Propostas de modelos não lineares para ajuste da produção de gases in vitro em diferentes tempos de incubação em genótipos de mandioca

Autores

DOI:

https://doi.org/10.5902/2179460X39962

Palavras-chave:

Curva de crescimento, Parâmetros digestivos, Seleção de modelos

Resumo

O presente estudo teve por objetivo, propor novos modelos bicompartimentais a partir da combinação do modelo Gompertz, Logístico e Von Bertalanffy e identificar entre modelos Gompertz e logístico, em suas versões uni e bicompartimental, além dos propostos, aquele que apresenta maior qualidade de ajuste às curvas de produção cumulativa de gases de cinco genótipos de mandioca: Brasília, Engana Ladrão, Dourada, Gema de Ovo e Amansa Burro. Os horários de leituras da produção de gases foram de 2, 4, 6, 8, 10, 12, 14, 17, 20, 24, 28, 32, 48, 72, e 96 horas, após o início do processo de fermentação in vitro. A estimação dos parâmetros para os modelos foi feita pelo método de mínimos quadrados por meio do processo iterativo de Gauss-Newton. A seleção do melhor modelo, para descrever o acumulo de gases, teve como base, o coeficiente de determinação ajustado, quadrado médio do resíduo, desvio médio absoluto, critério de informação de Akaike e critério de informação de Bayesiano. Dentre os modelos ajustados os modelos propostos apresentaram-se como os melhores para descrever o acumulo de gases ao longo do tempo de acordo com a metodologia e condições em que foi desenvolvido o presente estudo.

Downloads

Não há dados estatísticos.

Biografia do Autor

André Luiz Pinto dos Santos, Universidade Federal Rural de Pernambuco, Recife, PE

Pós-Doutorado em andamento em Ciência da Computação pela Universidade Federal Rural de Pernambuco. Doutor e Mestre em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco e Graduação em Bacharelado em Estatística.

Frank Sinatra Gomes da Silva, Universidade Federal Rural de Pernambuco, Recife, PE

Possui graduação em Matemática, Especialização em Ensino de Matemática, Mestrado em Biometria e Estatística Aplicada e Doutorado em Matemática Computacional pela Universidade Federal de Pernambuco. Atualmente é Professor Adjunto IV do Departamento de Estatística e Informática e do Programa de Mestrado e Doutorado em Biometria e Estatística Aplicada na Universidade Federal Rural de Pernambuco.  É lider do grupo de pesquisa modelagem estocástica, simulação e aplicação e tem trabalhado como revisor de periódicos como Journal of Data Science, Anais da Academia Brasileira de Ciências, Hacettepe Journal of Mathematics and Statistics, dentre outros.

Guilherme Rocha Moreira, Universidade Federal Rural de Pernambuco, Recife, PE

Possui graduação em Engenharia Agronômica, Especialização em Gestão de Políticas Públicas, Mestrado e Doutorado em Zootecnia pela Universidade Federal de Minas Gerais. Atualmente é professor Associado I do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco.


Cícero Carlos Ramos de Brito, Instituto Federal de Pernambuco, Recife, PE

Pós-Doutor em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco, Doutorado em Biometria e Estatística Aplicada, Mestre em Estatística pela Universidade Federal de Pernambuco, Mestre em Biometria e Estatística Aplicada pela, Especialista em Matemática Comercial e Financeira, Especialista em Matemática pela, Especialista em Matemática, Tecnólogo em Serviços Jurídicos e Notariais pelo Centro Universitário Internacional, Bacharel em Administração, Bacharel em Ciências Contábeis, Tecnólogo em Gestão Financeira, Licenciado em Matemática, Licenciado em Ciências com habilitação em Matemática. Atualmente é Professor do Instituto Federal de Pernambuco.

Maria Lindomárcia Leonardo da Costa, Universidade Federal da Paraíba, Areia, PB

Possui graduação, mestrado e doutorado em Zootecnia, sendo o ultimo pela Universidade Federal de Minas Gerais. Atualmente é professora Adjunta IV do Departamento de Zootecnia da Universidade Federal da Paraíba.

Moacyr Cunha Filho, Universidade Federal Rural de Pernambuco, Recife, PE

Possui graduação em Engenharia Civil, especialização em Engenharia e Segurança do Trabalho, Didática das Disciplinas Profissionalizantes, Administração Pública  e Tecnologia da Informação e Inovação; Mestrado em Estatística Aplicada e Biometria; Doutorado em Ciência do Solo pela Universidade Federal Rural de Pernambuco. Atua desde 2008 junto ao Instituto Federal de Educação, Ciência e Tecnologia como professor formador, conteudista, revisor e palestrante do Curso de Licenciatura em Matemática. Atualmente é professor adjunto da Graduação e da Pós Graduação do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco e Coordenador do Programa de Pós-Graduação em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco.

