• 《中国科学引文数据库(CSCD)》来源期刊
  • 中国科技期刊引证报告(核心版)期刊
  • 《中文核心期刊要目总览》核心期刊
  • RCCSE中国核心学术期刊

高蛋白饲粮致雏鹅痛风的临床病理学研究

李曼曼, 丁雪东, 荣雪路, 方天仪, 骞守法, 贺濛初, 李玉, 李锦春, 吴金节

李曼曼, 丁雪东, 荣雪路, 等. 高蛋白饲粮致雏鹅痛风的临床病理学研究[J]. 华南农业大学学报, 2019, 40(1): 46-52. DOI: 10.7671/j.issn.1001-411X.201805003
引用本文: 李曼曼, 丁雪东, 荣雪路, 等. 高蛋白饲粮致雏鹅痛风的临床病理学研究[J]. 华南农业大学学报, 2019, 40(1): 46-52. DOI: 10.7671/j.issn.1001-411X.201805003
LI Manman, DING Xuedong, RONG Xuelu, et al. Clinical pathological study of gosling gout induced by high protein diet[J]. Journal of South China Agricultural University, 2019, 40(1): 46-52. DOI: 10.7671/j.issn.1001-411X.201805003
Citation: LI Manman, DING Xuedong, RONG Xuelu, et al. Clinical pathological study of gosling gout induced by high protein diet[J]. Journal of South China Agricultural University, 2019, 40(1): 46-52. DOI: 10.7671/j.issn.1001-411X.201805003

高蛋白饲粮致雏鹅痛风的临床病理学研究

基金项目: 国家重点研发计划(2016YFD0501205);安徽农业大学研究生创新基金项目(2018-yjs-21)
详细信息
    作者简介:

    李曼曼(1991—),女,硕士研究生,E-mail: 18317715009@163.com

    通讯作者:

    吴金节(1962—),男,教授,硕士,E-mail: wjj@ahau.edu.cn

  • 中图分类号: S835

Clinical pathological study of gosling gout induced by high protein diet

  • 摘要:
    目的 

    研究高蛋白饲粮对1~14日龄雏鹅生长性能、血液生化指标及肝脏、肾脏组织的影响,并对其痛风致病机理进行初步探讨。

    方法 

    选用体质量相近的1日龄雏雁鹅72只,随机分成3组:A、B和C组分别饲喂粗蛋白质量分数为16%、20%和24%的饲粮,每组3个重复,每个重复8只。

    结果 

    A组鹅的生长性能高于B、C组;血清总蛋白、白蛋白和球蛋白的水平随着饲料蛋白水平增加而升高,但差异不显著;C组血清尿酸、丙氨酸氨基转移酶、尿素氮、乳酸脱氢酶的水平显著高于A、B组,而C组总胆红素水平显著低于A、B组。C组肝脏组织中的白细胞介素–1β、白细胞介素–8、黄嘌呤氧化酶活性和肾脏中肿瘤坏死因子–α活性显著高于A、B组。A组肝脏、肾脏组织正常;B组肝脏组织有轻微炎性细胞,肾脏组织正常;C组肝脏细胞出现坏死、水肿和炎性浸润,肾小管空泡变性,肾小球萎缩。C组鹅出现痛风症状。

    结论 

    在饲养条件相同的情况下,饲喂粗蛋白质量分数为24%的饲粮影响雏鹅的生长性能和血清尿酸等部分血液生化指标,引起肝脏和肾脏组织一定程度的损伤以及输尿管有尿酸盐沉积等痛风变化。

    Abstract:
    Objective 

    To study the effects of high protein diet on growth performance, blood biochemical parameters, liver and kidney tissues of goslings at the age of 1 to 14 days, and preliminarily investigate gout pathogenesis of high protein diet.

    Method 

    Seventy-two one-day-old geese were randomly allocated into three groups with three replicates per group and eight geese per replicate. Group A, B and C were fed with diets containing 16%, 20% and 24% crude protein, respectively.

    Result 

    The growth performance of geese in group A were higher than those in group B and C. Total protein, albumin and globulin levels of serum increased with the increase of dietary protein level, but the differences were not significant. Serum uric acid, alanine aminotransferase, urea nitrogen, and lactate dehydrogenase levels in group C were significantly higher than those in group A and B, while total bilirubin level in group C was significantly lower than those in group A and B. The interleukin-1β, interleukin-8 and xanthine oxidase activities of liver tissues and tumor necrosis factor-α activity of kidney tissues in group C were significantly higher than those in group A and B. In group A, the liver and kidney tissues were normal. In group B, there were mild inflammatory cells in liver tissues, and the kidney tissues were normal. In group C, necrosis, edema and inflammatory infiltration of liver cells and tubular vacuolar degeneration, glomerular atrophy of kidney were observed. The geese exhibited gout symptoms in group C.

