INTRODUCCIÓN

La avicultura y la porcinocultura son sectores de la producción animal que presentan un alto avance científico y tecnológico a nivel mundial. Las mejoras genéticas realizadas, hacen que los animales presenten mejores desempeños productivos, pero a la vez mayores exigencias nutricionales. En la actualidad en la producción avícola y porcina se habla de nutrición de precisión, misma que según Paulino (2017), se define como ofrecer al animal una alimentación que cumpla con exactitud sus requerimientos nutricionales para la eficiencia productiva óptima y obtener productos de origen animal de mejor calidad para los consumidores, contribuyendo a un medio ambiente más limpio y a asegurar la competitividad de los productores.

Considerando que el alimento representa los mayores costos en la alimentación de estas especies animales, siendo la energía y proteína los de mayor impacto (Cerrate et al., 2010), existe la necesidad de optimizar la utilización de los ingredientes y para ello el adecuado conocimiento de su composición nutricional (entre ellos la proteína y aminoácidos) es de suma importancia (Soomro et al., 2018). La harina de soya es la principal fuente de proteína en dietas para aves y cerdos, a dicha harina, generalmente se le analiza para conocer su contenido de fibra cruda, proteína bruta y la actividad ureásica, prestando poca atención a factores como el origen, genotipo, tipo de suelo, prácticas agronómicas y condiciones ambientales, mismas que también afectan la composición del frijol de soya observándose variaciones en el contenido de proteína cruda y aminoácidos en función a su lugar de procedencia (Karr-Lilienthl et al., 2004; García-Rebollar et al., 2016). Sobre esto Ravindran et al., (2014) indican que el perfil de aminoácidos de la harina de soya varía según el origen puesto que las soyas provenientes de Estados Unidos y Argentina, contienen mayor cantidad de lisina y aminoácidos azufrados totales si se compara con la soya proveniente de Brasil; Thakur & Hurburgh (2007), concluyeron que la harina de soya proveniente de Estados Unidos presenta un perfil de aminoácidos y digestibilidad superior a las harinas provenientes de Sudamérica.

Dietas altas en proteína generan impactos sobre la salud de los animales y también sobre el ambiente; la reducción de la proteína dietaria puede reducir la contaminación por nitrógeno y reducir la perdida de energía (Pedersen et al., 2019) al mejorar la eficiencia de utilización del nitrógeno se impacta en la respuesta productiva, cuando se maneja adecuadamente el balance de aminoácidos (Zaman et al., 2008; Kamran et al., 2011; Laudadio et al., 2012), mejorando la eficiencia del uso de nitrógeno y la deposición de proteína corporal (Eits et al., 2002; Musigwa et al., 2020); sin embargo esta reducción puede conllevar a una pobre respuesta productiva (Hilliar et al., 2020), que puede ser atribuida a una limitada disponibilidad de los aminoácidos (Dean et al., 2006), este efecto ha sido observado en diferentes condiciones, cuando se reduce hasta en un 70% el nivel de aminoácidos azufrados en gallinas de postura, en las que el crecimiento, desarrollo óseo, mineralización y consumo de alimento se ve afectado (Castro et al., 2020).

Para lograr una nutrición de precisión es necesaria la formulación exacta de raciones, empleando el concepto de proteína ideal con el cual los aminoácidos de la dieta cubren los aminoácidos requeridos por el animal, sin excesos ni déficit, considerando factores como: genética, alimentación, ambiente y valor nutricional para el cual se utiliza el análisis proximal y el NIRS (Near-Infrared Spectroscopy) (Paulino, 2017).

Formular concentrados en los cuales no se considera el valor exacto real de cada componente nutricional, lleva a obtener dietas que, aunque se aproximan bastante bien al requerimiento de los animales, no logran suplir de manera exacta cada nutriente causando problemas de desbalance que traen consigo consecuencias que afectan la producción, y tomando en consideración que las estrategias alimenticias en cerdos y aves en la actualidad tienen una nueva percepción al tomar en cuenta los problemas ambientales actuales relacionados a la polución por nitrógeno, se requiere tener un ajuste en la suplementación de proteína/aminoácidos en función a los requerimientos para obtener los menores niveles de excreción de nitrógeno (Schutte & Jong, 1999; Alagawany et al., 2014).