Eloísa de Oliveira Simões Saliba, Universidade Federal de Minas Gerais, Belo Horizonte, MG

Técnico em química, Graduação em Química, Mestrado em Zootecnia e Doutorado em Ciência Animal pela Universidade Federal de Minas Gerais. Pós Doutorado em Carboidratos e Ligninas, e em Microscopia de parede celular e Analises de ligninas pela Minessota University. Especialista em Cromatografia e Espectroscopia de Massa pelo Instituto Internacional de Cromatografia. Atualmente é professor Titular da Universidade Federal de Minas Gerais. Líder do grupo de pesquisa de utilização de indicadores nutricionais e estudo de ligninas de resíduos agroindustriais e forrageiras tropicais. Coordenadora do Laboratório de Nutrição Animal do DZOO da UFMG.

Marianne Caron Oliveira, Universidade Federal de Minas Gerais, Belo Horizonte, MG

Possui graduação em Zootecnia pela Universidade de São Paulo. Atualmente é aluna do curso de Mestrado do programa de Pós-graduação em Zootecnia da Universidade Federal de Minas Gerais.

Nélio Cunha Gonçalves, Universidade Federal de Minas Gerais, Belo Horizonte, MG

Médico Veterinário, Mestre em Zootecnia, ambos pela Universidade Federal de Minas Gerais. É Doutorando no Programa de Pós-graduação em Bioquímica e Imunologia do Instituto de Ciências Biológicas da Universidade Federal de Minas Geral. É docente nos cursos de graduação em Medicina Veterinária e Biomedicina da Escola Superior São Francisco de Assis, porém, atualmente encontra-se em licença para capacitação. É vinculado ao Laboratório de Genética Bioquímica, como doutorando do Programa de Pós-graduação em Bioquímica e Imunologia do Instituto de Ciências Biológicas da Universidade Federal de Minas Geral. É bolsista de Doutorado pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 

Referências

ARAGADVAY-YUNGÁN RG, RAYAS AMOR AA, HEREDIA-NAVA D, ESTRADA-FLORES JG, MARTÍNEZ-CASTAÑEDA FE, ARRIAGA-JORDÁN C.M. Evaluación in vitro del ensilaje de girasol (helianthus annuus l.) solo y combinado con ensilaje de maíz. Revista Mexicana de ciencias pecuarias, Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, México. 2015;6(3):315–327.

BEUVINK JMW, KOGUT J. Modeling gas-production kinetics of grass silages incubated with buffered ruminal fluid. Journal of Animal Science, Champaign. 1993;71(4):1041-1046.

BUDEL JDC, RAMOS ADO, ARAÚJO GS, LIMA ACS, MARTORANO LG, NAHÚM BDS, JUNIOR L. Fermentation kinetics and ruminal parameters of animals fed diets containing Brazil nut cake inclusion levels. Semina: Ciências Agrárias, Londrina. 2017;38(3):1595-1605.

DA CRUZ PG, DE FIGUEIREDO MP, PEREIRA LGR, BERGAMASCHI KB, RODRIGUES CS, DE SOUZA RECH CL. Fractionation and kinetics of in vitro ruminal fermentation of the carbohydrates of five sugar-cane varieties. Ciência Animal Brasileira, Goiânia. 2010;11(4):784-793.

DE CARVALHO P, DA SILVA CABRAL L, DE PAULA NF, DE OLIVEIRA IS, PACHECO RDL, FERRO MM, CAMARGO KDV. In vitro kinetic parameters of marandu palisadegrass associated with nonfiber carbohydrates. Semina: Ciências Agrárias, Londrina. 2016;37(5):3253-3264.

DOS SANTOS LUZ Y, DE FIGUEIREDO MP, OLIVEIRA FM, BERNARDINO FS, DE JESUS NOVAES E, ROSEIRA J PS. In vitro ruminal fermentation kinetic of diets containing forage cactus with urea and different starch sources. Semina: Ciências Agrárias, Londrina. 2014;35(3):1501-1514.

EMILIANO PC, VIVANCO MJF, DE MENEZES FS. Information criteria: How do they behave in different models?. Computational Statistics & Data Analysis, Amsterdam. 2014:141-153.

FRANCE J, DHANOA MS, THEODOROU MK, LISTER SJ, DAVIES DR, ISAC D. A model to interpret gas accumulation profiles associated with in vitro degradation of ruminant feeds. Journal of Theoretical Biology, London. 1993;163(1):99-111.

FRANCE J, LOPEZ S, KEBREAB E, BANNINK A, DHANOA MS, DIJKSTRA J. A general compartmental model for interpreting gas production profiles. Animal Feed Science and Technology, Amsterdam. 2005:473-485.

GROOT JCJ, CONE JW, WILLIAMS BA, DEBERSAQUES FMA, LANTINGA EA. Multiphasic analysis of gas production kinetics for in vitro fermentation of ruminant feeds. Animal Feed Science and Technology, Amsterdam. 1996;64(1):77-89.

HUBERT L, ARABIE P. Comparing partitions. Journal of classification, Springer. 1985;2(1):193–218.