    Conclusion 

    Under the same feeding conditions, feeding with 24% crude protein can affect growth performance, serum uric acid and other blood biochemical indexes of goslings, cause some damage to liver and kidney tissue, and produce gout symptoms, such as urate deposition in the ureter.

  • 入侵植物是生物多样性丧失的主要原因之一,入侵植物相较于本土植物在捕获阳光、争夺土壤水分及养分等方面优势显著,具有更强的竞争能力[1-2]。如今全球几乎所有区域都受到入侵植物的影响,入侵植物给各地生态系统的平衡与稳定带来极大冲击[3]。中国是一个生态系统高度多样化的国家,是植物入侵较严重的国家之一[4]。入侵杂草众多,其中以菊科最多,来源地多数为美洲,肿柄菊Tithonia diversifolia A. Gray和金腰箭Synedrella nodiflora (L.) Gaertn.位列其中[5-6]

    肿柄菊和金腰箭均为菊科入侵植物,原产于中南美洲,现广泛分布于我国云南、华南等地 [7-8]。肿柄菊入侵后形成密实的大面积单优势种群落[7],其植株构件间的生长关系随着群落环境变化而改变,有利于其入侵不同环境,增强其适应环境的能力[9]。金腰箭入侵后通过高种子产量和快速营养生长扩张种群[10]。二者常见于农田、路边、林地及河岸等生境,通过生态位竞争严重危害农作物生产,并威胁区域生物多样性[4, 11]

    鉴于上述肿柄菊和金腰箭的入侵特性及扩散威胁,准确预测其潜在适生区成为生态防控的关键。最大熵模型(Maximum entropy models,MaxEnt)是一种物种分布预测的常用软件,只需要物种分布数据和环境数据,就可以统计分析出物种的当前分布和未来分布,且只需要少量样本就可以达到较高的精确度[12],该模型被广泛应用于植物的各种分布区域的模拟,是外来物种潜在适生区预测的首选模型[13]。基于上述模型特性,本研究通过MaxEnt模型和ArcGIS 软件等对影响入侵植物肿柄菊和金腰箭分布的主导气候因子进行分析,使用ROC曲线法评价模型预测的准确性,并对其当前和未来不同气候条件下(至2040年)在中国的潜在适生分布进行研究,以期为肿柄菊和金腰箭这2种杂草在中国的生态治理提供可靠的数据支撑。

    物种分布预测方法参考当前主流方法[14-15]进行,主要包括数据的查找与处理、模型的优化及构建、可视化地图的制作等。首先进行物种分布点收集及处理;继而查找对物种分布产生影响作用的各类环境因子,并运用SPSS软件进行相关性分析,同时使用ENMeval对模型进行优化,随后构建MaxEnt模型,最终借助ArcGIS软件绘制可视化图。

    MaxEnt软件3.4.1版、ArcGIS软件10.4.1版、SPSS Statistics软件20.0版、R语言3.6.3版、ENMeval程序包以及Microsoft Excel 2016。

    从世界气候数据网站(https://www.worldclim.org/)下载2.1版、分辨率为5 min(10 km2)的1970—2000年的19个生物气候变量(bio1~bio19)以及高程海拔(elev)、坡度(slope)和坡向(aspect)数据,并于此网站下载国家气候中心系统模式(BCC-CSM2-MR)的4个气候情景模式 (SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5)下2021—2040年的世界范围内19个生物气候变量数据(bio1~bio19),从联合国粮农组织网站的世界土壤数据库下载17个土壤属性变量。一共得到温度、降水量、海拔和土壤特征的环境变量数据39个(表1)。

    表  1  环境变量因子
    Table  1.  Environmental variable factors
    变量 Variable 描述 Description 变量 Variable 描述 Description
    bio01 年平均温度 elev 高程海拔
    bio02 昼夜温差月均值 slope 坡度
    bio03 等温性 aspect 坡向
    bio04 温度季节变化标准差 awc_class 土壤有效含水量
    bio05 最暖月最高温 t_bs 表层土壤容重
    bio06 最冷月最低温 t_CaCO3 表层碳酸钙含量
    bio07 年均温度变化范围 t_CaSO4 表层硫酸钙含量
    bio08 最湿季度平均温度 t_cec_soil 表层土壤阳离子交换能力
    bio09 最干季度平均温度 t_clay 表层黏土含量
    bio10 最暖季度平均温度 t_ece 表层盐分含量
    bio11 最冷季度平均温度 t_esp 表层碱分含量
    bio12 年均降水量 t_gravel 表层土壤砾石含量
    bio13 最湿月降水量 t_oc 表层有机碳含量
    bio14 最干月降水量 t_pH_H2O 表层酸碱度
    bio15 季节降水量变异系数 t_sand 表层底层沙含量
    bio16 最湿季度降水量 t_silt 表层粉沙粒含量
    bio17 最干季度降水量 t_teb 表层交换性盐基
    bio18 最暖季度降水量 t_usda_tex_class 表层Usda土壤质地分类
    bio19 最冷季度降水量
    下载: 导出CSV 
    | 显示表格

