La nutrizione di precisone e l’economia circolare possono dare un contributo sostanziale alla riduzione dei gas serra, delle sostanze eutrofizzanti come l’azoto, il fosforo e il potassio, pur mantenendo profittevole la produzione di latte e carne da ruminanti. Questi animali, ossia i bovini, le pecore, le capre e le bufale, proprio per l’avere un rumine riescono a valorizzare come nessun altro animale i foraggi e i sottoprodotti dell’agroalimentare.
Negli ormai lontani anni ’90, il dipartimento di Animal Science della Cornell University (USA) pubblicò la prima versione del Cornell Net Carbohydrate and Protein System (CNCPS), ovvero una complessa concatenazione di equazioni che di fatto modellizzavano le principali funzioni vitali di una bovina da latte. Da allora, l’evoluzione del CNCPS è stata notevole, anche se quest’ultimo è stato utilizzato maggiormente per migliorare la produzione quanti-qualitativa sia del latte che della carne dei bovini ma anche degli ovini. Non è mai stato fatto un uso del CNCPS per la precision feeding perché fino ad ora non ce ne è stato un vero bisogno. Come avviene per ogni modello matematico, la qualità dei dati che s’inseriscono è determinante per la sua affidabilità nelle previsioni.
Per formulare una dieta che soddisfi a pieno i fabbisogni nutritivi per il mantenimento, la crescita, la lattazione e la riproduzione, il CNCPS ha bisogno di input molto precisi su animali e condizioni d’allevamento, nonché una precisa descrizione della composizione analitica degli alimenti che si vorrebbero impiegare. Errori o superficialità nell’inserimento dei dati alterano profondamente la capacità che ha il CNCPS di calcolare la proteina e l’energia metabolizzabile e il bilanciamento amminoacidico.
La feed library degli alimenti zootecnici a disposizione della versione 6.5 del CNCPS contiene i dettagli analitici di circa 800 alimenti (sia “naturali” che dell’industria) derivanti maggiormente da due laboratori commerciali statunitensi. Pertanto, per aumentare l’efficacia dell’affidabilità del CNCPS è necessario che i nutrizionisti analizzino gli alimenti effettivamente presenti nelle aree dove operano poiché le differenze analitiche, specialmente dei foraggi e di molti sottoprodotti, possono essere profondamente diverse da quelle statunitensi. Ci sono alcuni aspetti dei nutrienti, come il coefficiente di degradazione (Kd) e la composizione amminoacidica, che sono difficilmente analizzabili nei laboratori commerciali per cui, allo stato attuale, si utilizzano quelli della feed library del CNCPS. Tutti gli altri parametri sono analizzabili, in particolare: sostanza secca, proteina grezza, proteina solubile, ammoniaca, ADIP, NDIP, acido acetico, acido propionico, acido butirrico, acido lattico, zuccheri, amido, ADF, NDF, lignina, ceneri, estratto etereo e fibra solubile.
I nutrienti che compongono un alimento possono essere analizzati attraverso la tradizionale “wet chemistry” oppure la spettroscopia nel vicino infrarosso (NIR). La wet chemistry è molto accurata ma molto costosa, per cui viene maggiormente utilizzata per calibrare i NIR o mettere a punto l’analisi di nuovi alimenti o nuovi nutrienti. La tecnica NIR dà oggi l’opportunità di analizzare quasi tutti i nutrienti necessari all’utilizzazione del CNCPS a costi accettabili e con elevata accuratezza.
EQUAZIONI UTILIZZATE DAL CNCPS 6.5 PER CALCOLARE LE FRAZIONI DELLE PROTEINE E DEI CARBOIDRATI | |||
---|---|---|---|
Razione | Descrizione | Equazioni per il calcolo | Kd %/h |
CA1 | Acido propionico, acido acetico e acido butirrico | 0 | |
CA2 | Acido lattico | 7 | |
CA3 | Altri acidi organici | 5 | |
CA4 | Zuccheri (WSC) | 40-60 | |
CB1 | Amido | 20-40 | |
CB2 | Fibra solubile | 20-40 | |
CB3 | NDF disponibile | 1 – 18 | |
CC | NDF indisponibile | aNDFom x (lignina X aNDFom x 2.4) 100 oppure aNDFom x uNDFom | 0 |
PA1 | Ammoniaca | 200 | |
PA2 | Proteina vera solubile | 1 October 1940 | |
PB1 | Proteina moderatamente degradabile | CP- (PA1-PA2-PB1-PC) | 1 March 2020 |
PB2 | Proteina lentamente degradabile e indisponibile. | (NDIP-ADIP) X CP/100 | 1 January 2018 |
PC | Proteina indisponibile | ADIP X CP/100 | |
Fonte: R.J. Higgs ed altri. Journal of Dairy Science (2015) 98:6340-6360 |
METODI DI “WET CHEMISTRY” UTILIZZATI PER CALCOLARE I NUTRIENTS DEGLI ALIMENTI PER CNCPS V 6.50 | |||
---|---|---|---|
Componente | Abbreviazione | Unità | Referenza |
Sostanza secca | DM | % | AOAC 934.01 |
Proteina grezza | CP | % DM | AOAC 968.06 |
Proteina solubile | SP | %CP | Licitra ed al. 1996 |
Ammoniaca | Ammonia | CPE %CP (proteina equivalente) | AOAC 941.04 |
Proteina insolubile nel detergente acido | ADIP | %CP | Licitra ed al. 1996 |
Proteina insolubile nel detergente neutro | NDIP | %CP | Licitra ed al. 1996 |
Acid grassi volatili | Acido acetico, acido butirrico, acido isobutirrico, acido lattico e altri AGV | %DM | Siegfried ed al. 1984 |
Carboidrati idro-solubili (zuccheri) | WSC | %DM | Hall 2014 |
Amido | Starch | %DM | Hall 2015 |
Fibra acido detersa | ADFom | %DM | AOAC 973.18 |
Fibra neutro detersa | aNDFom | %DM | Mertens 2002 |
Lignina | Lignin | % NDF | AOAC 973.18 |
NDF indigeribile | uNDFom | % NDF | Raffrenato 2011 |
Estratto etereo | EE | % DM | AOAC 920.39 |
Fibra solubile | Soluble fiber | % DM | |
Ceneri | Ash | % DM | AOAC 942.05 |
Aminoacidi essenziali | Arginina, istidina, isoleucina, leucina, lisina fenilalanina tirosina, valina, metionina triptofano | % CP | AOAC 994.12; AOAC 988.15 Met; Landry and Delhaye 1992 Trp |
Fonte: R.J. Higgs ed altri. Journal of Dairy Science (2015) 98:6340-6360 | |||