KANG S, WANAPAT M. Rumen-buffering capacity using dietary sources and in vitro gas fermentation. Animal Production Science. 2018;58(5):862-870.

MENGISTU G, HENDRIKS WH, PELLIKAAN WF. In vitro methane and gas production with inocula from cows and goats fed an identical diet. Journal of the Science of Food and Agriculture, London. 2018;98(4):1332-1338.

MERTENS DR. Creating a system for meeting the fiber requirementsof dairy cows. Journal of Dairy Science, Champaign. 1997;80(7):1463-1481.

NASCIMENTO TVC, BEZERRA LR, MENEZES D, LUCENA ARF, QUEIROZ MÁ, TRAJANO JS, OLIVEIRA RL. Condensed tannin-amended cassava silage: fermentation characteristics, degradation kinetics and in vitro gas production with rumen liquor. The Journal of Agricultural Science, Cambridge, Inglaterra. 2018;156(1):83-91.

NOGUEIRA U, MAURÍCIO R, GONÇALVES L. Comparison among substrates with different soluble carbohydrates concentration using the in vitro semi-automatic gas production technique. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, Belo Horizonte. 2006;58(4):633–641.

PASTERNAK H, SHALEV B. The effect of a feature of regression disturbance on the efficiency of fitting growth curves. Growth, development, and aging: GDA. 1994;58(1):33–39.

R Development Core Team. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2017. Disponível em:$<$http://www.r-project.org.

RICACHESKI ST, HENRIQUE DS, MAYER LRR, OLIVEIRA JGD, ROSLER JÁ, FLUCK AC. Chemical composition and ruminal degradation kinetics of white oat (avena sativa l.) ipr 126. Revista Brasileira de Saúde e Produção Animal, SciELO Brasil. 2017;18(1): 50–61.

SANTOS ALP. Métodos geradores de modelos de crescimento e decrescimento aplicados às ciências agrárias [thesis]. Recife: Universidade Federal Rural de Pernambuco/UFRPE; 2019.70p.

SANTOS ALP, MOREIRA GR, GOMES-SILVA F, DE BRITO CCR, COSTA ML, PEREIRA LGR, CUNHA FILHO M. Method to generate growth and degrowth models obtained from differential equations applied to agrarian sciences. Semina: Ciências Agrárias, Londrina. 2018;39(6):2659–2672.

SCHOFIELD P, PITT RE, PELL AN. Kinetics of fiber digestion from in vitro gas production. Journal of Animal Science, Champaign. 1994;72(11):2980-2991.

SILVA NAM, LANA AMQ, SILVA FF, SILVEIRA FG, BERGMANN JAG, SILVA MA, TORAL FLB. Selection and multivariate classification of nonlinear growth model for Nelore cattle. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, Belo Horizonte. 2011;63(2):364-371.

THEODOROU MK, WILLIAMS BA, DHANOA MS, MCALLAN AB, FRANCE J. A simple gas production method using a pressure transducer to determine the fermentation kinetics of ruminant feeds. Animal feed science and technology, Amsterdam. 1994;48(3-4):185-197.

ÜÇKARDEŞ F, EFE E. Investigation on the usability of some mathematical models in in vitro gas production techniques. Slovak Journal of Animal Science, Slovakia. 2014;47(3):172-179.

VELHO JP, MÜHLBACH PRF, GENRO TCM, BARCELLOS JO, NETO JB, DA SILVA RSM. Mathematical models for adjustment of in vitro gas production at different incubation times and kinetics of corn silages. Semina: Ciências Agrárias, Londrina. 2014;35Suppl4:S2531-2540.

VIEIRA DA. Estudo da dinâmica da cinética de produção de gases in vitro para diferentes tipos de alimentos. [dissertation]. Goiânia: Instituto Federal de Educação, Ciência e Tecnologia Goiano/IFG; 2018.46 p.

WANG M, TANG S, TAN Z. Modeling in vitro gas production kinetics: Derivation of logistic–exponential (le) equations and comparison of models. Animal Feed Science and Technology, Amsterdam, Elsevier. 2011;165(3-4):137–150.

WANG M, WANG R, TANG SX, TAN ZL, ZHOU CS, HAN XF, KANG JH. Comparisons of manual and automated incubation systems: Effects of venting procedures on in vitro ruminal fermentation. Livestock Science, Suwon, Coreia do Sul. 2016:41-45.

Downloads

Publicado

2021-03-10

Como Citar

Santos, A. L. P. dos, Silva, F. S. G. da, Moreira, G. R., Brito, C. C. R. de, Costa, M. L. L. da, Cunha Filho, M., Saliba, E. de O. S., Oliveira, M. C., & Gonçalves, N. C. (2021). Propostas de modelos não lineares para ajuste da produção de gases in vitro em diferentes tempos de incubação em genótipos de mandioca. Ciência E Natura, 43, e22. https://doi.org/10.5902/2179460X39962

Edição

Seção

Estatística

Artigos Semelhantes

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.