    使用ArcGIS读取过拟合分析后的物种分布数据及环境数据,将提取的环境变量和物种分布数据导入MaxEnt模型运行10次,得到环境数据的平均贡献率,并对提取的环境变量通过SPSS进行Pearson相关性分析。计算变量间的相关性矩阵,剔除平均贡献率为0的环境变量,并将相关系数R>0.8的2个环境变量中贡献率较低的1组舍去。最终,得到与肿柄菊相关的环境变量因子25个:bio02、bio04、bio07、bio10、bio11、bio12、bio14、bio15、bio18、bio19、awc_class、drainage、t_bs、t_CaCO3、t_CaSO4、t_cec_soil、t_clay、t_ece、t_esp、t_gravel、t_oc、t_pH_H2O、t_sand、t_silt、t_teb;得到与金腰箭相关的变量因子26个:bio02、bio04、bio05、bio06、bio07、bio08、bio12、bio13、bio15、bio17、bio18、bio19、awc_class、drainage、t_bs、t_CaCO3、t_cec_soil、t_clay、t_ece、t_esp、t_gravel、t_oc、t_pH_H2O、t_sand、t_silt、t_teb。

    通过在中国数字植物标本馆、全球生物多样性信息网络、中国科学院植物研究所植物标本馆等数字标本库检索目标植物学名,得到肿柄菊和金腰箭分布点信息,将相关数据存为CSV格式。将去掉无效数据后的物种分布数据通过ENMeval软件及环境数据进行过拟合分析,对分布数据的经纬度根据栅格大小去掉同一栅格内重复数据,得到肿柄菊自然分布点3859个、金腰箭自然分布点2402个。

    从标准地图服务系统(http://bzdt.ch.mnr.gov.cn/)下载GS(2022)4312号标准地图。

    分别将得到的肿柄菊和金腰箭的环境变量因子使用R语言ENMeval进行分布数据模型优化,将分布数据随机分成2部分,其中,75%用于训练集,25%用于测试集, 对MaxEnt软件中的调控倍频(Regularization multiplier, RM)和特征组合(Feature combination, FC)参数进行优化,RM设置40个调控倍频,从0.1到4.0,每次增加0.1,FC一共有5个特征:Linear(L)、Quadratic(Q)、Hinge(H)、Product(P)、Threshold(T),设定29个特征组合(H、L、LH、LP、LPH、LPT、LPTH、LQ、LQH、LQP、LQPH、LQPT、LQPTH、LQT、LQTH、LT、P、PH、PT、PTH、Q、QH、QP、QPH、QPT、QT、QTH、T和TH),R语言程序包对上述1160种参数组合进行测试检验,用最小赤池信息量准则的AICc模型评估ROC曲线下面积(Area under curve,AUC),用AUC评估模拟结果的精确度,使用AICc值为“0”的参数组合用于MaxEnt模型建模。

    分别将肿柄菊和金腰箭相关的环境变量因子和处理后的分布数据输入MaxEnt模型,其中75%的分布数据为训练集,25%作为测试集,RM与FC参数选择模型优化后的参数,选择制作响应曲线,分析单个环境变量因子和分布概率之间的关系,使用刀切法(Jackknife)检验环境变量的重要程度。以AUC来评价模型的精确度,AUC越大,预测结果的精确度越高,模型重复运行10次,取均值作为模型运算结果。

    分别将肿柄菊和金腰箭的MaxEnt模型优化后的数据和中国地图数据读入ArcGIS软件,进行掩膜提取,得到对应物种在我国的物种分布图,并利用自然间断点对物种分布图进行重分类,得到非适生区、低适生区、中适生区和高适生区4个等级。

    基于25个环境变量因子和肿柄菊3859个分布点数据,MaxEnt软件调控倍率RM=1.2,特征组合FC为LH。经MaxEnt 10次重复训练得到的AUC为0.875(图1a),预测结果可靠。

    图  1  肿柄菊(a)和金腰箭(b)生态位模型预测结果
    Figure  1.  The prediction results of niche model of Tithonia diversifolia A. Gray (a) and Synedrella nodiflora (L.) Gaertn (b)

    基于26个环境变量因子和2402个金腰箭分布点数据,MaxEnt软件调控倍率RM=3.5,特征组合FC为LPTH,经Maxent 10次重复训练得到的AUC为0.903(图1b),预测结果可靠。

    肿柄菊使用25个环境因子建立模型,贡献率前10的环境变量因子和贡献率分别为温度季节变化标准差(bio04,37.2%)、最冷季节平均温度(bio11,33.6%)、最暖季节降水量(bio18,6.9%)、高程海拔(elev,4.2%)、年均温度变化范围(bio07,4.2%)、坡度(slope,3.8%)、表层交换性盐基(t_teb,2.5%)、最干月降水量(bio14,1.3%)、昼夜温差月均值(bio02,1.3%)和土壤有效含水量(awc_class,0.9%),前10的环境变量因子贡献率之和为95.9%。贡献率越高表明植物分布受此环境变量影响的概率越高。

