大菱鲆饲料中酶解羽毛粉替代鱼粉蛋白的可行性研究
发布时间:2021-12-09 05:10
酶解羽毛粉是一种新型动物蛋白原料,但在水产动物饲料中的应用较少。为综合评价酶解羽毛粉(EFM)替代鱼粉(FM)蛋白在大菱鲆(Scophthalmus maximus L.)饲料中的应用效果,利用角蛋白酶将水解羽毛粉(SFM)在体外进行酶解(p H值7.5,反应温度50℃)制得酶解羽毛粉,研究羽毛粉替代鱼粉蛋白对大菱鲆生长、饲料利用、体组成以及营养代谢的影响,从而判断酶解羽毛粉替代鱼粉的潜力。本实验以EFM和FM为主要蛋白源配制6种等氮、等能的饲料,各组EFM的添加量依次为0%(Control),8%(EFM8),16%(EFM16),24%(EFM24),32%(EFM32),40%(EFM40),以替代0%,16%,32%,48%,64%,80%的FM蛋白。第7组(EFM24+AA)实验饲料添加赖氨酸和蛋氨酸,使其含量达到对照组水平。第8组饲料(SFM24)用24%的SFM替代48%FM蛋白。选取重量为(34.47±0.02)g的大菱鲆幼鱼随机分配到24个桶,每桶40尾鱼,共8组,每组3个重复,每天饱食投喂两次,实验周期7个周,实验期间,水温16.0-18.0℃,盐度31.0-33....
【文章来源】:上海海洋大学上海市
【文章页数】:82 页
【学位级别】:硕士
【部分图文】:
各组间韦恩图
上海海洋大学硕士学位论文42图4-2大菱鲆肠道测序序列Shannon指数Fig.4-2Shannonindexofturbot4.2.3.2基于OTU丰度的样本聚类分析样本聚类分析可以通过聚类数图的数值结构直观反应出多个样品间的相似性和差异性关系。首先根据beta多样性距离矩阵进行层次聚类分析,再使用非加权平均法UPGMA(Unweightedpairgroupmethodwitharithmeticmean)算法构建树状结构,形成可视化的树状关系形式(图4-3)。由基于OTU的样本聚类树(图4-3左)可知,对照组(C1-C4)与酶解羽毛粉组(F1-F4)在同一支,膨化羽毛粉组中(P1-P4)中P2、P4各为一支,P1和P3为一支,在组间的聚类树(图4-3右)显示,对照组C与酶解羽毛粉组F为一支,膨化羽毛粉组P为一支。图4-3基于OTU的样本聚类树(左)和组间聚类树(右)Fig.4-3braycrutistreebasedonOUT(left)andgroupbraycrutistree(right)主成分分析PCA(PricipalComponentAnalysis)是多元统计分析中的一种简化数
上海海洋大学硕士学位论文42图4-2大菱鲆肠道测序序列Shannon指数Fig.4-2Shannonindexofturbot4.2.3.2基于OTU丰度的样本聚类分析样本聚类分析可以通过聚类数图的数值结构直观反应出多个样品间的相似性和差异性关系。首先根据beta多样性距离矩阵进行层次聚类分析,再使用非加权平均法UPGMA(Unweightedpairgroupmethodwitharithmeticmean)算法构建树状结构,形成可视化的树状关系形式(图4-3)。由基于OTU的样本聚类树(图4-3左)可知,对照组(C1-C4)与酶解羽毛粉组(F1-F4)在同一支,膨化羽毛粉组中(P1-P4)中P2、P4各为一支,P1和P3为一支,在组间的聚类树(图4-3右)显示,对照组C与酶解羽毛粉组F为一支,膨化羽毛粉组P为一支。图4-3基于OTU的样本聚类树(左)和组间聚类树(右)Fig.4-3braycrutistreebasedonOUT(left)andgroupbraycrutistree(right)主成分分析PCA(PricipalComponentAnalysis)是多元统计分析中的一种简化数
本文编号:3529984
【文章来源】:上海海洋大学上海市
【文章页数】:82 页
【学位级别】:硕士
【部分图文】:
各组间韦恩图
上海海洋大学硕士学位论文42图4-2大菱鲆肠道测序序列Shannon指数Fig.4-2Shannonindexofturbot4.2.3.2基于OTU丰度的样本聚类分析样本聚类分析可以通过聚类数图的数值结构直观反应出多个样品间的相似性和差异性关系。首先根据beta多样性距离矩阵进行层次聚类分析,再使用非加权平均法UPGMA(Unweightedpairgroupmethodwitharithmeticmean)算法构建树状结构,形成可视化的树状关系形式(图4-3)。由基于OTU的样本聚类树(图4-3左)可知,对照组(C1-C4)与酶解羽毛粉组(F1-F4)在同一支,膨化羽毛粉组中(P1-P4)中P2、P4各为一支,P1和P3为一支,在组间的聚类树(图4-3右)显示,对照组C与酶解羽毛粉组F为一支,膨化羽毛粉组P为一支。图4-3基于OTU的样本聚类树(左)和组间聚类树(右)Fig.4-3braycrutistreebasedonOUT(left)andgroupbraycrutistree(right)主成分分析PCA(PricipalComponentAnalysis)是多元统计分析中的一种简化数
上海海洋大学硕士学位论文42图4-2大菱鲆肠道测序序列Shannon指数Fig.4-2Shannonindexofturbot4.2.3.2基于OTU丰度的样本聚类分析样本聚类分析可以通过聚类数图的数值结构直观反应出多个样品间的相似性和差异性关系。首先根据beta多样性距离矩阵进行层次聚类分析,再使用非加权平均法UPGMA(Unweightedpairgroupmethodwitharithmeticmean)算法构建树状结构,形成可视化的树状关系形式(图4-3)。由基于OTU的样本聚类树(图4-3左)可知,对照组(C1-C4)与酶解羽毛粉组(F1-F4)在同一支,膨化羽毛粉组中(P1-P4)中P2、P4各为一支,P1和P3为一支,在组间的聚类树(图4-3右)显示,对照组C与酶解羽毛粉组F为一支,膨化羽毛粉组P为一支。图4-3基于OTU的样本聚类树(左)和组间聚类树(右)Fig.4-3braycrutistreebasedonOUT(left)andgroupbraycrutistree(right)主成分分析PCA(PricipalComponentAnalysis)是多元统计分析中的一种简化数
本文编号:3529984
本文链接:https://www.wllwen.com/nykjlw/scyylw/3529984.html