Accurate predictions of chemical composition of pigs for a wide range of body weights: no longer a myth!

Florence Gondret

doi:10.24072/pci.animsci.100005

Accurate predictions of chemical composition of pigs for a wide range of body weights: no longer a myth!

Florence Gondret based on reviews by Mathieu Monziols and 1 anonymous reviewer

A recommendation of:

Accuracy of predicting chemical body composition of growing pigs using dual-energy X-ray absorptiometry

Claudia Kasper, Patrick Schlegel, Isabel Ruiz-Ascacibar, Peter Stoll, Giuseppe Bee (2020), bioRxiv, 2020.09.15.286153, ver. 4 peer-reviewed and recommended by PCI Animal Science https://doi.org/10.1101/2020.09.15.286153

Read preprint in preprint server Now published in a journal

Data used for results

Scripts used to obtain or analyze results

Abstract

ZH-CN

Accuracy of predicting chemical body composition of growing pigs using dual-energy X-ray absorptiometry

Studies in animal science assessing nutrient and energy efficiency or determining nutrient requirements necessitate gathering exact measurements of body composition or body nutrient contents. Wet chemical analysis methods or standardized dissection are commonly applied, but both are destructive. Harnessing human medical imaging techniques for animal science can enable repeated measurements of individuals over time and reduce the number of individuals required for research. Among imaging techniques, dual-energy X-ray absorptiometry (DXA) is particularly promising. However, the measurements obtained with DXA do not perfectly match dissections or chemical analyses, requiring the adjustment of the DXA via calibration equations. Several calibration regressions have been published, but comparative studies are pending. Thus, it is currently not clear whether existing regression equations can be directly used to convert DXA measurements into chemical values or whether each individual DXA device will require its own calibration. Our study builds prediction equations that relate body composition to the content of single nutrients in growing entire male pigs (body weight range 20–100 kg) as determined by both DXA and chemical analyses, with R2 ranging between 0.89 for ash and 0.99 for water and crude protein. Moreover, we show that the chemical composition of the empty body can be satisfactorily determined by DXA scans of carcasses, with the prediction error rCV ranging between 4.3% for crude protein and 12.6% for ash. Finally, we compare existing prediction equations for pigs of a similar range of body weights with the equations derived from our DXA measurements and evaluate their fit with our chemical analyses data. We found that existing equations for absolute contents that were built using the same DXA beam technology predicted our data more precisely than equations based on different technologies and percentages of fat and lean mass. This indicates that the creation of generic regression equations that yield reliable estimates of body composition in pigs of different growth stages, sexes and genetic breeds could be achievable in the near future. DXA may be a promising tool for high-throughput phenotyping for genetic studies, because it efficiently measures body composition in a large number and wide array of animals. Keywords: swine, bone mineral content, DXA, calibration, imaging techniques

swine, bone mineral content, DXA, calibration, imaging techniques

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

دقة التنبؤ بتكوين الجسم الكيميائي للخنازير النامية باستخدام قياس امتصاص الأشعة السينية ثنائي الطاقة