    金腰箭使用26个相关环境因子建立模型,贡献率前10的环境变量因子和贡献率分别为最湿月降水量(bio13,49.6%)、年均温度变化范围(bio07,16.5%)、年均降水量(bio12,10.6%)、温度季节变化标准差(bio04,3.8%)、表层交换性盐基(t_teb,3%)、表层土壤烁石含量(t_gravel,2.9%)、昼夜温差月均值(bio02,2.6%)、高程海拔(elev,2.6%)、最湿季度平均温度(bio08,2.3%)和季节降水量变异系数(bio15,1.5%)。前10的环境变量因子贡献率之和为95.4%。

    刀切法检验环境变量的结果如图2所示。综合MaxEnt模型和Jackknife检验结果可知,温度季节变化标准差(bio04)、最冷季节平均温度(bio11)是影响肿柄菊分布的主要环境变量,2个环境变量因子贡献率之和为70.8%;而年均温度变化范围(bio07)、年均降水量(bio12)、温度季节变化标准差(bio13)是影响金腰箭分布的主要环境变量,3个环境变量因子贡献率之和达76.7%。

    图  2  环境变量重要性的刀切法检验结果
    Figure  2.  Results of Jackknife method for the importance of the environmental variables

    存在概率≥0.5对应的环境因子范围是物种适宜分布的阈值。根据响应曲线(图3)确定影响肿柄菊和金腰箭分布的贡献率高的环境因子的阈值。温度季节变化标准差(bio04)处于−200%~300.02%(图3a)以及最冷季节平均温度(bio11)处于13.38~22.66 ℃(图3b)时肿柄菊存在概率≥0.5。当年均平均温度变化范围(bio07)处于3.69~18.06 ℃(图3c)、年均降水量(bio12)处于1542.86~4563.11mm(图3d)以及最湿月降雨量(bio13)处于300.05~2439.07mm(图3e)时金腰箭存在概率≥0.5。

    图  3  环境因子响应曲线
    Figure  3.  Environmental factor response curve

    将肿柄菊和金腰箭在MaxEnt模型模拟优化后的数据和中国地图数据分别导入ArcGIS,得到肿柄菊和金腰箭在当前气候下的潜在分布区(图4)。肿柄菊当前总适生面积约152.72万km2,约占国土面积的15.91%,高适生区、中适生区和低适生区面积分别为31.83、42.46和78.43万km2,肿柄菊的适生范围(图4a)主要在西藏南部、云南、四川、重庆以及华南地区,其中,高适生区和中适生区零散分布于位于我国西藏南部、云南、广西、广东、福建、海南和台湾。金腰箭当前总适生区面积约250.68万km2,约占国土面积的26.11%,高适生区、中适生区和低适生区面积分别为33.82、56.49和160.37万km2,金腰箭的适生范围(图4b)主要在西藏南部、云南、四川、重庆以及华南地区,其中,高适生区和中适生区零散分布于位于我国西藏南部、云南、广西、广东、福建、海南和台湾。

    图  4  肿柄菊(a)和金腰箭(b)在中国的当前适生区
    Figure  4.  Current suitable areas of Tithonia diversifolia A. Gray (a) and Synedrella nodiflora (L.) Gaertn (b) in China

    表2为在不同时期气候情景下肿柄菊和金腰箭在中国的潜在适生区面积。

    表  2  不同时期气候情景下肿柄菊和金腰箭在中国的潜在适生区面积
    Table  2.  Potential suitable areas of Tithonia diversifolia A. Gray and Synedrella nodiflora (L.) Gaertn in China under different climate scenarios in different periods ×104 km2
    物种
    Species
    时期
    Tperiod
    气候情景
    Climate scenario
    低适生区
    Low suitable areas
    中适生区
    Middle suitable areas
    高适生区
    High suitable areas
    总适生区
    Total suitable area
    肿柄菊
    Tithonia diversifolia
    A. Gray
    当前
    Current period
    - 78.43 42.46 31.83 152.72
    2040s SSP1-2.6 145.34 51.93 38.62 235.89
    2040s SSP2-4.5 147.99 52.50 35.91 236.40
    2040s SSP3-7.0 142.08 51.60 36.98 230.67
    2040s SSP5-8.5 142.18 50.33 37.23 229.74
    金腰箭
    Synedrella nodiflora
    L. Gaertn.
    当前
    Current period
    - 160.37 56.49 33.82 250.68
    2040s SSP1-2.6 146.40 123.85 93.78 364.03
    2040s SSP2-4.5 73.23 35.04 19.84 128.11
    2040s SSP3-7.0 145.16 54.02 54.99 254.17
    2040s SSP5-8.5 178.97 39.65 26.29 244.92
    下载: 导出CSV 
    | 显示表格