Todo ello implica que el adecuado conocimiento del balance de aminoácidos dietarios es fundamental ya sea para mejorar la respuesta productiva, en condiciones sanitarias adecuadas y con bajo impacto en el medio ambiente, para ello es necesario tener claramente establecido el contenido de aminoácidos en los ingredientes empleaos para la formulación, siendo uno de estos la harina de soya.

Por todo lo antes expuesto, en el presente trabajo se evaluó la composición química, contenido de aminoácidos y solubilidad de la proteína de la harina de soya procedente de cuatro diferentes países suramericanos (Brasil, Argentina, Bolivia y Paraguay), buscando obtener datos que permitan hacer formulaciones más exactas según los requerimientos de los animales.

MATERIALES Y MÉTODOS

Muestras

Para el ensayo se utilizaron datos de laboratorio provenientes de 405 muestras de soya (Argentina 97, Bolivia 92, Brasil 124 y Paraguay 92), que fueron analizadas del año 2016 al 2018, en cuanto a su contenido de materia seca (desecación), lípidos (extracción con Soxhlet), fibra cruda (hidrólisis acida y alcalina), nitrógeno (micro-Kjeldahl) utilizando el análisis proximal. El contenido de proteína fue calculado multiplicando el contenido de N x 6.25, el contenido de aminoácidos (aminograma) utilizando la espectrometría de infrarrojo cercano (NIRS).

Variables evaluadas.

Se utilizó el contenido de nitrógeno de la muestra multiplicado por el factor 6.25 para conocer su contenido de proteína. Para el contenido de aminoácidos se utilizaron los valores de Lisina, Metionina, Cistina, Treonina, Triptófano, Valina, Isoleucina, Leucina, Fenilalanina, Histidina, Arginina, obtenidos con el NIRS. Además, se comparó el contenido de lisina y aminoácidos azufrados totales entre las muestras de cada país y la solubilidad de la proteína.

Análisis estadístico.

Se empleó un diseño completamente al azar, considerando los países origen como tratamientos, inicialmente los datos fueron trabajados en una hoja de Excel (Microsoft Excel 2016). Las variables dependientes fueron examinadas por normalidad, y homogeneidad de varianzas con las pruebas de Shapiro Wilks y Levene respectivamente, se utilizó estadística descriptiva para el análisis de las variables. Las variables que cumplieron con estos supuestos fueron analizadas mediante análisis de varianza (ANOVA) y posterior al ANOVA se aplicó una prueba de rangos múltiples de Tukey. Las variables que no cumplieron con uno o ambos supuestos, fueron analizadas con la prueba no paramétrica de Kruskar Wallis y comparadas con la prueba de Wilcoxon. Se realizó un análisis de correlación y regresión lineal para establecer la relación entre la variación de los niveles de proteína cruda y los aminoácidos. Para los análisis estadísticos se utilizó el paquete estadístico Infostat (Di Rienzo et al., 2008).

RESULTADOS Y DISCUSIÓN

De todas las muestras analizadas, se puede apreciar que la variabilidad en el contenido de macronutrientes fue mayor en la grasa y proteína cruda, es destacable resaltar que la solubilidad de la proteína es alta, pero muestra un rango muy amplio. En cuanto a los aminoácidos, la Lisina representó en general el 6.09% de la proteína cruda, con una variación de 0.41% entre los valores más bajos y altos; la Metionina representó el 1.37% de la proteína cruda, en este caso la variación fue menor (0.11%). Cuando los aminoácidos son expresados como fracción de la harina de soya, los aminoácidos que muestran mayor variabilidad en su contenido son la Arginina, Isoleucina, Leucina, Fenilalanina e Histidina y los aminoácidos que tienen valores más constantes son la Metionina, Cistina y Triptófano seguidos de la Lisina, Treonina y Valina (Tabla 1).

El contenido de Lisina expresado como porcentaje de la proteína cruda es en promedio de 6.09% (rango de 5.90 a 6.31%), diversos estudios reportan valores diferenciados al presente estudio (Solano et al., 2012;Ravindran et al., 2014; Karr-Lilienthal et al., 2004; Thakur & Hurburgh, 2007) al igual que para los otros aminoácidos, coincidiendo todos ellos en que el tipo de variedad, procedencia y procesamiento son los factores determinantes para estas variaciones.