تتطلب دراسات علم الحيوان التي تقيم كفاءة المغذيات والطاقة أو تحديد متطلبات المغذيات جمع قياسات دقيقة لتكوين الجسم أو محتويات الجسم من المغذيات. يتم تطبيق طرق التحليل الكيميائي الرطب أو التشريح الموحد بشكل شائع، لكن كلاهما مدمر. إن تسخير تقنيات التصوير الطبي البشري لعلوم الحيوان يمكن أن يتيح إجراء قياسات متكررة للأفراد مع مرور الوقت وتقليل عدد الأفراد المطلوبين للبحث. من بين تقنيات التصوير، يعد قياس امتصاص الأشعة السينية مزدوج الطاقة (DXA) واعدًا بشكل خاص. ومع ذلك، فإن القياسات التي تم الحصول عليها باستخدام DXA لا تتطابق تمامًا مع التشريح أو التحليلات الكيميائية، مما يتطلب تعديل DXA عبر معادلات المعايرة. وقد تم نشر العديد من انحدارات المعايرة، ولكن الدراسات المقارنة لا تزال معلقة. وبالتالي، ليس من الواضح حاليًا ما إذا كان يمكن استخدام معادلات الانحدار الموجودة مباشرةً لتحويل قياسات DXA إلى قيم كيميائية أو ما إذا كان كل جهاز DXA فردي سيتطلب معايرته الخاصة. تبني دراستنا معادلات تنبؤية تربط تكوين الجسم بمحتوى العناصر الغذائية المفردة في ذكور الخنازير النامية بالكامل (نطاق وزن الجسم 20-100 كجم) كما هو محدد بواسطة كل من DXA والتحليلات الكيميائية، حيث يتراوح R2 بين 0.89 للرماد و0.99 للماء و البروتين الخام. علاوة على ذلك، فقد أظهرنا أن التركيب الكيميائي للجسم الفارغ يمكن تحديده بشكل مرضٍ من خلال مسح DXA للذبائح، حيث يتراوح خطأ التنبؤ rCV بين 4.3% للبروتين الخام و12.6% للرماد. أخيرًا، قمنا بمقارنة معادلات التنبؤ الحالية للخنازير ذات نطاق مماثل من أوزان الجسم مع المعادلات المستمدة من قياسات DXA لدينا وتقييم مدى ملاءمتها مع بيانات التحليلات الكيميائية لدينا. لقد وجدنا أن المعادلات الحالية للمحتويات المطلقة التي تم إنشاؤها باستخدام نفس تقنية شعاع DXA تنبأت ببياناتنا بشكل أكثر دقة من المعادلات المستندة إلى تقنيات ونسب مختلفة من الدهون والكتلة الخالية من الدهون. ويشير هذا إلى أن إنشاء معادلات الانحدار العامة التي تسفر عن تقديرات موثوقة لتكوين الجسم في الخنازير من مختلف مراحل النمو والجنس والسلالات الجينية يمكن تحقيقه في المستقبل القريب. قد يكون DXA أداة واعدة للتنميط الظاهري عالي الإنتاجية للدراسات الوراثية، لأنه يقيس تكوين الجسم بكفاءة في عدد كبير ومجموعة واسعة من الحيوانات. الكلمات المفتاحية: الخنازير، المحتوى المعدني للعظام، DXA، المعايرة، تقنيات التصوير

الخنازير، المحتوى المعدني للعظام، DXA، المعايرة، تقنيات التصوير

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

Precisión de la predicción de la composición química corporal de cerdos en crecimiento mediante absorciometría de rayos X de energía dual

Los estudios en ciencia animal que evalúan la eficiencia energética y de nutrientes o determinan los requisitos de nutrientes requieren la recopilación de mediciones exactas de la composición corporal o del contenido de nutrientes corporales. Comúnmente se aplican métodos de análisis químico húmedo o disección estandarizada, pero ambos son destructivos. Aprovechar las técnicas de imágenes médicas humanas para la ciencia animal puede permitir mediciones repetidas de individuos a lo largo del tiempo y reducir la cantidad de individuos necesarios para la investigación. Entre las técnicas de imagen, la absorciometría de rayos X de energía dual (DXA) es particularmente prometedora. Sin embargo, las mediciones obtenidas con DXA no coinciden perfectamente con las disecciones o los análisis químicos, lo que requiere el ajuste de la DXA mediante ecuaciones de calibración. Se han publicado varias regresiones de calibración, pero están pendientes estudios comparativos. Por lo tanto, actualmente no está claro si las ecuaciones de regresión existentes se pueden utilizar directamente para convertir las mediciones de DXA en valores químicos o si cada dispositivo DXA individual requerirá su propia calibración. Nuestro estudio construye ecuaciones de predicción que relacionan la composición corporal con el contenido de nutrientes individuales en cerdos machos enteros en crecimiento (rango de peso corporal de 20 a 100 kg), según lo determinado tanto por DXA como por análisis químicos, con un R2 que oscila entre 0,89 para cenizas y 0,99 para agua y proteína cruda. Además, mostramos que la composición química del cuerpo vacío se puede determinar satisfactoriamente mediante escaneos DXA de cadáveres, con un error de predicción rCV que oscila entre el 4,3% para la proteína cruda y el 12,6% para las cenizas. Finalmente, comparamos las ecuaciones de predicción existentes para cerdos de un rango similar de pesos corporales con las ecuaciones derivadas de nuestras mediciones DXA y evaluamos su ajuste con los datos de nuestros análisis químicos. Descubrimos que las ecuaciones existentes para contenidos absolutos que se construyeron utilizando la misma tecnología de haz DXA predijeron nuestros datos con mayor precisión que las ecuaciones basadas en diferentes tecnologías y porcentajes de masa grasa y magra. Esto indica que la creación de ecuaciones de regresión genéricas que produzcan estimaciones fiables de la composición corporal en cerdos de diferentes etapas de crecimiento, sexos y razas genéticas podría lograrse en un futuro próximo. La DXA puede ser una herramienta prometedora para el fenotipado de alto rendimiento para estudios genéticos, porque mide de manera eficiente la composición corporal en una gran cantidad y amplia gama de animales. Palabras clave: porcino, contenido mineral óseo, DXA, calibración, técnicas de imagen