    SSP1-2.6情景下,2040年肿柄菊总适生区面积约235.89万km2,较当前分布面积增加83.18万km2,主要为低适生区面积增加66.91万km2。金腰箭在此气候情境下2040年总适生区面积约364.03万km2,较当前金腰箭分布面积增加约113.35万km2,主要为高适生区增加59.96万km2和中适生区面积增加67.36万km2

    SSP2-4.5情景下,2040年肿柄菊总适生区面积约236.40万km2,较当前分布面积增加83.68万km2,主要为低适生区面积增加69.56万km2。金腰箭在此气候情境下2040年总适生区面积约128.11万km2,较当前分布面积减少122.57万km2,主要为低适生区面积减少87.14万km2

    SSP3-7.0情景下,2040年肿柄菊总适生区面积约230.67万km2,较当前分布面积增加77.95万km2,主要为低适生区面积增加63.65万km2。金腰箭在此气候情境下2040年总适生区面积约254.17万km2,较当前分布面积相对变化不大。

    SSP5-8.5情景下,2040年肿柄菊总适生区面积约229.74万km2,较当前分布面积增加77.02万km2,主要为低适生区面积增加63.75万km2。金腰箭在此气候情境下2040年总适生区面积约244.92万km2,较当前分布面积相对变化不大。

    图5为4种气候情景模式下肿柄菊和金腰箭在中国的适生区,肿柄菊在2040年,SSP1-2.6情景下(图5a)、SSP2-4.5情景下(图5b)、SSP3-7.0情景下(图5c)、SSP5-8.5情景下(图5d)下总适生区明显增加,主要为长江以南部分非适生区变为低适生区,广东省、广西壮族自治区和福建省部分中适生区变为高适生区,低适生区变为中适生区。

    图  5  4种气候情景模式下肿柄菊(a~d)和金腰箭(e~h)在中国的适生区
    Figure  5.  Suitable areas of Tithonia diversifolia A. Gray (a-d) and Synedrella nodiflora (L.) Gaertn (e-h) in China under four climate scenarios

    金腰箭在SSP1-2.6情景下2040年(图5e)总适生区明显增加,其中川渝地区部分低适生区变为高适生区,华南部分中适生区变为高适生区,渤海和黄海沿岸区域部分非适生区变为低适生区。金腰箭在SSP2-4.5情景下2040年(图5f)总适生区明显减少,其中主要为华南地区部分低适生区变为非适生区,广西南部及藏南地区高适生区减少为中适生区。金腰箭在SSP3-7.0情景下2040年(图5g)总适生区变化不大,低适生区面积减小,同时川渝地区和华南地区部分低适生区变为中适生区和高适生区。金腰箭在SSP5-8.5情景下2040年(图5h)总适生区变化不大,低适生区面积增大,藏南及广西壮族自治区南部的中高适生区面积减少。

    MaxEnt模型的精度取决于样本的覆盖度、区域和样本量的多少 [16]。本研究通过国内外植物网站分别收集肿柄菊、金腰箭大量分布数据,经过处理得到肿柄菊分布点3859个,金腰箭分布点2402个,分布点数据数量充足。AUC 是受试者工作特征曲线(ROC)下面积,AUC是衡量模型结果的指标,AUC的取值范围是0~1,数值越大表明环境变量与预测物种地理分布之间的相关性越大,模型判断力越强,模型预测效果越准确[17],本研究结果显示肿柄菊的AUC为0.875,金腰箭的AUC为0.903,模型预测结果均较为可靠。

    植物的分布是光照、气温、降水量、土壤及地形等多种因素综合作用的结果,但在一定尺度上,气候因子是制约其适生区分布的主要因素[18-20]。环境因子的数量、种类和精度对模型预测的准确度至关重要[21-22]。本研究选取了19个气候因子、3个地形因子和17个土壤因子,共计39个环境因子用于模型预测,预测环境变量范围广泛。环境因子的分辨率为5 min (10 km2),精度较高。环境变量间存在着较高的空间相关性[17],为提高模型的精确性,避免引入的无用信息影响模型预测结果,针对不同植物要对上述环境因子进行筛选。最终肿柄菊使用25个环境因子建立模型,贡献率前10的环境变量因子之和为95.9%。其中,影响肿柄菊分布的主要环境因子为温度季节变化标准差和最冷季节平均温度,贡献率之和达70.8%,对其分布起着关键的决定性作用。当温度季节变化标准差为−200%~300.02%以及最冷季节平均温度为13.38~22.66 ℃时,肿柄菊存在概率≥0.5。采用26个相关环境因子建立金腰箭的模型,贡献率前10的环境变量因子之和为95.4%。其中,影响金腰箭分布的主要环境因子为平均温度变化范围、年均降水量和最湿月降雨量,贡献率之和达76.7%,对金腰箭的分布起着关键的决定性作用。当环境处于平均温度变化范围3.69~18.06 ℃、年均降水量达到1542.86~4563.11 mm以及最湿月降雨量为300.05~2439.07 mm时,金腰箭存在概率≥0.5。这些气候条件分别为肿柄菊和金腰箭的生存提供了适宜的生态位。

