RStudio kullanarak kümes hayvanı kumunda mikrobiyal bolluğun etkileşimli 3D mekansal görselleştirmeleri oluşturulması

Summary

Burada, ızgara tabanlı örnekleme verilerini kullanarak bir kümes hayvanı yuvasında mikrob sayıları ve pH için etkileşimli üç boyutlu görselleştirme oluşturulmasını sağlayan bir protokol sunuyoruz.

Abstract

Geleneksel kümes kumu mikrobiyolojisi ve fizikokimyasal bileşim değerlendirmeleri, genellikle statik tablolara veya iki boyutlu görselleştirmelere dayanır; bu görselleştirmeler penal ortamındaki mekânsal heterojenliği yakalayamayabilir. Bu protokol, bir kümes hayvanı kafesi boyunca mikrobiyal sayım verilerini ve çevresel parametreleri entegre eden etkileşimli üç boyutlu (3D) görselleştirmeleri tanımlar. Kalem örneklemesini yaklaşık olarak örneklemek için ızgara tabanlı bir düzen kullanıldı ve iş akışını göstermek için önce simüle edilmiş veri setleri oluşturuldu. Deneysel veri seti, su hattı, besleyiciler ve ağıl girişi gibi çevresel özelliklere göre mekânsal gradyanları değerlendirmek için kullanıldı. Veriler, RStudio'da grafik kullanılarak etkileşimli 3D grafikler oluşturularak işlendi. Aerobik bakteri yükleri 5.9 ile 8.6 log₁₀ CFU/g arasında değişiyordu; su hattına yakın miktar (P = 0.023) ve özellikten uzaklaştıkça sayım daha düşüktü. Ortaya çıkan yüzey grafikleri, nem açısından zengin alanlar etrafında mikrobiyal popülasyonların kümelenmesini görsel olarak vurguladı ve kümelenme alanındaki mikrobiyal toplulukların mekansal desenlerini yorumlamak için çerçevenin faydasını gösterdi. Ticari kümes hayvancılığı koşullarında daha fazla değerlendirme gerekse de, mevcut protokol, kümes kumu veri setlerinde mekânsal heterojenliği görselleştirmek ve analiz etmek için tekrarlanabilir bir yöntem sunmaktadır.

Introduction

Kümes hayvancılığı endüstrisi, her biri yatak malzemesi, dışkı, yem parçacıkları, tüyler, kırık yumurta kabuğu ve nem birikmesiyle önemli miktarda kümes çöpü üreten katman ve broyler üretim^{sistemlerini içerir 1,2,3}. Bu yavru kuşlardan, böceklerden, kemirgenlerden ve aerosollerden kaynaklanan çeşitli mikrobiyal popülasyonları^{destekleyebilmektedir 2,3}. Bazı mikroorganizmalar arasında Salmonella gibi patojenler olabilir; bunlar kuşlarda hastalığa yol açabilir ve halk sağlığı açısından bir endişe^{oluşturur 2}. Kümes hayvanı çöpü karada gübre^{olarak uygulanabildiğinden,} mikrob dağılımını anlamak çevresel izleme, sürü sağlığı ve gıda güvenliği açısından önemlidir.

Bu nedenle, temsil kümes hayvanı kumu örnekleme, mikrobiyal toplulukların karakterizasyonu ve potansiyel patojenlerin tespit edilmesi için önemlidir. Kümes hayvanı kumunun örneklenmesi için yöntemler birkaç on yıldır araştırılmıştır; bunlar arasında sürükleyici sürüntü, dışkı toplama, doğrudan kum toplama, tek kullanımlık ayakkabı kapakları veya bot^{çorapları 6,7}. Ancak, örnek toplama yeri, verilerin genel kümes hayvanı kumu koşullarını ne kadar iyi temsil ettiğini güçlü şekilde belirler. Kuşlar evde hareket ettiği ve sulama makineleri, yemlikler, fanlar ve soğutma veya ısıtma pedleri gibi çevresel özellikler yerel ortamlar oluşturduğundan, kümes hayvanlarının mikrobial popülasyonları ve besin faktörleri eşit dağılmamıştır 3,8,9,10. Bu nedenle, kum ile ilgili verilerin yorumlanırken heterojenliği hesaba katmak, sürü sağlığının etkin yönetimi ve sürünün sağlamlığını sürdürmek için hayati öneme sahiptir.