porcino, contenido mineral óseo, DXA, calibración, técnicas de imagen

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

Précision de la prévision de la composition chimique corporelle des porcs en croissance à l'aide de l'absorptiométrie à rayons X à double énergie

Les études en sciences animales évaluant l'efficacité nutritionnelle et énergétique ou déterminant les besoins nutritionnels nécessitent de recueillir des mesures exactes de la composition corporelle ou de la teneur en nutriments corporels. Les méthodes d’analyse chimique par voie humide ou la dissection standardisée sont couramment appliquées, mais toutes deux sont destructrices. L’exploitation des techniques d’imagerie médicale humaine pour la science animale peut permettre des mesures répétées des individus au fil du temps et réduire le nombre d’individus requis pour la recherche. Parmi les techniques d’imagerie, l’absorptiométrie à rayons X bi-énergie (DXA) est particulièrement prometteuse. Cependant, les mesures obtenues avec le DXA ne correspondent pas parfaitement aux dissections ou aux analyses chimiques, nécessitant l'ajustement du DXA via des équations d'étalonnage. Plusieurs régressions de calage ont été publiées, mais des études comparatives sont en attente. Ainsi, il n’est actuellement pas clair si les équations de régression existantes peuvent être directement utilisées pour convertir les mesures DXA en valeurs chimiques ou si chaque appareil DXA nécessitera son propre étalonnage. Notre étude construit des équations de prédiction qui relient la composition corporelle à la teneur en nutriments uniques chez les porcs mâles entiers en croissance (plage de poids corporel de 20 à 100 kg), déterminées à la fois par DXA et par analyses chimiques, avec un R2 compris entre 0,89 pour les cendres et 0,99 pour l'eau et protéine brute. De plus, nous montrons que la composition chimique du corps vide peut être déterminée de manière satisfaisante par des analyses DXA de carcasses, avec une erreur de prédiction rCV comprise entre 4,3 % pour les protéines brutes et 12,6 % pour les cendres. Enfin, nous comparons les équations de prédiction existantes pour des porcs d'une gamme similaire de poids corporels avec les équations dérivées de nos mesures DXA et évaluons leur ajustement avec nos données d'analyses chimiques. Nous avons constaté que les équations existantes pour les contenus absolus, construites à l'aide de la même technologie de faisceau DXA, prédisaient nos données avec plus de précision que les équations basées sur différentes technologies et pourcentages de masse grasse et maigre. Cela indique que la création d'équations de régression génériques produisant des estimations fiables de la composition corporelle chez les porcs de différents stades de croissance, sexes et races génétiques pourrait être réalisable dans un avenir proche. La DXA pourrait être un outil prometteur pour le phénotypage à haut débit destiné aux études génétiques, car elle mesure efficacement la composition corporelle d’un grand nombre et d’un large éventail d’animaux. Mots clés : porc, contenu minéral osseux, DXA, calibrage, techniques d'imagerie

