RStudioを用いた家禽砂中の微生物存在量のインタラクティブな3D空間可視化生成

Summary

ここでは、グリッドベースのサンプリングデータを用いて、鶏肉囲い全体で微生物数とpHをインタラクティブに3次元可視化するプロトコルを提示します。

Abstract

家禽の糞の微生物学や物理化学組成の従来の評価は、静的な表や二次元の可視化に依存しており、囲い環境内の空間的多様性を捉えきれない場合があります。このプロトコルは、家禽囲い全体で微生物の列挙データと環境パラメータを統合するインタラクティブな三次元(3D)可視化を記述します。ペンサンプリングを近似するためにグリッドベースのレイアウトが用いられ、まずシミュレーションデータセットが生成されてワークフローを実証しました。実験データセットは、水道、給餌管、囲いの入口などの環境特徴に対する空間勾配を評価するために用いられました。データはRStudioで plotly を用いて処理され、インタラクティブな3Dプロットが作成されました。好気性細菌負荷は5.9から8.6 log₁₀ CFU/gの範囲で、水線付近では有意に多く(P = 0.023)、遺構から距離が遠くなるほど減少しました。その結果得られた表面プロットは、水分豊富な地域周辺の微生物集団の集まりを視覚的に強調し、家禽の糞便中の微生物群集の空間的パターンを解釈する上でこのフレームワークの有用性を示しました。商業的な家禽条件下でのさらなる評価は必要ですが、現在のプロトコルは家禽砂データセットにおける空間的異質性を可視化・解析する再現可能な方法を提供します。

Introduction

家禽産業には、産卵材やブロイラーの生産システムが含まれており、それぞれ^{が時間をかけ}て床材、排泄物、飼料粒子、羽毛、破れた卵殻、水分の蓄積によって大量の家禽の糞を発生^{させます。}このゴミは鳥類、昆虫、齧歯類、エアロゾルなど由来のさまざまな微生物集団を支えることができます^2,3。一部の微生物には、サルモネラ菌のような病原体が含まれ、鳥に病気を引き起こすことがあり、公衆衛生上の懸念事項となります^。家禽の糞は肥料として土地に施用される可能性があるため^、微生物分布の理解は環境監視、鶏の健康、食品安全に影響を及ぼします。

したがって、代表的な家禽砂のサンプリングは微生物群集の特徴付けや潜在的な病原体の検出に重要です。家禽の糞の採取方法は数十年にわたり模索されており、ドラッグスワブ、糞の収集、直接の砂の収集、使い捨て靴カバー、またはブーツソックスなど^{が含まれます。}しかし、サンプル採取の場所は、データが家禽の糞の全体的な状況をどれだけ正確に反映するかを強く左右します。鳥は家の中を移動し、給水器、給餌器、扇風機、冷却や加熱パッドなどの環境要素が局所的な環境を作り出すため、家禽の糞の微生物集団や栄養素は均一に分布していません(3,8,9,10)。したがって、リトリー関連データの解釈において異質性を考慮することは、効果的な管理と群れの健康維持に不可欠です。

空間マッピング手法は、農学や土壌科学において、微生物および物理化学的な異質性や局所的なホットスポットを可視化するために広く応用されています^11,12。しかし、鶏の糞データを囲い内の複数の地域にわたって収集する場合、数値から空間的傾向を解釈するのが難しい^{ことがあります。}三次元(3D)可視化は、微生物および物理化学的測定を空間座標と統合し、インタラクティブな^{表面モデルを生成する}実践的なアプローチ^{を提供します。}静的な2Dモデルと比較して、3Dモデルは回転、ズームイン・ズームアウト、サンプリンググリッド全体の勾配の奥行きベースの可視化を可能にし、家禽飼育場環境内の空間パターンの解釈を改善する可能性があります。