    当前肿柄菊已在我国南部的热带、亚热带一些省份普遍分布[23],本研究结果显示肿柄菊在中国当前的高适生区和中适生区分布于我国西藏南部、云南、广西、广东、福建、海南、台湾,总适生面积约152.72万km2。对于未来肿柄菊的分布,不同气候情景下肿柄菊的潜在适生分布范围相差不大。肿柄菊未来预测分布相较当前入侵分布总适生区明显增加,主要为中国长江以南部分,非适生区变为低适生区,低适生区约以倍数增加,并且其未来中高适生区有向广东、广西和福建区域扩张的趋势,这些地区要加强防范。

    现阶段金腰箭的高适生区和中适生区零散分布于我国西藏南部、云南、广西、广东、福建、海南、台湾,总适应区面积为250.68万km2,这与《中国植物志》[24]记载基本一致。对于未来金腰箭的分布,不同气候情景下金腰箭均有逐渐向我国东南部地区扩张的趋势,这些地区要加强对其监控及防治。

  • 图  1   鹅肝脏和肾脏HE染色后的显微照片

    a、e分别为A组鹅的肝脏和肾脏组织结构;b、f分别为B组鹅的肝脏和肾脏组织结构;c、d均为C组鹅的肝脏组织结构;g、h均为C组鹅的肾脏组织结构

    Figure  1.   Microscopic pictures of goose liver and kidney after HE staining

    a and e were liver and kidney tissue structures in geese of group A, respectively; b and f were liver and kidney tissue structures in geese of group B, respectively; c and d were liver tissue structures in geese of group C; g and h were kidney tissue structures in geese of group C

    图  2   鹅肝脏、肾脏透射电镜图片

    a、b和c分别为A、B和C组肝脏细胞结构;d、e和f分别为A、B和C组肾小管上皮细胞结构

    Figure  2.   Transmission electron microscope pictures of goose liver and kidney

    a, b and c were liver cell structures in group A, B and C, respectively; d, e and f were renal tubular epithelial cell structures in group A, B and C, respectively

    表  1   试验饲粮营养组成与含量1)

    Table  1   Nutrient compositions and levels of experimental diets

    项目 Item 组成 Component 组别 Group
    A B C
    原料及质量分数/%
    Ingredient content
    玉米 Corn 46.00 42.00 36.45
    小麦次粉 Wheat midding 15.00 13.90 13.79
    米糠 Rice bran 20.00 18.53 17.06
    蛋白粉 Albumen powder 0 7.35 14.70
    玉米胚芽粕 Corn germ meal-so1 4.00 4.00 4.00
    酒糟蛋白饲料 Distillers dried grains with solubles 9.00 8.22 8.00
    石粉 Stone powder 0.72 0.72 0.72
    玉米蛋白粉 Corn gluten meal 3.00 3.00 3.00
    预混料1) Premix 2.28 2.28 2.28
    合计 Total 100.00 100.00 100.00
    营养成分及质量分数/%
    Nutrient content
    粗蛋白质2) Crude protein 16.00 20.00 24.00
    钙 Ca 1.10 1.10 1.10
    有效磷 Available phosphorous 0.65 0.65 0.68
    粗纤维 Crude fiber 6.80 6.60 6.40
    粗灰分 Ash 9.00 9.00 9.10
    氯化钠 NaCl 0.50 0.50 0.50
    水分 Water 13.00 13.00 13.00
    蛋氨酸 DL-Methionine 0.50 0.51 0.52
    代谢能/(MJ·kg–1)
    Metabolic energy
    2.70 2.69 2.70
     1) 预混料为每千克饲料提供: 维生素A 1.4×105 IU, 维生素D3 6×104 IU, 维生素E 100 IU, 维生素K3 28 mg, 维生素B1 12 mg, 维生素B2 62 mg, 维生素B6 18 mg, 维生素B12 0.12 mg, 维生素B5 100 mg,维生素B3 3 180 mg,维生素B9 11.6 mg,维生素B7 1.6 mg,胆碱 5 000 mg,Mn 900 mg,Zn 1 000 mg,Fe 1.3 g,Cu 250 mg,Se 4.5 mg,I 7 mg,赖氨酸 25 000 mg,w(Ca) 9%,w(P) 3%,w(H2O) 12%
     1) The premix provided the following per kilogram of diet: Vitamin A 1.4×105 IU, vitamin D3 6×104 IU, vitamin E 100 IU, vitamin K3 28 mg, vitamin B1 12 mg, vitamin B2 62 mg, vitamin B6 18 mg, vitamin B12 0.12 mg, vitamin B5 100 mg,vitamin B3 3 180 mg,vitamin B9 11.6 mg,vitamin B7 1.6 mg,choline 5 000 mg,Mn 900 mg,Zn 1 000 mg,Fe 1.3 g,Cu 250 mg,Se 4.5 mg,I 7 mg, Lys 25 000 mg,w(Ca) 9%,w(P) 3%,w(H2O) 12%
    下载: 导出CSV