porc, teneur en minéraux osseux, DXA, calibrage, techniques d'imagerie

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

पशु विज्ञान में पोषक तत्वों और ऊर्जा दक्षता का आकलन करने या पोषक तत्वों की आवश्यकताओं का निर्धारण करने वाले अध्ययनों में शरीर की संरचना या शरीर की पोषक सामग्री की सटीक माप एकत्र करने की आवश्यकता होती है। गीली रासायनिक विश्लेषण विधियाँ या मानकीकृत विच्छेदन आमतौर पर लागू होते हैं, लेकिन दोनों विनाशकारी हैं। पशु विज्ञान के लिए मानव चिकित्सा इमेजिंग तकनीकों का उपयोग करने से समय के साथ व्यक्तियों की बार-बार माप संभव हो सकती है और अनुसंधान के लिए आवश्यक व्यक्तियों की संख्या कम हो सकती है। इमेजिंग तकनीकों में, दोहरी-ऊर्जा एक्स-रे अवशोषकमिति (डीएक्सए) विशेष रूप से आशाजनक है। हालाँकि, डीएक्सए के साथ प्राप्त माप पूरी तरह से विच्छेदन या रासायनिक विश्लेषण से मेल नहीं खाते हैं, अंशांकन समीकरणों के माध्यम से डीएक्सए के समायोजन की आवश्यकता होती है। कई अंशांकन प्रतिगमन प्रकाशित किए गए हैं, लेकिन तुलनात्मक अध्ययन लंबित हैं। इस प्रकार, वर्तमान में यह स्पष्ट नहीं है कि क्या मौजूदा प्रतिगमन समीकरणों का उपयोग सीधे डीएक्सए माप को रासायनिक मूल्यों में परिवर्तित करने के लिए किया जा सकता है या क्या प्रत्येक व्यक्तिगत डीएक्सए डिवाइस को अपने स्वयं के अंशांकन की आवश्यकता होगी। हमारा अध्ययन भविष्यवाणी समीकरण बनाता है जो डीएक्सए और रासायनिक विश्लेषण दोनों द्वारा निर्धारित पूरे नर सूअरों (शरीर का वजन सीमा 20-100 किलोग्राम) में एकल पोषक तत्वों की सामग्री से शरीर की संरचना को जोड़ता है, जिसमें आर2 राख के लिए 0.89 और पानी के लिए 0.99 के बीच होता है। क्रूड प्रोटीन। इसके अलावा, हम दिखाते हैं कि खाली शरीर की रासायनिक संरचना को शवों के डीएक्सए स्कैन द्वारा संतोषजनक ढंग से निर्धारित किया जा सकता है, जिसमें कच्चे प्रोटीन के लिए भविष्यवाणी त्रुटि आरसीवी 4.3% और राख के लिए 12.6% के बीच होती है। अंत में, हम अपने डीएक्सए माप से प्राप्त समीकरणों के साथ शरीर के वजन की समान श्रेणी के सूअरों के लिए मौजूदा भविष्यवाणी समीकरणों की तुलना करते हैं और हमारे रासायनिक विश्लेषण डेटा के साथ उनके फिट का मूल्यांकन करते हैं। हमने पाया कि समान डीएक्सए बीम तकनीक का उपयोग करके बनाए गए पूर्ण सामग्री के लिए मौजूदा समीकरण विभिन्न प्रौद्योगिकियों और वसा और दुबले द्रव्यमान के प्रतिशत पर आधारित समीकरणों की तुलना में हमारे डेटा की अधिक सटीक भविष्यवाणी करते हैं। यह इंगित करता है कि सामान्य प्रतिगमन समीकरणों का निर्माण जो विभिन्न विकास चरणों, लिंगों और आनुवंशिक नस्लों के सूअरों में शरीर संरचना का विश्वसनीय अनुमान देता है, निकट भविष्य में प्राप्त किया जा सकता है। आनुवंशिक अध्ययन के लिए उच्च-थ्रूपुट फेनोटाइपिंग के लिए डीएक्सए एक आशाजनक उपकरण हो सकता है, क्योंकि यह बड़ी संख्या में और जानवरों की विस्तृत श्रृंखला में शरीर की संरचना को कुशलता से मापता है। कीवर्ड: सूअर, अस्थि खनिज सामग्री, डीएक्सए, अंशांकन, इमेजिंग तकनीक

शुल्क7a9c03b9844ab80c13e5bef8ce9f9 दोहरी-ऊर्जा एक्स-रे अवशोषकमिति का उपयोग करके बढ़ते सूअरों की रासायनिक शरीर संरचना की भविष्यवाणी करने की सटीकता 7a59ca68a0bc408ea345c6e9f3b14895 सूअर, अस्थि खनिज सामग्री, डीएक्सए, अंशांकन, इमेजिंग तकनीक सूअर, अस्थि खनिज सामग्री, डीएक्सए, अंशांकन, इमेजिंग तकनीक