現在のプロトコルは、グリッドベースのレイアウトを用いて収集されRStudioで解析された家禽の糞、微生物、物理化学データのインタラクティブな3D可視化を構造化かつ再現可能にする方法を説明しています。まずシミュレートされた微生物および物理化学データを用いて可視化ワークフローを実証し、その後実験的な家禽糞の微生物カウントにこの手法を適用します。このプロトコルの目的は、家禽の糞データセットにおける空間的異質性を再現可能な枠組みで可視化し、家禽舎の特徴に関連する微生物分布パターンの解釈を支援することです。

Protocol

このプロトコルは、微生物値とpH値のシミュレーションデータセットを用いて可視化ワークフローの各ステップを示し、その後実験的な家禽の糞の微生物数に適用して実験データの利用を示し、距離関連微生物関連の統計的解釈を支援します。生きた動物の処置は行われませんでした。家禽小屋から動物と直接接触することなく、猫砂サンプルが採取されました。したがって、施設での動物ケア承認は必要ありませんでした。

1. 家禽の砂のサンプルを収集し、微生物の存在量データを生成する

1. ブロイラーペン全体に一貫した間隔を使い、グリッドベースのサンプリングレイアウトを確立します。
   注意:小型ペンではストリンググリッドシステムで行うことができますが、大型ペンではフラッグマーカーで各サンプリング場所をマークすることがあります。グリッドは通常、ペンの左下隅から始まり、そこがスタートポイントとみなされます。各サンプリング場所はグリッド位置を用いて記録されます。
2. 各サンプリング地点および給水管、暖房灯、入口などの環境ポイントのX座標とY座標を、同じグリッド内の単一の位置または位置を表す線を使って記録します。
   注:X方向はペンの長さに沿って走り、Y方向は幅に沿って走ります。
3. データセット内に「ペン」欄を設けて、各サンプリング場所(例:「P1」、「P2」)のペンまたは処理グループを識別します。
   注:ペンごとにグループ化することで、適切な住宅環境内で空間分析が行われることが保証されます。このデモンストレーションでは、ペンのフットプリント全体に構造化された6×10グリッドが定義され、1本のペンから60箇所のサンプリング位置(n = 60)が得られました。6×10グリッドは、ペン全体で均一な空間カバーを実現し、対称的で均等に配置されたレイアウトを実現するために選ばれました。グリッド配置の例は 図1に示されています。
4. 各サンプリング地点で、微生物または物理化学的分析のために3つの砂サンプルを採取します。微生物検査では、1回の複製ごとに10gのゴミを計量し、滅菌緩衝ペプトン水90mLに浸して最初の希釈(10⁻¹)を行います。サンプルを十分に混ぜて懸濁液を均質化します。
5. 混合リッターサンプルを10倍の連続希釈液で準備し、それぞれの希釈液を0.1mLを寒天プレートにプレートします。
   注:測定対象の細菌群によって異なる培地が使用されることがあります。例えば、好気性細菌はトリプティック大豆寒天(TSA)に、乳酸菌はMRS寒天に、腸細菌科はマッコンキー寒天にプレートされることがあります。
6. プレートを37°Cで24時間孵化し、その後目に見えるコロニーを数えます。ゴミの粒数をコロニー形成単位(CFU/g)として計算するには、以下を用いて計算できます。
   CFU/g = (希釈係数×コロニー数) ÷プレート体積
7. レプリケート間の平均値を報告してください。
   注意:検出限界はメッキされた体積(0.1 mL)によって決まり、これはメッキ懸濁液中の約10 CFU/mL、または元の試料中の約100 CFU/gのリトルに相当します。
8. 微生物の記録は数値形式のスプレッドシートにまとめられ、その後の統計解析と可視化に利用されます。
9. 以下の列でCSVファイルを作成します:サンプルID、X(空間座標)、Y(空間座標)、Xnum(Xの数値ソート順、任意)、および微生物カウントやpHなどの物理化学的パラメータ。シミュレーションされた表シートの例は図2に示されています。
10. 正規分布のランダム値を用いて、微生物の存在比をシミュレーションします。経験的測定に基づいて平均、標準偏差、範囲を定義します。再現性を確保するために固定されたランダムシードを適用します。グリッド全体に空間的なグラデーションを導入し、均一なパターンを避けるためにわずかなランダムな変動を加えましょう。
    注:データ生成に使用されるシミュレーションパラメータ(分布タイプ、範囲、空間構造など)は表 1にまとめられています。