En cuanto a la procedencia de la harina de soya, los valores de humedad son mayores en las muestras provenientes de Argentina (p<0.01) siendo menores en las muestras bolivianas; para la fibra, la harina de Bolivia tuvo el menor contenido (4.40%) frente al de los otros países (p<0.01). La proteína cruda, fue mayor en las harinas procedentes de Bolivia y Brasil, siendo inferior en la Paraguaya y Argentina (p<0.01); en cambio el contenido de grasa es superior en las harinas provenientes de Brasil, Bolivia y Paraguay frente a la de Argentina que tiene el porcentaje más bajo (p<0.01), la variabilidad más elevada para el contenido de grasa fue en las harinas Brasileñas y Paraguayas llegando a porcentajes de hasta 6.91 y 5.21% respectivamente (Tabla 2).

El contenido de Lisina como porcentaje de la proteína cruda es inferior en las harinas Paraguayas, Bolivianas y Brasileñas frente a la Argentina que tiene el contenido más alto (p<0.01); de igual manera el nivel de Metionina como porcentaje de la proteína cruda, es mayor en las harinas provenientes de Argentina frente a los otros orígenes (p<0.01) (Tabla 2). En términos generales la mayor variabilidad en el contenido nutricional se dio en las harinas provenientes de Brasil para la fibra cruda, proteína cruda y grasa; en cuanto a la humedad y Lisina la mayor variabilidad se dio en las harinas Bolivianas y para la metionina en las harinas Paraguayas.

El estudio muestra que el contenido de proteína y los otros nutrientes varía en función al lugar de procedencia, fueron más bajos los valores de proteína en las muestras de Argentina y mayores en las provenientes de Bolivia y Brasil coincidiendo con lo reportado por Thakur & Hurburgh (2007) y Ravindran et al., (2014) dichas variaciones son atribuibles a las diferentes condiciones climáticas en las cuales son producidas, combinado con la diferencia en las variedades y prácticas agrícolas empleadas, generando con ello que la soya tenga diferentes parámetros de calidad. Adicionalmente las diferencias en las condiciones de procesamiento como es la humedad, temperatura y tiempo de secado afectan la composición y la calidad de la soya (Thakur & Hurburgh, 2007) como lo apreciado en el presente estudio, donde el contenido de humedad es menor en la soya Boliviana, lo que habría determinado una mayor concentración de nutrientes, la soya Argentina presenta el mayor porcentaje de humedad (10.96%) frente a los otros países, determinando ello que el contenido de grasa sea superior en las soyas Bolivianas (2.13%), Brasileñas (2.25%) y Paraguayas (2.09%).

Un parámetro de calidad a tomar en consideración es la solubilidad de la proteína cruda cuyo rango adecuado varía entre 70 y 85%, cuando es superior indica un deficiente procesamiento y valores inferiores indican sobre procesamiento (Batal et al., 2000; Araba & Dale, 1990), afectando con ello el crecimiento de los animales, en el presente estudio se aprecia que los valores promedio de solubilidad están dentro de los valores considerados como aceptables, sin embargo la harina proveniente de Argentina tiene rangos de variación más estrechos (mínimo 73.50% y máximo 80.90%), en cambio las otras harinas tienen rango más amplios que muestran menor uniformidad en el procesamiento, con valores por encima del 85% (Boliviana, Brasileña y Paraguaya) y también valores inferiores al 70% como es el caso de la soya Brasileña (68%), estos resultados permitirían inferir que a pesar de que la soya Argentina tiene menor contenido de proteína cruda (45.92%) sería más adecuada para su utilización en la alimentación animal.

Como se aprecia en la Tabla 3, existen diferencias en el contenido de aminoácidos y lugares de procedencia, mostrando mayor variabilidad el contenido de Lisina, Leucina y Fenilalanina, apreciándose valores más constantes en la Metionina, Cistina y Triptófano, siendo este efecto el mismo para todas las procedencias.