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

二重エネルギー X 線吸光分析法を使用した成長期豚の化学体組成の予測精度

栄養とエネルギーの効率を評価したり、栄養素の必要量を決定したりする動物科学の研究では、体組成や体の栄養素含有量の正確な測定値を収集する必要があります。湿式化学分析法または標準化された解剖が一般的に適用されますが、どちらも破壊的です。人間の医用画像技術を動物科学に利用すると、時間をかけて個体を繰り返し測定できるようになり、研究に必要な個体の数を減らすことができます。イメージング技術の中でも、二重エネルギー X 線吸光光度法 (DXA) が特に有望です。ただし、DXA で得られた測定値は解剖や化学分析と完全には一致しないため、校正方程式による DXA の調整が必要です。いくつかの校正回帰が発表されていますが、比較研究は保留中です。したがって、既存の回帰式を直接使用して DXA 測定値を化学値に変換できるかどうか、または個々の DXA デバイスが独自の校正を必要とするかどうかは、現時点では不明です。私たちの研究では、DXA と化学分析の両方によって決定される成長期の雄豚全体 (体重範囲 20 ～ 100 kg) の単一栄養素の含有量と体組成を関連付ける予測式を構築します。R2 は灰の場合は 0.89、水の場合は 0.99 の範囲であり、粗タンパク質。さらに、我々は、空の体の化学組成が枝肉のDXAスキャンによって満足のいくように決定できることを示し、予測誤差rCVは粗タンパク質の場合は4.3％、灰の場合は12.6％の範囲である。最後に、同様の体重範囲のブタに関する既存の予測方程式を、DXA 測定から得られた方程式と比較し、化学分析データとの適合性を評価します。同じ DXA ビーム技術を使用して構築された絶対量の既存の方程式は、異なる技術や脂肪と除脂肪体重の割合に基づく方程式よりも正確にデータを予測できることがわかりました。これは、異なる成長段階、性別、遺伝的品種の豚の体組成の信頼できる推定値をもたらす一般的な回帰式の作成が近い将来に達成可能であることを示しています。 DXA は、多数の広範囲の動物の体組成を効率的に測定できるため、遺伝子研究におけるハイスループットな表現型解析の有望なツールとなる可能性があります。キーワード: 豚、骨塩量、DXA、キャリブレーション、イメージング技術

豚、骨塩含有量、DXA、キャリブレーション、イメージング技術

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

Precisão na previsão da composição química corporal de suínos em crescimento usando absorciometria de raios X de dupla energia

Estudos em ciência animal que avaliam a eficiência de nutrientes e energia ou determinam as necessidades de nutrientes exigem a coleta de medidas exatas da composição corporal ou do conteúdo de nutrientes corporais. Métodos de análise química úmida ou dissecação padronizada são comumente aplicados, mas ambos são destrutivos. O aproveitamento de técnicas de imagens médicas humanas para a ciência animal pode permitir medições repetidas de indivíduos ao longo do tempo e reduzir o número de indivíduos necessários para a pesquisa. Entre as técnicas de imagem, a absorciometria de raios X de dupla energia (DXA) é particularmente promissora. Porém, as medidas obtidas com DXA não correspondem perfeitamente às dissecções ou análises químicas, sendo necessário o ajuste do DXA via equações de calibração. Várias regressões de calibração foram publicadas, mas estudos comparativos estão pendentes. Assim, atualmente não está claro se as equações de regressão existentes podem ser usadas diretamente para converter medições DXA em valores químicos ou se cada dispositivo DXA individual exigirá sua própria calibração. Nosso estudo constrói equações de predição que relacionam a composição corporal ao conteúdo de nutrientes individuais em porcos machos inteiros em crescimento (faixa de peso corporal de 20 a 100 kg), conforme determinado por DXA e análises químicas, com R2 variando entre 0,89 para cinzas e 0,99 para água e proteína bruta. Além disso, mostramos que a composição química do corpo vazio pode ser determinada satisfatoriamente por exames DXA de carcaças, com o erro de predição rCV variando entre 4,3% para proteína bruta e 12,6% para cinzas. Finalmente, comparamos as equações de predição existentes para porcos de uma faixa semelhante de pesos corporais com as equações derivadas de nossas medições DXA e avaliamos seu ajuste com nossos dados de análises químicas. Descobrimos que as equações existentes para conteúdos absolutos que foram construídas usando a mesma tecnologia de feixe DXA previram nossos dados com mais precisão do que equações baseadas em diferentes tecnologias e porcentagens de gordura e massa magra. Isto indica que a criação de equações de regressão genéricas que produzam estimativas fiáveis da composição corporal em porcos de diferentes fases de crescimento, sexos e raças genéticas poderá ser alcançável num futuro próximo. O DXA pode ser uma ferramenta promissora para fenotipagem de alto rendimento para estudos genéticos, porque mede eficientemente a composição corporal em um grande número e ampla variedade de animais. Palavras-chave: suínos, conteúdo mineral ósseo, DXA, calibração, técnicas de imagem