2. コンピューティング環境の構築

1. 必要な統計計算パッケージをインストールし、読み込みます。
   install.packages(c("plotly"))
   図書館(プロット上)
2. CSVデータセットをコンピューティング環境にインポートし、作業ディレクトリを設定します。
   setWD("path/to/your/folder")
   データセット <- read.csv("path_to_your_file.csv")
   注意:入力データセットはスプレッドシート形式(CSVファイル)で整理し、各行が単一のサンプリング場所を表します。必要な入力データ構造と変数定義は表2にまとめられています。

3. データの準備とフォーマット

1. CSVファイルで欠落や不整合なデータ値がないか確認してください。
   概要(データセット)
   any(is.na(データセット))
2. 必要に応じて「NA」値を除去してデータセットをクリーンアップします。
   Dataset <- na.omit(dataset)
3. グラフの正規化と可視化を改善するために、微生物数をログ変換します。
4. 変数名を一貫したアンダースコアベースの表記法(例:log10_CFU_Aやlog10_CFU_B)で標準化し、可読性と再現性を向上させます。
5. 微生物計数データにlog10変換を適用し、分散を安定化し、標準的なCFU報告慣行に整合させます。
   Dataset$Log10_CFU_A <- log10(Dataset$OrganismA_counts + 1)
   Dataset$Log10_CFU_B <- log10(dataset$OrganismB_counts + 1)
6. X座標とY座標の値が数値であることを確認しましょう。データがアルファベット順の場合は、グリッド上のサンプリング位置に正確に対応する数値に変換してください。
   注:最終データセットには、ペン座標系内のすべての一意識別子、数値空間座標、ログ変換された微生物カウントを含める必要があります。

4. インタラクティブな3Dビジュアライゼーションの生成

1. 空間行列を構築する前に、グリッドが正しく生成できるかどうかをデータセットの構造を確認してください。次に、空間座標や対数変換された細菌数など複数の要素を組み合わせて、ペンのグリッドレイアウトに合う空間データ行列を作成します。
   注:コードはペン、X、Yによる観測値をグループ化し、各グリッド点での平均Log10_CFU_Aを計算し、データセット内の一意なX座標とY座標に基づいて値を行列に再構成します。
   org1_means <- aggregate(Log10_CFU_A ~ Pen + Y + X,
   データ = データセット、
   FUN = mean,
   na.rm = 真)
   org1_P1 <- subset(org1_means, Pen == "P1")
2. 点を順序付けて行列が正しく写像されるようにします
   x_vals <- sort(unique(org1_P1$X))
   y_vals <- sort(unique(org1_P1$Y))
   ncol_grid <- 長さ(x_vals)
   nrow_grid <- 長さ(y_vals)
   org1_mat_P1 <- matrix(org1_P1$Log10_CFU_A,
   nrow = nrow_grid、
   ncol = ncol_grid、
   バイロー = FALSE)
3. 滑らかなグラフの見た目に欠落するものがないか確認してください。
   for(I in 1:ncol(org1_mat_P1)) {
   org1_mat_P1[is.na(org1_mat_P1[,i]), i] <- mean(org1_mat_P1[,i], na.rm=真)
   }
4. 微生物のカウントを空間的に3Dとしてイメージしてください。
   注:このグラフのグリッドサイズはデータセットの空間的配置を反映しています
   FigA <- plot_ly(
   x = x_vals、
   y = y_vals、
   z = org1_mat_P1、
   タイプ=「表面」、カラースケール=リスト(
   c(0, 「ダークブルー」)、
   c(1, 「グリーン」)
   )
   )
5. 水道管などの環境要素を加え、微生物数やその他のゴミの距離を可視化し、空間パターンを把握できるようにします。
   figA < - figA %>%
   add_trace(
   x = c(1, 5),
   y = c(6, 6),
   z = c(8.5, 8.5),
   タイプ = "scatter3d"、
   モード = 「線」、
   線 = リスト(color = 「#1f77b4」、幅 = 8),
   名前 = 「水道管」
   ) %>%
   add_text(
   x = 3, y = 6, z = 8.6,
   テキスト = 「水道線」
   textfont = list(サイズ = 14、color = "darkblue"),
   showlegend = FALSE
   ) %>%
   レイアウト(
   タイトル = 「シミュレートされた生物A」
   シーン = リスト(
   xaxis = list(タイトル = 「X 座標」、tickvals = x_vals),
   yaxis = list(タイトル = 「Y座標」、tickvals = y_vals),
   zaxis = list(title = "log10 CFU")
   )
   )
   図
6. 鶏小屋内のpHレベルを可視化するために使われるコードについては 、補足ファイル1 を参照してください。