    表  2   不同试验组鹅体重与料重比变化

    Table  2   Changes in the body weight and feed weight ratio of goose in different experimental group

    组别
    Group
    体质量/g1)  Body weight 料重比/%  Feed weight ratio
    第1天
    1st day
    第7天
    7th day
    第14天
    14th day
    第1~7天
    1st to 7th day
    第8~14天
    8th to 14th day
    A 124.00±3.10a 258.57±15.52a 398.46±71.99a 2.29 1.79
    B 124.43±3.10a 226.77±28.99a 327.17±53.26a 2.83 2.37
    C 124.63±2.62a 181.00±39.88b 270.25±31.64b 3.20 3.32
     1) 同列数据后不同小写字母表示差异显著 (P<0.05, Duncan’s法)
     1) Different lowercase letters in the same column indicated significant difference (P<0.05, Duncan’s test)
    下载: 导出CSV

    表  3   14日龄雏鹅血清生化指标1)

    Table  3   Serum biochemical indicators of 14-day-old goslings

    项目 Item 组别 Group
    A B C
    丙氨酸氨基转移酶活性/(U·L–1) Alanine aminotransferase activity 18.80±3.53b 19.69±6.83b 50.72±38.36a
    天冬氨酸氨基转移酶活性/(U·L–1) Aspartate aminotransferase activity 15.20±6.38a 23.24±15.71a 25.68±7.95a
    碱性磷酸酶活性/(U·L–1) Alkaline phosphatase activity 771.14±276.49a 698.95±331.51a 714.40±326.05a
    γ−谷氨酰转移酶活性/(U·L–1)  γ-glutaminyl transferase activity 2.17±2.75a 2.87±3.75a 4.05±1.14a
    乳酸脱氢酶活性/(U·L–1) Lactate dehydrogenase activity 201.04±56.06b 355.66±109.74b 821.59±363.56a
    ρ(总蛋白) /(g·L–1) Total protein content 36.64±6.92a 35.31±4.93a 32.51±6.62a
    ρ(白蛋白) /(g·L–1) Albumin content 14.01±1.38a 14.09±1.77a 13.78±1.59a
    ρ(球蛋白) /(g·L–1) Globulin content 22.61±6.94a 21.21±4.76a 18.73±6.63a
    c(尿酸) /(μmol·L–1) Uric acid concentration 142.33±23.49b 133.88±57.05b 230.27±82.81a
    c(总胆红素) /(μmol·L–1) Total bilirubin concentration 12.07±2.21a 8.86±2.33b 4.81±5.10b
    c(尿素氮) /(mmol·L–1) Urea nitrogen concentration 0.40±0.32b 0.43±0.14b 1.12±0.58a
     1) 同行数据后不同小写字母表示差异显著 (P<0.05, Duncan’s法)
     1) Different lowercase letters in the same row indicated significant difference (P<0.05, Duncan’s test)
    下载: 导出CSV

    表  4   不同试验组鹅肝脏中炎症因子水平1)

    Table  4   The inflammatory cytokine level of goose liver in different experimental group

    项目 Item 组别 Group
    A B C
    ρ(IL-1β)/(pg·mL–1) 465.37±45.49b 495.09±39.27b 500.76±32.48a
    ρ(IL-6)/(pg·mL–1) 290.53±25.85a 295.99±24.67a 343.03±33.73a
    ρ(IL-8)/(pg·mL–1) 1 168.45±49.59b 1 238.39±145.69b 1 421.43±257.08a
    ρ(TNF-α)/(pg·mL–1) 1 775.58±113.00a 1 834.83±178.47a 1 842.25±131.31a
    ρ(TNF-β)/(pg·mL–1) 1 775.58±113.00a 1 834.83±178.47a 1 842.25±131.31a
    黄嘌呤氧化酶活性/(U·L–1) Xanthine oxidase activity 40.93±7.33b 49.17±2.80b 51.53±2.96a
     1) 同行数据后不同小写字母表示差异显著 (P<0.05, Duncan’s法)
     1) Different lowercase letters in the same row indicated significant difference (P<0.05, Duncan’s test)
    下载: 导出CSV

    表  5   不同试验组鹅肾脏中炎症因子水平1)

    Table  5   The inflammatory cytokines level of goose kidney in different experimental group