suínos, conteúdo mineral ósseo, DXA, calibração, técnicas de imagem

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

Исследования в области зоотехники, направленные на оценку питательных веществ и энергоэффективности или определение потребностей в питательных веществах, требуют сбора точных измерений состава тела или содержания питательных веществ в организме. Обычно применяются методы влажного химического анализа или стандартизированное вскрытие, но оба они разрушительны. Использование методов медицинской визуализации человека в науке о животных может позволить проводить повторные измерения особей с течением времени и сократить количество особей, необходимых для исследований. Среди методов визуализации особенно перспективна двухэнергетическая рентгеновская абсорбциометрия (ДРА). Однако измерения, полученные с помощью ДРА, не полностью соответствуют результатам вскрытия или химического анализа, что требует корректировки ДРА с помощью калибровочных уравнений. Было опубликовано несколько калибровочных регрессий, но сравнительные исследования еще не завершены. Таким образом, в настоящее время неясно, можно ли напрямую использовать существующие уравнения регрессии для преобразования измерений ДРА в химические значения или же каждое отдельное устройство ДРА потребует собственной калибровки. В нашем исследовании построены прогностические уравнения, которые связывают состав тела с содержанием отдельных питательных веществ у растущих цельных свиней-самцов (диапазон массы тела 20–100 кг), что определяется как DXA, так и химическим анализом, при этом R2 находится в диапазоне от 0,89 для золы до 0,99 для воды и Сырой протеин. Более того, мы показываем, что химический состав пустого тела может быть удовлетворительно определен с помощью DXA-сканирования туш, при этом ошибка прогнозирования rCV варьируется от 4,3% для сырого белка до 12,6% для золы. Наконец, мы сравниваем существующие прогнозные уравнения для свиней с аналогичным диапазоном массы тела с уравнениями, полученными на основе наших измерений DXA, и оцениваем их соответствие данным нашего химического анализа. Мы обнаружили, что существующие уравнения абсолютного содержания, построенные с использованием одной и той же лучевой технологии DXA, предсказывают наши данные более точно, чем уравнения, основанные на других технологиях и процентном содержании жира и мышечной массы. Это указывает на то, что создание общих уравнений регрессии, которые дают надежные оценки состава тела свиней разных стадий роста, пола и генетических пород, может быть достижимо в ближайшем будущем. DXA может быть многообещающим инструментом высокопроизводительного фенотипирования в генетических исследованиях, поскольку он эффективно измеряет состав тела у большого количества и широкого спектра животных. Ключевые слова: свиньи, минеральный состав костей, DXA, калибровка, методы визуализации

501говядина040c14e5693007d4abf4e4601 Точность прогнозирования химического состава тела растущих свиней с помощью двухэнергетической рентгеновской абсорбциометрии 658b34c8c62148f3b0764db447f5bbe8 свиньи, минеральный состав костей, DXA, калибровка, методы визуализации свиньи, минеральный состав костей, DXA, калибровка, методы визуализации

This is an automatically generated version. The authors and PCI decline all responsibility concerning its content