Mekânsal haritalama yaklaşımları, mikrobiyal ve fizikokimyasal heterojenliği ile yerel sıcak noktaları görselleştirmek için agronomi ve toprak biliminde yaygın olarak uygulanmıştır^11,12. Ancak, bir kafes içinde birden fazla bölgede kümes yavrusu verileri toplandığında, mekânsal eğilimler sayısal^{değerler 8,9'dan} yorumlanması zor olabilir. Üç boyutlu (3D) görselleştirme, mikrobiyal ve fizikokimyasal ölçümlerin mekansal koordinatlarla entegre edilmesi için pratik bir yaklaşım sunar ve böylece etkileşimli yüzey modelleri^{oluşturulur 13,14}. Statik 2B modellerle karşılaştırıldığında, 3D modeller dönme, yakınlaştırma ve örnekleme ızgarası boyunca gradyanların derinlik bazlı görselleştirilmesine olanak tanır; bu da kümes evi ortamındaki mekansal desenlerin yorumlanmasını iyileştirebilir.

Mevcut protokol, ızgara tabanlı bir düzen kullanılarak toplanan ve RStudio'da analiz edilen kümes kumluğu, mikrobiyal ve fizikokimyasal verilerin etkileşimli 3D görselleştirmelerini oluşturmak için yapılandırılmış ve tekrarlanabilir bir yaklaşımı tanımlar. Simüle edilmiş mikrobiyal ve fizikokimyasal veriler önce görselleştirme iş akışını göstermek için kullanılır, ardından deneysel kümes hayvanı kumu mikrobiy sayımlarına yaklaşım uygulanır. Bu protokolün amacı, kümes hayvanı kumu veri setlerinde mekânsal heterojenliği görselleştirmek için tekrarlanabilir bir çerçeve sağlamak ve kümes hayvanı özellikleriyle ilişkili mikrobiyal dağılım desenlerinin yorumlanmasını desteklemektir.

Protocol

Bu protokol, görselleştirme iş akışının her adımını göstermek için mikrobiyal ve pH değerleri için simüle edilmiş bir veri seti kullanır, ardından deneysel kümes hayvanı kumu mikrobiyal sayımlarına uygulanarak deneysel verilerle kullanımı göstermek ve mesafeye bağlı mikrobiyal ilişkilerin istatistiksel yorumlamasını desteklemek için kullanılır. Canlı hayvan prosedürleri uygulanmadı. Kum örnekleri, hayvanlarla doğrudan temas olmadan bir kümes hayvanı ahlından toplandı. Bu nedenle kurumsal hayvan bakımı onayı gerekmiyordu.