5. 3Dモデルの実験的な家禽砂の微生物数への応用

1. 囲い内の定義されたグリッドレイアウトから家禽の砂サンプルを採取し、空間座標を使ってサンプリング場所を記録します。
   注:本研究では、ウィスコンシン大学マディソン校の鶏舎から定義されたグリッドレイアウトを用いて採取しました。サンプルは5 × 7 mのグリッドレイアウトで採取されました。
2. 各サンプリング地点から一定量のゴミを計量し、リン酸緩衝生食塩水(PBS)または同等の希釈剤に浸して初期希釈を準備します。
   注:本研究では、各場所ごとに1gのゴミをWhirl-Pak袋で採取し、リン酸塩緩衝生理食塩水(PBS)で1:10希釈しました。
3. 適切な培養培地にリットサンプルをプレートし、適切な条件下で培養することで微生物の列挙を行います。
   注:本研究では、トリプティック大豆寒天(TSA)上でドットプレート法を用いてサンプルを二重にプレートし、37°Cで24時間培養しました。微生物の計測に必要な材料は 材料表に記載されています。
4. 微生物の存在比をコロニー形成単位(CFU)として定量化し、データにlog₁₀変換を適用して分析します。
5. 処理済みの微生物データを計算ワークフローに統合し、必要な入力構造に従ってフォーマットします。
6. 上記の方法で3D空間可視化を作成し、ペン全体で微生物の存在量を表現します。
   注:本研究では、サンプルペン全体にわたる好気性細菌の存在ごとを表示するために可視化が生成されました。

6. 統計分析

1. 微生物の存在比や環境変数の空間パターンを要約するための基本的な統計解析を行います。
2. 統計解析は実験的な家禽砂データセットのみで実施してください。シミュレーションデータセットは可視化デモンストレーションのみに使用し、統計的検定には含めないでください。
3. 再現測定が利用可能になった場合、各グリッド位置の平均値を計算します。
4. 線形回帰分析を用いて微生物の個体量と環境ランドマークからの距離との関係を評価します。
5. 環境ランドマークから、囲い内の既知のグリッド位置を使って距離を計算します。距離を連続変数として扱いましょう。
6. 結果は空間的傾向を探り、因果生物学的関係を確立するのではなく、可視化の解釈を支援するために活用してください。

Results

3Dモデルのシミュレーション微生物および物理化学的データを用いて
本研究では、シミュレーションデータに基づき、家禽小屋内の微生物(生物Aおよび生物B)の存在量およびポットのpHを可視化するコードを提供しています。得られた3Dプロットは、グリッドモデルに基づいて微生物数(図3A,B)とpH(図3C;インタラクティブな体験については補足ファイル3を参照)を可視化したものです。シミュレーションされたpH値はペン全体で空間的に変動し、グリッドに沿って徐々に変化し、それが課された空間勾配に対応していることを示しました。テキストの中断なしの完全なコードは補足ファイル1で入手可能です。