双能X射线吸收法预测生长猪化学成分的准确性

评估营养和能量效率或确定营养需求的动物科学研究需要收集身体成分或身体营养含量的精确测量结果。通常采用湿化学分析方法或标准化解剖，但两者都具有破坏性。利用人类医学成像技术进行动物科学可以随着时间的推移对个体进行重复测量，并减少研究所需的个体数量。在成像技术中，双能 X 射线吸收测定法 (DXA) 特别有前途。然而，使用 DXA 获得的测量结果与解剖或化学分析并不完全匹配，需要通过校准方程调整 DXA。一些校准回归已经发表，但比较研究仍在进行中。因此，目前尚不清楚现有的回归方程是否可以直接用于将 DXA 测量值转换为化学值，或者每个单独的 DXA 设备是否需要自己的校准。我们的研究建立了预测方程，将通过 DXA 和化学分析确定的生长中的整头公猪（体重范围 20-100 kg）的身体成分与单一营养素的含量联系起来，R2 范围在灰分 0.89 和水 0.99 之间。粗蛋白质。此外，我们表明，通过尸体的 DXA 扫描可以令人满意地确定空体的化学成分，预测误差 rCV 范围在粗蛋白的 4.3% 和灰分的 12.6% 之间。最后，我们将相似体重范围的猪的现有预测方程与 DXA 测量得出的方程进行比较，并评估它们与我们的化学分析数据的拟合度。我们发现，使用相同 DXA 光束技术构建的现有绝对含量方程比基于不同技术和脂肪和瘦肉质量百分比的方程更准确地预测我们的数据。这表明在不久的将来可以创建通用回归方程，对不同生长阶段、性别和遗传品种的猪的身体成分进行可靠的估计。 DXA 可能是基因研究高通量表型分析的一种有前途的工具，因为它可以有效地测量大量和广泛的动物的身体成分。关键词：猪，骨矿物质含量，DXA，校准，成像技术

猪、骨矿物质含量、DXA、校准、成像技术

Submission: posted 17 September 2020
Recommendation: posted 13 December 2020, validated 15 December 2020

Cite this recommendation as:
Gondret, F. (2020) Accurate predictions of chemical composition of pigs for a wide range of body weights: no longer a myth! . Peer Community in Animal Science, 100005. 10.24072/pci.animsci.100005

Recommendation

Assessing body or carcass composition in growing pigs is essential to refine nutritional models, select for specific traits and evaluate pork products. The gold standard methods are dissection and chemical measurements, which are time-consuming and invasive ways to obtain the data. Different teams have tested dual-energy x-ray absorptiometry (DEXA), especially for determining total and regional body composition of fat, soft lean tissues and bone minerals [1-3]. The DEXA measurements are quick, non-invasive, precise, and operator independent. However, the instruments from different manufacturers are unique in implementation so that it is difficult to obtain and share generalized equations. In addition, the validity and accuracy of the measures when applied to pigs having very different composition have been scarcely addressed.

The present manuscript shows that carcass analysis by DEXA can be used to predict empty body chemical composition, and it provides accuracy values for the content in single nutrients (protein, lipids, Ca, P). The body weight range used to generate differences in body composition is very large (20 to 100 kg), which is important when studying pigs along growth. Moreover, regression equations within weight classes (20, 60 and 100 kg) show no important biases, with the exception for body fat especially at the earliest growth stages. Limitations of the technique are the needs of anesthesia when applied to living pigs, and of standardizing the positions of body, carcass and cuts when applied to living or dissected pigs. Another originality of the manuscript is the comparison of the obtained calibrations with previously published prediction models, showing that the differences do not preclude the possibility to use a single model when built from a meta-analysis of the different data. Taken together, this work offers good perspectives to refine nutritional models by inputs from rapidly analyzed body chemical composition and to monitor body and carcass composition in several pigs for genetics applications.

References

[1] Mitchell AD., Scholz AM., Pursel VG., and Evock-Clover CM. (1998). Composition analysis of pork carcasses by dual-energy x-ray absorptiometry. Journal of Animal Science. 76(8), 2104-14. https://doi.org/10.2527/1998.7682104x

[2] Marcoux M., Bernier JF., and Pomar C. (2003). Estimation of Canadian and European lean yields and composition of pig carcasses by dual-energy X-ray absorptiometry. Meat Science. 63(3), 359-65. https://doi.org/10.1016/S0309-1740(02)00094-3

[3] Kipper M., Marcoux M., Andretta I., and Pomar C. (2018). Repeatability and reproducibility of measurements obtained by dual-energy X-ray absorptiometry on pig carcasses. Journal of Animal Science, 96(5), 2027-2037. https://doi.org/10.1093/jas/skx046 "

PDF recommendation

Conflict of interest:
The recommender in charge of the evaluation of the article and the reviewers declared that they have no conflict of interest (as defined in the code of conduct of PCI) with the authors or with the content of the article. The authors declared that they comply with the PCI rule of having no financial conflicts of interest in relation to the content of the article.