1. Kümes hayvanı kumu örnekleri toplamak ve mikrobiyal bolluk verileri oluşturmak

1. Broyler kalemi boyunca tutarlı aralık kullanarak ızgara tabanlı bir örnekleme düzeni oluşturun.
   NOT: Küçük kalemlerde bu bir dizi ızgara sistemi kullanılarak yapılabilirken, büyük kalemler her örnekleme noktasını işaretlemek için bayrak işaretleyicileri kullanabilir. Grid genellikle kalemin sol alt köşesinden başlar ve bu köşe başlangıç noktası olarak kabul edilir. Her örnekleme noktası, ızgara konumu kullanılarak kaydedilir.
2. Her örnekleme noktasının X ve Y koordinatlarını ve besleyiciler, su hattı, ısıtma lambası ve giriş gibi çevresel noktaları aynı ızgara içinde tek bir konum veya konumlarını temsil eden bir çizgi kullanarak kaydedin.
   NOT: X yönü kalemin uzunluğu boyunca, Y yönü ise genlik boyunca ilerler.
3. Her örnekleme konumu için kalem veya tedavi grubunu belirlemek amacıyla veri setine bir "Pen" sütunu ekleyin (örneğin, "P1", "P2").
   NOT: Kalem ile gruplama, mekansal analizlerin doğru konut ortamında yapılmasını sağlar. Bu gösterim için, kalem alanı boyunca yapılandırılmış 6 × 10 ızgara tanımlandı ve 1 kalemden 60 örnekleme noktası (n = 60) elde edildi. 6 × 10 ızgarası, pen boyunca eşit bir mekansal kapsama sağlamak için seçildi; simetrik, eşit aralıklı bir düzenle. Şebeke düzenine bir örnek Şekil 1'de gösterilmiştir.
4. Her örnekleme noktasında, mikrobiyal veya fizikokimyasal analiz için üç kum örneği toplayın. Mikrobiyal test için, her çoğaltma için 10 g kum ağırlığı ile 90 mL steril tamponlu pepton suyuna yerleştirin ve ilk seyreltme (10⁻¹) elde edilir. Numuneyi iyice karıştırarak süspansiyonu homojenleştirin.
5. Karışık kum numunesinin 10 kat seri seyreltilmesi ve her seyreltmeden 0,1 mL bir tabakla agar plakalarına hazırlanın.
   NOT: Ölçülen bakteri grubuna bağlı olarak farklı ortamlar kullanılabilir. Örneğin, aerobik bakteriler triptik soya agar (TSA) üzerine, laktik asit bakterileri MRS agar üzerinde, Enterobacteriaceae ise MacConkey agarında örtülen olabilir.
6. Plakaları 37 °C'de 24 saat kuluçka yapın, ardından görünür kolonileri sayın. Mikrobiyal bolluğu, gram kum başına koloni oluşturan birimler (CFU/g) olarak hesaplayın:
   CFU/g = (koloniler seyrelme faktörü × sayılır) ÷ kaplamalı hacmi
7. Kopyalar arasında ortalama değeri raporlayın.
   NOT: Tespit sınırı, kaplamalı hacmle (0,1 mL) belirlenir; bu da kaplamalı süspansiyonda yaklaşık 10 CFU/mL veya orijinal örnekte 100 CFU/g kum miktarına karşılık gelir.
8. Mikrobiyal sayımların kaydı, sonraki istatistiksel analiz ve görselleştirme için sayısal formatta bir tablo oluşturulur.
9. Aşağıdaki sütunlarla bir CSV dosyası oluşturun: Örnek ID, X (mekânsal koordinat), Y (mekansal koordinat), Xnum (X için sayısal sıralama sırası, isteğe bağlı) ve pH gibi mikrobiyal sayılar veya fizikokimyasal parametreler. Simüle edilmiş tablo sayfasına bir örnek Şekil 2'de gösterilmiştir.
10. Normal dağılımlı rastgele değerlerle simüle edilmiş mikrobiyal bolluk değerleri üretin. Ortalamayı, standart sapmayı ve aralığı ampirik ölçümlere göre tanımlayın. Tekrarlanabilirliği sağlamak için sabit rastgele bir tohum uygulayın. Şebeke boyunca uzamsal gradyanlar ekleyin ve tekdüze desenlerden kaçınmak için küçük rastgele varyasyonlar ekleyin.
    NOT: Veri üretiminde kullanılan simülasyon parametreleri, dağılım türü, aralık ve mekansal yapı dahil olmak üzere Tablo 1'de özetlenmiştir.

2. Hesaplama ortamını kurmak

1. Gerekli istatistiksel hesaplama paketlerini kurup yükleyin.
   install.packages(c("plotly"))
   kütüphane (konu gibi)
2. CSV veri setini hesaplama ortamına aktarın ve bir çalışma dizini oluşturun.
   setwd("path/to/your/folder")
   veri kümesi <- read.csv("path_to_your_file.csv")
   NOT: Giriş veri seti, her satır tek bir örnekleme konumunu temsil eden tablo formatında (CSV dosyası) düzenlenmelidir. Gerekli giriş veri yapısı ve değişken tanımları Tablo 2'de özetlenmiştir.

3. Verileri hazırlayın ve biçimlendirin

1. CSV dosyasında eksik veya tutarsız veri değerleri olup olmadığını kontrol edin.
   özet (veri seti)
   any(is.na(dataset))
2. Veri setini gerektiğinde 'NA' değerlerini kaldırarak temizleyin.
   Dataset <- na.omit(dataset)
3. Grafiklerin görselleştirilmesini normalleştirmek ve iyileştirmek için log-transform mikrobiyal sayımlar yapılır.
4. Değişken isimlerini, okunabilirliği ve tekrarlanabilirliği artırmak için tutarlı alt çizgi tabanlı gösterim (örneğin, log10_CFU_A ve log10_CFU_B) kullanarak standartlaştırın.
5. Mikrob sayısı verilerine log10 dönüşümünü uygulayarak varyansı stabilize edin ve standart CFU raporlama uygulamalarıyla uyumlayın.
   dataset$Log10_CFU_A <- log10(dataset$OrganismA_counts + 1)
   dataset$Log10_CFU_B <- log10(dataset$OrganismB_counts + 1)
6. X ve Y koordinat değerlerinin sayısal olduğundan emin olun. Veriler alfabetik ise, izgedeki örnekleme noktalarıyla doğru şekilde karşılık vermek için sayısal değerlere dönüştürün.
   NOT: Son veri seti, pen koordinat sistemi içindeki tüm benzersiz tanımlayıcıları, sayısal uzamsal koordinatları ve log-dönüştürülmüş mikrobiyal sayıları içermelidir.