3Dモデルの実験的な家禽砂の微生物カウントへの応用
モデルが実際の生態学的データとどのように機能するかを示すために、家禽の糞から好気性細菌のカウントをマッピングし、給餌管や水道管などの環境ポイントからの距離が細菌の個体数に与える影響を線形回帰モデル(LRM)を用いて統計的に分析しました。解析に使用される実験データセットは 補足ファイル2に記載されています。3D可視化では、ペン全体で好気性数に明確な違いが示され、この方法が家禽飼育環境内の実際の微生物分布を効果的に表示できることが示されました(図4;インタラクティブな体験については 補足ファイル3を参照)。これらの可視化により、特定の環境特徴の近くに高菌個体数の局所的な空間分布が示されました。鶏小屋全体で、好気性数値は5.9から8.6 log₁₀ CFU/gの範囲で、水線付近で最も高い濃度が検出され、中央の餌場周辺や水線の遠位で低く観察されました。平均好気性存在比は水辺付近の8.0 log₁₀ CFU/gから、最も遠い記録距離では7.4 log₁₀ CFU/gに減少しました。微生物カウントは各サンプリング地点での複製測定の平均値を表します。さらに、水線からの距離は好気性細菌負荷の有意な予測因子でした(LRM, P < 0.05)一方、餌源や入口からの距離はそうではありませんでした(LRM, P > 0.05)。これらの定量的結果は、3D表面プロットで観察された視覚的傾向を裏付けており、水分源からの距離が遠くなるにつれて微生物の個体量が明確に減少していることを示しています。最終的に、これらの結果は、3Dグリッドベースのフレームワークが家禽の糞データセットにおける空間的異質性の可視化と分析に実用的なアプローチを提供していることを示しています。シミュレーションデータと実験データを用いて、このモデルは局所的な微生物分布パターンを捉え、細菌の個体数とペン内の環境特徴との関連をさらに統計的に解釈しました。

図1:サンプル採取用の家禽囲いのグリッドレイアウト。 家禽囲い全体の空間座標とサンプリング場所を定義するために用いられたグリッドベースのサンプリングフレームワークの回路図表現。 この図の拡大版はこちらをクリックしてご覧ください。

図2:スプレッドシート形式のシミュレーションデータの例レイアウト。 サンプル識別子、空間座標(XおよびY)、分析に用いられる微生物または物理化学的変数を示す代表的なスプレッドシート構造。 この図の拡大版はこちらをクリックしてご覧ください。

図3:家禽囲い内の微生物数とpHの空間分布をシミュレート したもの。(A)シミュレートされた生物Aのカウント、 (B) シミュレートされたバイオシマBのカウント、 (C) グリッドベースの3D空間モデルを用いて可視化されたシミュレートされたpH値。 この図の拡大版はこちらをクリックしてご覧ください。

図4: 家禽囲い内の好気性細菌数の空間分布。 3D表面プロットは、X–Y座標(X–Y座標)に比べて好気性細菌数(log CFU/g)の変動を示しています。 この図の拡大版はこちらをクリックしてご覧ください。

パラメータ	価値
分布	ノーマル
ミーン(μ)	8.26
SD(σ)	0.77
分布域	7.10–9.37
空間的パターン	線形勾配(Y方向)
ノイズ	正規(μ=0、分散は小さい)
ランダムシード	10

表1:シミュレーション微生物データセット生成に使用されたパラメータ。 シミュレーション微生物データを生成するために用いられた分布パラメータの要約(平均、標準偏差、値範囲、空間勾配設定)。

コラム名	概要	データ型	必須
ペン	ペンまたは処理グループの識別子	本文	はい
X	グリッド上のX座標位置	数値	はい
Y	グリッド上のY座標位置	数値	はい
Log10_CFU_A	ログ形質微生物カウント(生物A)	数値	はい
Log10_CFU_B	ログ形質転換微生物カウント(生物B)	数値	オプション
pH	測定pH値	数値	オプション
ランドマーク距離	環境要素からの距離(例:水線)	数値	オプション

