代科學(xué)儀器，2006(1):60-62.

［11］MEHROTRA M，WILD C.Analyzing knowledgebased systems with multiviewpoint clustering analysis［J］.Journal of Systems and Software，1995，29(3):235-249.

［12］王婷婷，辛杭書，于濛，等.不同產(chǎn)地豆粕和 DDGS營(yíng)養(yǎng)成分、瘤胃降解率及小腸消化率的分析測(cè)定［J］.飼料工業(yè)，2012，33(9):25-29.

［13］劉景喜，韓靜，潘振亮，等.幾種不同來源苜蓿干草營(yíng)養(yǎng)價(jià)值分析［J］.黑龍江畜牧獸醫(yī)，2012，9:84-85.

［14］崔秀梅，楊在賓，楊維仁，等.作物秸稈剪切力與其飼料營(yíng)養(yǎng)特性的關(guān)系［J］.中國(guó)農(nóng)業(yè)科學(xué)，2012，45(15):3137-3146.

［15］李宏.應(yīng)用近紅外光譜法(NIRS)預(yù)測(cè)綿羊日糧的營(yíng)養(yǎng)狀況［D］.碩士學(xué)位論文.北京:中國(guó)農(nóng)業(yè)大學(xué)，2004:2-6.

［16］AOAC.Official methods of analysis［S］.17th ed.Gaithersburg:AOAC International，2000.

［17］FORTINA R，MALFATTOV，MIMOSI A，et al.The establishment of a database of Italian feeds for the Cornell net carbohydrate and protein system［J］.Italian Journal of Animal Science，2003，2(3):171-179.

［18］KRISHNAMOORTHY U， MUSCATO T V，SNIFFEN C J，et al.Nitrogen fractions in selected feedstuffs［J］.Journal of Dairy Science，1982，65(2):217-255.

［19］LICITA G，HERNANDEZ T M，VAN SOEST P J.Standardization of procedures for nitrogen fractionation of ruminant feeds［J］.Animal Feed Science and Technology，1996，57(4):347-358.

［20］QI K K，CHEN JL，ZHAO G P，et al.Effect of dietary ω6/ω3 on growth performance，carcass traits，meat quality and fatty acid profiles of Beijing-You chicken［J］.Journal of Animal Physiology and Animal Nutrition，2010，94(4):474-485.

［21］TASI J.Macroelement，microelement and heavy metal content of grass species and dicotyledons［C］//Proceedings of the 20th general meeting of the European grassland federation.Luzern:［s.n.］2004:1002-1004.

［22］DUNHAM D P，DUNN A，DUNTON T L，et al.Storage area network methods and apparatus for display and management of a hierarchical file system extension policy:USA，6，854， 035 B2 ［P］.2005-02-08.

［23］XU R，WUNSCH D.Survey of clustering algorithms［J］.IEEE Transactions on Neural Networks，2005，16(3):645-678.

［24］FRED A L N，JAIN A K.Data clustering using evidence accumulation［C］//Proceedings of the 16th international conference on pattern recognition.LosAlamitos:IEEE Computer Society Press，2002.

［25］DUBES R C，JAIN A K.Algorithms for clustering data［M］.Upper Saddle River:Prentice Hall，1988.

［26］MINSON D J.Forage in ruminant nutrition［M］.San Diego:Academic Press，1990.

［27］SHEAFFER C C，MARTIN N P，LAMB J F S，et al.Leaf and stem properties of alfalfa entries［J］.Agronomy Journal，2000，92(4):733-739.

［28］KIM Y，MOSIER N S，HENDRICKSON R，et al.Composition of corn dry-grind ethanol by-products:DDGS，wet cake，and thin stillage［J］.Bioresource Technology，2008，99(12):5165-5176.

［29］SINGH V，JOHNSTON D B，NAIDU K，et al.Comparison of modified dry-grind corn processes for fermentation characteristics and DDGS composition［J］.American Association of Cereal Chemists，2005，82(2):187-190.

［30］SINGH N，CHAWLA D，SINGH J.Influence of acetic anhydride on physicochemical，morphological and thermal properties of corn and potato starch［J］.Food Chemistry，2004，86(4):601-608.

［31］靳玲品，李艷玲，屠焰，等.應(yīng)用康奈爾凈碳水化合物-蛋白質(zhì)體系評(píng)定我國(guó)北方奶牛常用粗飼料的營(yíng)養(yǎng)價(jià)值［J］.動(dòng)物營(yíng)養(yǎng)學(xué)報(bào)，2013，25(3):512-526.