4. Etkileşimli 3D görselleştirmeler oluşturun

1. Mekansal matrisi oluşturmadan önce, ızgaranın doğru şekilde oluşturulabildiğinden emin olmak için veri seti yapısını doğrulayın. Sonra, mekansal koordinatlar ve log-transforme edilmiş bakteri sayıları gibi birden fazla parçayı birleştirerek kalemin ızgara düzenine uyacak şekilde mekansal veri matrisleri hazırlanır.
   NOT: Kod gözlemleri Pen, X ve Y ile gruplar, her ızgara noktasında ortalama Log10_CFU_A hesaplar ve ardından değerleri veri setindeki benzersiz X ve Y koordinatlarına göre bir matrise dönüştürür.
   org1_means <- aggregate(Log10_CFU_A ~ Pen + Y + X,
   veri = veri seti,
   EĞLENCE = kasıt,
   na.rm = DOĞRU)
   org1_P1 <- alt küme(org1_means, Pen == "P1")
2. Noktaları matris doğru eşlem olacak şekilde sıralayın
   x_vals <- sort(unique(org1_P1$X))
   y_vals <- sort(unique(org1_P1$Y))
   ncol_grid <- uzunluk(x_vals)
   nrow_grid <- uzunluk(y_vals)
   org1_mat_P1 <- Matrix(org1_P1$Log10_CFU_A,
   nrow = nrow_grid,
   ncol = ncol_grid,
   byrow = YANLIŞ)
3. Düzgün görünen bir grafik için eksik değerler olmadığından emin olun.
   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=DOĞRU)
   }
4. Mikrobiyal sayımları mekânsal olarak 3D olarak görselleştirin.
   NOT: Bu grafik için, ızgara boyutu veri setinin mekansal düzenini yansıtıyordu
   figA <- plot_ly(
   x = x_vals,
   y = y_vals,
   z = org1_mat_P1,
   type = "yüzey", renk ölçeği = list(
   c(0, "koyu mavi"),
   c(1, "yeşil")
   )
   )
5. Mikrob sayılarının veya diğer çöp parametrelerinin o noktaya kadar olan mesafesini görselleştirmeye yardımcı olmak için su hattı gibi çevresel özellikler ekleyin ve böylece kullanıcılar mekânsal desenleri görebilir.
   figA <- figA %>%
   add_trace(
   x = c(1, 5),
   y = c(6, 6),
   z = c(8.5, 8.5),
   type = "scatter3d",
   mod = "çizgiler",
   hat = liste (renk = "#1f77b4", genişlik = 8),
   isim = "Su Hattı"
   ) %>%
   add_text(
   x = 3, y = 6, z = 8.6,
   metin = "Su Hattı",
   textfont = list (boyut = 14, renk = "koyu mavi"),
   showlegend = SAHTE
   ) %>%
   düzen(
   başlık = "Simüle Edilmiş Organizma A",
   sahne = liste(
   xaxis = liste (başlık = "X koordinat", tickvals = x_vals),
   yaxis = liste (başlık = "Y koordinatı", tickvals = y_vals),
   zaxis = liste (başlık = "log10 CFU")
   )
   )
   figA
6. Kümes hayvanı ağlında pH seviyelerini görselleştirmek için kullanılan kod için Ek Dosya 1'e bakınız.