Los resultados muestran que, para todos los aminoácidos evaluados, las muestras provenientes de Bolivia tienen el mayor contenido frente a las muestras de los otros países (p < 0.01), solo para el caso de la Leucina e Histidina la soya Bolivia es similar en su contenido con la soya Brasileña. Para la soya brasileña, las demás variables presentaron el segundo nivel de contenido de proteína y aminoácidos más alto, sin diferencias significativas respecto a las muestras provenientes de Paraguay en lo referente al contenido de Isoleucina. Las muestras Paraguayas presentaron el menor nivel en el contenido de Valina, mientras que las muestras Argentinas presentaron los menores niveles de Proteína Cruda, Lisina, Treonina, Triptófano, Fenilalanina y Arginina, sin diferencias significativas para los contenidos de Metionina, Cistina y Azufrados (Met + Cis) con respecto a las muestras Paraguayas (Tabla 4).

Tomando en consideración la evidenciada diversidad en la composición de aminoácidos entre tipos de soya, se desarrollaron modelos para predecir el contenido de aminoácidos en función a las variaciones en los niveles de proteína cruda, puesto que la concentración de aminoácidos sigue la misma tendencia de la proteína cruda (Karr-Lilienthal et al., 2004). En la (Tabla 5), los resultados de dichos modelos muestran que, para la Lisina, Triptofano y Cistina tienen una alta precisión y adecuada relación lineal (R2 de 82.4%, 78.2%, 71.5% respectivamente), el modelo para la Metionina presenta un R2 de 60.3% y los modelos para los otros aminoácidos no predicen adecuadamente, atribuible a la alta variabilidad existente entre los rangos y/o concentraciones de estos nutrientes.

Tomando en cuenta que los primeros aminoácidos limitantes en cerdos y aves son la Lisina y Metionina respectivamente, se aprecia que de ambos el modelo que predice mejor es el de la Lisina (Figura 1 y 2), por que guarda estrecha relación con los niveles de proteína cruda, cuya mayor concentración está en el rango de 46 a 48% de PC, para la Lisina la mayor concentración se encuentra en el rango de 2.80 a 2.95%, por lo que se puede usar la valoración de la proteína cruda para calcular el contenido de aminoácidos tomando como referencia la Lisina y a partir de ella calcular los otros aminoácidos.

Figura1.
(A) Variación en los niveles de Lisina en función al nivel de Proteína Cruda Lisina,% = 0.7461 + 0.04501 Proteína Cruda %. (B) Rango de valores de Lisina, % vs valores de Proteína Cruda %.

Figura2.
A) Variación en los niveles de Metionina en función al nivel de Proteína Cruda Metionina,% = 0.1052 + 0.01143 Proteína Cruda %. (B) Rango de valores de Metionina, % vs valores de Proteína Cruda %.

CONCLUSIONES

El contenido nutricional de la harina de soya varía dependiendo del lugar de origen y el tipo de procesamiento efectuado. Existe una relación positiva entre el contenido de proteína cruda y su composición de aminoácidos, principalmente para la Lisina, Triptófano, Cistina y Metionina. Importar lista

REFERENCIAS

Alagawany, M., El-Hack, M. E. A., Laudadio, V., & Tufarelli, V. (2014). Effect of low-protein diets with crystalline amino acid supplementation on egg production, blood parameters and nitrogen balance in laying Japanese quails. Avian Biology Research, 7(4), 235-243.

Araba, M., & Dale, N. M. (1990). Evaluation of protein solubility as an indicator of overprocessing soybean meal. J Poult Sci, 69, 76–83.

Batal, A. B., Douglas, M. W., Engram, A. E., & Parsons, C. M. (2000). Protein dispensability index as an indicator of adequately processed soybean meal. J Poult Sci, 79,1592–1596.

Castro, F.L.S., Kim, Y., Xu, H., & Kim, W.K. (2020). The effect of total sulfur amino acid levels on growth performance and bone metabolism in pullets under heat stress. Poultry Science, 99, 5783 – 5791.

Cerrate, S., & Coon, C. (2010). Estimation of net energy values of Feedstuffs by simulation of biochequical reactions in broiler chicks. J. Anim. Sci. Vol. 88: E-Suppl. 2.

Dean, D., Bidner, T. D., & Southern, L. L. (2006). Glycine supplementation to low crude protein, amino acid supplemented diets supports optimal performance of broiler chicks. Poult. Sci. 85:288–296.

Di Rienzo J.A., Casanoves F., Balzarini M.G., Gonzalez L., Tablada M., & Robledo C.W. (2008). InfoStat, versión 2008, Grupo InfoStat, FCA, Universidad Nacional de Córdoba, Argentina.