表2:空間解析に必要な入力データセット構造。 サンプル識別子、空間座標、微生物または物理化学的測定値を含む必要な変数のリストと対応するデータ形式。

補足ファイル1:微生物およびpH空間可視化シミュレーション生成のためのコード。Rスクリプトは、シミュレートされたデータセットを処理し、生物A、生物B、そして鶏肉囲い全体のpHの3D表面プロットを生成するために使用されます。このファイルをダウンロードするには、こちらをクリックしてください。

補足ファイル2:実験的な家禽砂の微生物データセット。 好気性細菌数と関連する空間座標を含むスプレッドシートで、3D可視化および統計解析に使用されます。このファイルをダウンロードするには、こちらをクリックしてください。

補足ファイル3:インタラクティブな3DビジュアライゼーションアクセスリンクとQRコード。 QRコードおよび対応するウェブリンクで、シミュレーションおよび実験データセットのインタラクティブな3Dプロットにアクセスするためのリンクがあります。このファイルをダウンロードするにはこちらをクリックしてください。

Discussion

本研究で提示されたシミュレーションベースのプロットは、家禽砂砂環境内の微生物および物理化学的分布の可視化を強化するための3D空間マッピングの可能性を示すために開発されました(補足ファイル3)。さらに、この手法を微生物の列挙データやペン内の環境・空間マーカーと組み合わせて、局所的な分布パターンを評価し、距離依存的な関係を特定しました(補足ファイル3)。

現在のプロトコルにおける重要なステップは、グリッドベースのサンプリングフレームワークの正確な確立です。3次元曲面は信頼できる空間座標に依存しているため、原点の正確な指定、均一な間隔、XおよびY位置の正確な記録が不可欠です。この方法で最も手間のかかる部分は、グリッドを配置し、各サンプルが割り当てられた座標や環境のランドマーク(フィーダー、水道管、入口、加熱ゾーン)に対応しているかを確認することです。この段階での小さな位置誤差は、後の解析に影響を与えることがあります。大規模または商業的な環境では、レーザーベースの測定ツールや類似の位置調整補助具が労働力を減らし再現性を向上させることがあります。ペンのランドマークの慎重な注釈も重要で、これらの特徴は鳥の活動、水分、^{栄養分布によって}生じる砂葉環境の微生物勾配を理解するための生態学的文脈を提供する2。

現在のプロトコルはより広範な農業用途にも適応可能です。微生物数やpHに加え、湿度、温度、栄養分分布、アンモニア関連指標、または配列解析由来の微生物群集の特徴など、他のゴミや床に関連する変数にも適用可能です。実用的な改良には、ペン単位のグループ化、記録されたデータセットから動的に行列を生成すること、プロット前の欠損チェックが含まれます。一般的な問題解決ステップには、座標ラベルを数値に変換すること、共有点での複製値の平均化、重複または欠損座標の確認、行列構造が元のペン配置に対応しているかの確認が含まれます。また、多変量解析やリット深度を含むように拡張でき、水平および垂直の異質性の評価が可能です。

いくつかの制限も認識しておくべきです。この方法はサンプリング解像度や生物学的表現を本質的に向上させるものではありません。むしろ、収集後のデータの空間的組織化と解釈を改善します。したがって、最終モデルの品質はサンプリング設計とフィールド実行の一貫性に依存します。グリッド建設は肉体的に負担が大きく、時間もかかります。さらに、成功する導入にはコンピュータアクセスと基本的なデータ処理スキルも必要です。命名パターンの誤り、座標入力、またはグリッドセルの欠落は、マトリックス生成を妨げたり、誤解を招く可視化を生み出すことがあります。全体として、現在のアプローチは形式的な空間統計やメカニズム的推論の代替ではなく、探索的かつ可視化に基づく枠組みとして捉えるべきです。