Reviews

Evaluation round #2

DOI or URL of the preprint: https://doi.org/10.1101/2020.09.15.286153

Version of the preprint: V3

Author's Reply, 11 Dec 2020

Download tracked changes file

Dear Dr Gondret,

thank you very much for your feedback. I changed the manuscript according to your suggestions and I uploaded the new version.

Thank you for your efforts on behalf of the manuscript!

Kind regards,

Claudia Kasper

Decision by Florence Gondret, posted 10 Dec 2020

Dear authors, After the careful reading of this second version of the manuscript, I think that Rewiewers’ comments have been properly addressed in this revised version of the preprint. However, I still have some comments that must be addressed before I can render a decision and recommend the preprint. Comments are listed below.

I hope that you will be able to make the modifications and provide a clean version incorporating the modifications (without any track changed), so that the process could continue to its term.

I thank you for choosing PCI in Animal Science in order to give a large exposure to your work and to support Open Science.

Florence Gondret

Minor comments:

Section L20-L29 should be shortened, since here this sounds as a repetition of the introduction section.
L33 “we present the accuracy of those predictions”. please give details about the accuracy obtained for a subset of studied traits. This will be more informative for the readers.
L34: provide the values used to estimate the accuracy (RMSE, etc.)
L35-36: “This should be deleted, since the conclusion of the abstract already states this.
L55: delete unappropriated bracket
L132: spell the abbreviation EB
L485: verb and words are missing in the sentence (fits well ?)
L614: provide a reference number or link in Zenodo, so that data could be easily found by the readers

Evaluation round #1

DOI or URL of the preprint: https://doi.org/10.1101/2020.09.15.286153

Author's Reply, 08 Dec 2020

Download author's reply Download tracked changes file

Decision by Florence Gondret, posted 05 Nov 2020

Dear authors,

The manuscript quoted in reference has been examined by two expert scientists in body composition evaluation in pigs. Although the two reviewers found merit in this study and recognized the quality of the associated paper, they raised a number of concerns that should be addressed before any decision could be rendered. I enclosed below detailed evaluation points. If you think you are able to provide a detailed answer to the different points, I encourage you to respond point by point and submit a new version of the preprint.

Anyway, thanks you for submission to PCI Animal Science Community.

Best regards,

Florence Gondret

Reviewed by Mathieu Monziols, 05 Nov 2020

General comments This paper presents the potential of Dual X-ray absorptiometry to predict chemical composition of living pigs. Evenif there are already papers on the subject showing that DXA is a suitable methods to predict chemical composition, this paper is clearly original because it shows the absolute need of DXA calibration in order to obtain accurate prediction and also shows that carcass analysis can be used for empty body chemical composition (with an increase in the prediction error). Furthermore, another originality is the comparison with already published prediction models and the differences observed. That is suggesting the possibility to use a single model for closed DXA systems which is quite interesting.

The paper is well written, clear and very understandable. The figures are also clear and support the text.

The paper can be published with few minor revisions

Form modifications :
- Line 55 : It is the first line where the different chemical measurements are presented. It would have been kind for a non chemical composition measurements initiate reader to have the full name of the different terms as for example : Bone minerals (ash), total Calcium (Ca), total Phosphorus (P), Total Crude proteins (CP), total nitrogen (N) and total lipids (lipid)

Line 56 : same remark for body weight (BW)
Line 56 : same remark for Empty body (EB)
Table 1 : the EBW-3 /carcass weight variable can be understood as a ratio which is not, maybe it can be changed by total mass (EBW-3 or carcass)
Table 3 : RMSE is expressed in the same unit as the predicted variable, I suggest to add the units of the variable for the RMSE

Minor remark for paper improvement : As stated in the paper, the bw range used for a predictive regression model calculation is extremely important. But there is no mention in the paper of specific regression models for each BW groups used in the global trial. It would have been interesting to have a quick remark on the different models (intercepts and slopes) obtained at within different target body weight groups (20, 60 and 100) to ensure the relationships between chemical measurements and DXA are closed to the global one (and that the global one is indeed linear). Even if the 20 kg and 60 kg groups are composed of 6 and 18 individuals respectively, it would be interesting to have a word in the paper about such intra bw groups models and if their prediction results would differ from the global model ones.

Reviewed by anonymous reviewer 1, 30 Sep 2020

Please note that during the download process, I was not able to get the supplemental material.

Download the review