肠道微生物对天农麻鸡腹部脂肪沉积的影响

来源 :佛山科学技术学院 | 被引量 : 0次 | 上传用户:heheaixixi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
鸡腹脂沉积水平直接影响其生产性能、肉质风味、消费者喜好,并最终影响规模生产的经济效益。对鸡腹脂沉积的控制在优质肉鸡和蛋鸡的饲养中,尤其具有重要的意义。越来越多的证据表明,动物脂肪沉积不仅受到遗传和营养等多种因素的调节,肠道微生物也是影响脂肪沉积的一个重要因素。本研究以我国优质肉鸡配套系天农麻鸡为研究对象,调研了标准生产模式下天农麻鸡的腹脂沉积情况及与生产性能的关系,按照腹脂沉积水平设置梯度变异试验组,运用16SrDNA测序技术分析了盲肠微生物与腹脂沉积性状的关系及对脂肪合成代谢相关基因表达的影响。结果表明,天农麻鸡腹脂沉积性状包括腹脂重和腹脂率均存在较大表型分化,其腹脂率与腹脂重相关性极高(r=0.938,P<0.01),腹脂重与活重、屠体重和全净膛重也极显著正相关(r=0.476-0.536,P<0.01),腹脂率与这三个性状也显著正相关但相关性低于腹脂重(r=0.165-0.269,P<0.01),提示腹脂沉积水平与生产性能关系密切,在对天农麻鸡的后续育种改良中需对腹脂沉积及屠体指标开展平衡选育;不同腹脂沉积水平天农麻鸡的盲肠微生物菌群差异明显,随着腹脂增多肠道菌群丰富度显著下降。高腹脂天农麻鸡盲肠中厚壁菌门(Firmicutes)、螺旋体菌门(Saccharibacteria)、蓝细菌门(Cyanobacteria)、梭杆菌门(Fusobacteria)、互养菌门(Synergistetes)显著高于低腹脂的;拟杆菌门(Bacteroidetes)、脱铁杆菌门(Deferribacteres)等则在低腹脂天农麻鸡盲肠中含量显著更高。克里斯滕森菌科(Christensenellaceae)、ODP1230B823(norank_f_ODP1230B823)、梭杆菌科(Fusobacteriaceae)、考拉杆菌科(Phascolarctobacterium)与天农麻鸡腹脂沉积呈不同程度相关,甲烷粒菌科(Methanocorscpulaceae)、疣微菌科(Verrucomicrobiaceae)等与天农麻鸡腹脂沉积呈不同程度负相关,梭杆菌属(Fusobacterim)、丁酸单胞菌属(Intestinimonas)、欧陆森氏菌属(Olsenella)等与天农麻鸡腹脂沉积呈不同程度相关,嗜粘液细菌属(Akkermansia)、甲烷粒菌属(Methanocorsculum)与天农麻鸡腹脂沉积呈不同程度负相关;拟杆菌B.caecicola、B.gallinaceum、B.enrichment-cultture-clone-R4-41、Bunidentified-rumen-bacterium-JW32、念珠菌C.accharibacteria-bacterium-UB2523、氨基酸球菌(Acidaminococcaceae)、硫酸盐还原菌(Anaerofilum)、Slakia等与天农麻鸡腹脂性状呈不同程度相关,拟杆菌B.salanitronis-DSM-18170、B.caecigallinarum、B.sp-SB5、bacterium-YE57等与天农麻鸡腹脂性状呈不同程度负相关;肠道微生物可能通过上调表达宿主脂质代谢、能量代谢、信号传导、细胞生长和迁移等通路来增加天农麻鸡的脂肪合成代谢能力从而造成腹脂沉积。低腹脂天农麻鸡的脂肪合成代谢上调相关基因类胰岛素样生长因子结合蛋白(IGFBP)、过氧化物酶体增殖物激活受体γ(PPARγ)、胰岛素样生长因子(IGF)、乙酰辅酶A羧化酶α(ACACA)基因在腹脂中表达低于高腹脂鸡,而脂肪酸合成酶(FASN)、脂滴包被蛋白(PLIN)基因在腹脂中表达高于高腹脂鸡,脂肪合成下调相关基因瘦素蛋白(LEP)、脂蛋白脂酶(LPL)基因则低于高腹脂鸡。本研究揭示了肠道微生物与天农麻鸡腹脂沉积的关系,为生产实践中培育适宜腹脂含量的鸡提供了新的思路和技术参考。
其他文献
学位
学位
学位
学位
学位
学位
学位
学位
目的:基于人格五因素模型及跨理论模型,在前人的研究基础上,通过自填问卷法调查2型糖尿病患者饮食行为阶段分布情况,以及人格特质与饮食行为阶段之间的关系,并探讨饮食决策平衡(知觉利益、知觉障碍)、饮食自我效能、社会支持在人格特质与饮食行为阶段之间是否存在中介作用,其作用路径及特点,以期为2型糖尿病患者的饮食护理干预提供积极心理学方面的理论参考。方法:(1)采用问卷调查法,便利选取重庆市3所三级甲等医院
由于影响太阳辐照度变化的因素呈现随机特征,传统方法中产生的太阳辐照度中长期预测误差较大,因此提出一种基于CNN-A-BiLSTM的太阳辐照度中长期预测模型。该混合模型通过残差卷积神经网络提取时间特征,采用双向长短期记忆网络进行时序预测,同时融合注意力机制对时间步加权,增强特征选择。对宁夏回族自治区14个地区近10年的天气数据进行模型训练,并且采用递归结构的训练样本,以保证训练样本内部的时间耦合性。