これらの制約にもかかわらず、このプロトコルは、プールされたサンプルや孤立した点測定に依存する典型的な手法に比べて明確な利点を持ち、ペン^{や家の中で}細かな空間変動を覆い隠^{すことができます。}本研究では、好気性細菌数にこの枠組みを適用した結果、微生物集団が家禽の糞の中に空間的に集まることが示されました。具体的には、細菌の個体数は水辺付近で高く、ペンの中心部に向かって減少し、3D表面プロットに明確な勾配が形成されました(補足ファイル3)。このパターンは、特に湿気などの局所的な環境条件が家禽の糞便中の微生物分布に強い影響を与える可能性があるという解釈を支持しています。pHや栄養成分などの追加の変数がこれらの関係をさらに明確にするかもしれません。以前の研究でも、家禽のゴミの微生物群集や環境条件は、pH、飼料の流出、鳥の活動に関して空間的に異なることが示されています^。微生物や物理化学的測定値を動物環境内の特定の位置に結びつけることで、これらのパターンをより可視化し解釈しやすくします。また、土壌科学や農学で勾配、斑点、局所的な焦点を特定するための空間マッピング手法と並行し、これらの概念を動物生産システム^11、12、13に適用しています。将来的には、囲い、群れ、生産サイクルを横断する空間マッピングの繰り返しが、微生物ホットスポットの予測モデリングや高リスク生態ゾーンのより的確な管理を支援する可能性があります。

3D可視化はデータの精度や精度を向上させるわけではありませんが、家禽の糞便における微生物パターンや傾向に影響を与える統計的に重要な要因の解釈を容易にします。より分かりやすい可視化は、砂の改良、鳥の健康、寝床の交換に関するコミュニケーションや情報に基づく意思決定を支援する可能性があります 14,15,16。研究用途を超えて、このツールは家禽生産者や学術^{普及職員にとって}実用的な価値があります。これらの3Dプロットは、農場管理者、関係者、小規模家禽生産者にとって、複雑な微生物データをよりアクセスしやすく実行可能な形式で提示する効果的なツールとして機能します¹⁷。これらのプロットにQRコードを通じて携帯電話でアクセスできることは、現場での技術サポートにおける有用性をさらに高める可能性があります。家禽生産がセンサー技術とデータ生成の進歩を続ける中で、こうした手法は統合家禽情報学の分野でますます有用になる可能性があります^18,19。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
分析的均衡	フィッシャー・サイエンティフィック	15997490	砂の計量用(例:1サンプルあたり10g)
インターネット接続可能なコンピューター	どんな人でも	該当なし	RStudioの実行用
インキュベーター(37 & deg;C)	サーモ・サイエンティフィック	50125590H	24時間の細菌増殖のために
微生物学培地(TSA)	BD ディフコ	236950	好気性細菌の列挙
リン酸緩衝生理食塩水(PBS)	サーモフィッシャー・サイエンティフィック	10010023	希釈および微生物懸濁液に使用
家禽の砂サンプル	家禽ブロイラーハウスやリサーチペン	該当なし	グリッドベースの設計で回収された新鮮なごみ
Rパッケージ:plotly、dplyr、htmlwidgets	クラン	https://cran.r-project.org	3D可視化およびデータ処理のために
R統計計算環境(v4.3以降)	Rプロジェクト	https://cran.r-project.org	cran.r-project.org
RStudio (v2024.12.0.467 またはそれ以降)	ポジット	https://posit.co/download/rstudio-desktop	posit.co
スプレッドシートソフトウェア(Excel、Google Sheets)	マイクロソフト/グーグル	https://www.microsoft.com/exce	RStudioにインポートする前にデータを整理するために
滅菌10 mL円錐管	サーモフィッシャー・サイエンティフィック	339650	アリコートの輸送用
滅菌ピペット&ヒント	フィッシャー・サイエンティフィック	該当なし	正確かつ無菌な液体取り扱いのために
滅菌Whirl-Pakバッグ	ナスコ	B01062	サンプル採取と均質化のために
ボルテックスミキサー	VWR	10153-838	サンプル均質化のために