    项目 Item 组别 Group
    A B C
    ρ(IL-1β)/(pg·mL–1) 571.05±24.53a 570.01±60.90a 556.57±31.57a
    ρ(IL-6)/(pg·mL–1) 290.0±17.10a 316.94±28.01a 328.24±20.40a
    ρ(IL-8)/(pg·mL–1) 1 086.61±19.21a 1 114.88±56.94a 1 114.64±42.77a
    ρ(TNF-α)/(pg·mL–1) 1 484.11±68.87b 1 517.44±154.03b 1 703.23±98.99a
    ρ(TNF-β)/(pg·mL–1) 1 516.36±126.38a 1 537.44±107.06a 1 624.11±107.43a
    黄嘌呤氧化酶活性/(U·L–1) Xanthine oxidase activity 52.10±1.97a 52.57±2.39a 53.09±2.65a
     1) 同行数据后不同小写字母表示差异显著 (P<0.05, Duncan’s法)
     1) Different lowercase letters in the same row indicated significant difference (P<0.05, Duncan’s test)
    下载: 导出CSV
  • [1] 许英民, 杨成勇. 肉仔鹅饲喂肉鸡料引发痛风病的报告[J]. 中国禽业导刊, 2006, 23(11): 25.
    [2] 李涌. 家禽发生痛风病因和防治[J]. 农业开发与装备, 2017(5): 187. doi: 10.3969/j.issn.1673-9205.2017.05.160
    [3]

    SINGH N, GHOSH R C. Pathology of gout induced by high protein diets in growing broilers[J]. Asian J Animal Sci, 2014, 9(2): 149-153. doi: 10.15740/HAS/TAJAS

    [4] 费强. 一起笼养蛋鸡痛风病的诊治[J]. 家禽科学, 2015(9): 31-32. doi: 10.3969/j.issn.1673-1085.2015.09.010
    [5] 王铁良, 李永久, 马有为. 雏鸡痛风的原因及防治[J]. 中国畜牧兽医, 2010, 37(4): 229-231.
    [6] 陈鲜鑫, 刘震坤. 浅析禽痛风的发病原因及防治方法[J]. 兽医导刊, 2017(6): 116.
    [7] 常斌, 王润莲, 庞华琦, 等. 肉鹅营养需要研究进展[J]. 饲料工业, 2008, 29(13): 26-28. doi: 10.3969/j.issn.1001-991X.2008.13.008
    [8] 贺普霄. 家畜营养代谢病[M]. 北京: 中国农业出版社, 1994: 40-41.
    [9] 刘五岳. 鹅的饲养标准[J]. 畜禽业, 2003(10): 11. doi: 10.3969/j.issn.1008-0414.2003.10.004
    [10]

    VAN BEEK J H, DE MOOR M H, DE GEUS E J, et al. The genetic architecture of liver enzyme levels: GGT, ALT and AST[J]. Behav Genet, 2013, 43(4): 329-339. doi: 10.1007/s10519-013-9593-y

    [11]

    HÜGLE T, KRENN V. Histopathophysiology of gout[J]. Ther Umsch, 2016, 73(3): 137-140. doi: 10.1024/0040-5930/a000769

    [12]

    NASOORI A, PEDRAM B, KAMYABIMOGHADDAM Z, et al. Clinicopathologic characterization of visceral gout of various internal organs - a study of 2 cases from a venom and toxin research center[J]. Diagn Pathol, 2015, 10(1): 23. doi: 10.1186/s13000-015-0251-y

    [13] 周伟, 谭云, 王小波. 鸡痛风的组织病理学观察[J]. 中国兽医杂志, 2017, 53(4): 42-44.
    [14]

    MARTINON F, PÉTRILLI V, MAYOR A, et al. Gout-associated uric acid crystals activate the NALP3 inflammasome[J]. Nature, 2006, 440(7081): 237-241. doi: 10.1038/nature04516

    [15]

    YEN D, CHEUNG J, SCHEERENS H, et al. IL-23 is essential for T cell-mediated colitis and promotes inflammation via IL-17 and IL-6[J]. J Clin Invest, 2006, 116(5): 1310-1316. doi: 10.1172/JCI21404

    [16]

    UELAND T, GULLESTAD L, NYMO S H, et al. Inflammatory cytokines as biomarkers in heart failure[J]. Clin Chim Acta, 2015, 443: 71-77. doi: 10.1016/j.cca.2014.09.001

    [17] 郭小权, 曹华斌, 黄克和, 等. 高钙日粮对青年蛋鸡肾脏中XOD基因mRNA表达的影响[J]. 中国兽医学报, 2011, 31(11): 1663-1666.
    [18] 黄继勇, 张艳. 痛风患者外周血中炎症因子IL-18, IL-1β, TNF-α的变化[J]. 中华全科医学, 2017, 15(9): 1487-1489.
图(2)  /  表(5)
计量
  • 文章访问数: 
  • HTML全文浏览量:  0
  • PDF下载量: 
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-05-03
  • 网络出版日期:  2023-05-17
  • 刊出日期:  2019-01-09

目录

/

返回文章
返回