Eits, R. M., Kwakkel, R. P., Verstegen, M. W. A., Stoutjesdijk, P., & De Greef, K. H. (2002). Protein and lipid deposition rates in male broiler chickens: separate responses to amino acids and protein-free energy. Poultry Science, 81(4), 472-480.

García-Rebollar, P., Cámara, L., Lázaro, R.P., Dapoza, C., Pérez-Maldonado, R., & Mateos, G.G. (2016). Influence of the origin of the beans on the chemical composition and nutritive value of comercial soybean meals. Animal Feed Science and Technology 221 (2016) 245 – 261.

Hilliar, M., Hargrave, G., Girish, C.K., Barekatain, R., Wu, S-B., & Swick, R.A. (2020). Using crystalline aminoacid to supplement broiler chicken requirements in reduced protein diets. Poultry Science 99: 1551 – 1563.

Kamran, Z., Ahmad Nadeem, M., Sarwar, M., Shakil Amjid, S., Hussain Pasha, R., & Shahid Nazir, M. (2011). Effect of low crude protein diets with constant metabolizable energy on performance of broiler chickens from one to thirty-five days of age. Indian Journal of Animal Sciences, 81(11), 1165.

Karr-Lilienthal, L.K., Grieshop, C.M., Merchen, N.R., Mahan, D.C., & Fahey Jr., G.C. (2004). Chemical composition and protein quality comparisons of soybeansand soybean meals from five leading soybean-producing countries. J. Agric. Food Chem. 52, 6193–6199.

Laudadio, V., Dambrosio, A., Normanno, G., Khan, R. U., Naz, S., Rowghani, E., & Tufarelli, V. (2012). Effect of reducing dietary protein level on performance responses and some microbiological aspects of broiler chickens under summer environmental conditions. Avian Biology Research, 5(2), 88-92.

Musigwa, S., Morgan, N., Swick, R. A., Cozannet, P., & Wu, S. B. (2020). Energy dynamics, nitrogen balance, and performance in broilers fed high-and reduced-CP diets. Journal of Applied Poultry Research, 29(4), 830-841.

Paulino, J. (2017). Nutrición de precisión para pollo de engorde de alto desempeño. Artículos técnicos. Engormix. Disponible en: https://www.engormix.com/avicultura/articulos/nutricion-precision-pollo-engorde-t40378.htm.

Pedersen, T. F., Chang, C. Y., Trottier, N. L., Bruun, T. S., & Theil, P. K. (2019). Effect of dietary protein intake on energy utilization and feed efficiency of lactating sows. Journal of animal science, 97(2), 779-793.

Ravindran, V., Abdollahi, M. R., & Bootwalla, S. M. (2014). Nutrient analysis, metabolizable energy, and digestible amino acids of soybean meals of different origins for broilers. Poultry science, 93(10), 2567-2577.

Schutte, J.B., & Jong, J. (1999). Ideal amino acid profile for poultry. Bru fau J. (ed.), Tacon A. (ed.). Feed manufacturing in the Mediterranean region: Recent advances in research and technology. Zaragoza: CIHEAM. p. 259 -263 (Cahiers Option s Méditerran éen n es; n. 37).

Solano, G., Fonseca, R., & Santiesteban, R. (2012). Proteína, aminoácidos y grasa en el grano de variedades de soya (Glycine max (L.) Merry) cultivadas en el oriente de cuba. Revista Computadorizada de Producción Porcina, 19(4).

Soomro, R. N., Yao, J., El-Hack, A., Asif Arain, M., Abbasi, I. H. R., Saeed, M., & Tufarelli, V. (2018). Significance of endogenous amino acid losses in the nutrition of some poultry species: a review. JAPS: Journal of Animal & Plant Sciences, 28(6).

Thakur, M., & Hurburgh, C.R. 2007. Quality of US Soybean Meal compared to the quality of Soybean Meal from other origins. J. Am. Oil Chem. Soc. (2007) 84: 835 – 843.

Zaman, Q.U., Mushtaq, T., Nawaza H., Mirza, M.A., Mahmoodb, S., Ahmadc, T., Babar, M.E., & Mushtaq, M. (2008). Effect of varying dietary energy and protein on broiler performance in hot climate. A F Sc and Tech 146 (2008) 302–312.