5. 3D modelin deneysel kümes hayvanı kumu mikrob sayımlarına uygulanması

1. Kafes içindeki tanımlanmış bir ızgara düzeninden kümes hayvanı kumu örnekleri topla ve mekânsal koordinatlar kullanarak örnekleme alanlarını kaydet.
   NOT: Bu çalışmada, örnekler Wisconsin Üniversitesi, Madison, WI'deki bir kümes hayvanı kafesinden tanımlanmış bir ızgara düzeni kullanılarak toplandı. Örnekler 5 × 7 m ızgara düzeni kullanılarak toplandı.
2. Her örnekleme noktasından belirli miktarda kum tartı tartın ve fosfatla tamponlu tuzlu (PBS) veya eşdeğer bir seyrelticide askıya alın ve başlangıç seyreltme hazırlanın.
   NOT: Bu çalışmada, her lokasyon için 1 g kum Whirl-Pak torbaları kullanılarak toplandı ve fosfatla tamponlu tuzlu (PBS) 1:10 oranında seyreltildi.
3. Uygun büyüme ortamına kum örnekleri yerleştirip uygun koşullarda kuluçka geçirerek mikrobiyal sayımı gerçekleştirin.
   NOT: Bu çalışmada, örnekler triptik soya agar (TSA) üzerinde nokta kaplama yöntemiyle çift kat olarak kaplanmış ve 37 °C'de 24 saat kuluçka altına alınmıştır. Mikrobiyal sayımı için gereken malzemeler Materyaller Tablosu'nda listelenmiştir.
4. Mikrobiyal bolluğu koloni oluşturan birimler (CFU) olarak niceliklendirilin ve analiz için verilere log₁₀ dönüşümü uygulanın.
5. İşlenen mikrobiyal verileri hesaplama iş akışına entegre edin ve gerekli giriş yapısına göre biçimlendirin.
6. Yukarıda açıklanan yöntemlerle kalem boyunca mikrobiyal bolluğu temsil etmek için 3D mekânsal görselleştirme oluşturun.
   NOT: Bu çalışmada, görselleştirme, örneklenen kalem boyunca aerobik bakteri bolluğunu göstermek için oluşturulmuştur.

6. İstatistiksel analiz

1. Mikrobiyal bolluk ve çevresel değişkenlerdeki mekansal desenleri özetlemek için temel istatistiksel analizler yapar.
2. Deneysel kümes hayvanı kumu veri seti üzerinde istatistiksel analizler yapın. Simüle edilen veri setlerini yalnızca görselleştirme gösterimleri için kullanın ve bunları istatistiksel testlere dahil etmeyin.
3. Tekrarlayan ölçümler mevcut olduğunda her ızgara konumu için ortalama değerleri hesaplayın.
4. Mikrobiyal bolluk ile çevresel simgelerden uzaklık arasındaki ilişkileri değerlendirmek için doğrusal regresyon analizi kullanın.
5. Çevresel simge yapılara olan mesafeleri, kalem içindeki bilinen ızgara konumları kullanarak hesaplayın. Mesafeleri sürekli değişkenler olarak ele alın.
6. Sonuçları, nedensel biyolojik ilişkiler kurmak yerine uzamsal eğilimleri keşfetmek ve görselleştirme yorumlamasını desteklemek için kullanın.

Results

3D modeli göstermek için simüle edilmiş mikrobiyal ve fizikokimyasal veriler
Mevcut çalışma, simüle edilmiş verilere dayanarak bir kümes kafesindeki mikrobiyal organizmaların (Organizma A ve Organizma B) bolluğunu ve çöp pH'ını görselleştirmek için kod sağlıyor. Ortaya çıkan 3B grafikler, ızgara tabanlı modele dayanarak mikrobiyal sayıları (Şekil 3A,B) ve pH (Şekil 3C; etkileşimli deneyim için Ek Dosya 3'e bakınız) görselleştirmiştir. Simüle edilen pH değerleri, kalem boyunca mekânsal değişim gösterdi ve ızgara boyunca uygulanan mekânsal gradyanlara karşılık gelen kademeli değişiklikler oldu. Metin kesintilerinden arındırılmış tam kod, Ek Dosya 1'de mevcuttur.

3D modelin deneysel kümes hayvanı kumu mikrobiy sayımlarına uygulanması
Modelin gerçek ekolojik verilerle nasıl çalıştığını göstermek için, kümes hayvan kumzularından aerobik bakteri sayımları haritalandı ve çevresel noktalardan, örneğin besleyiciler ve su hatlarından uzaklığın bakteri bolluğu üzerindeki etkisini doğrusal regresyon modeli (LRM) kullanarak değerlendirdi. Analiz için kullanılan deneysel veri seti, Ek Dosya 2'de sunulmaktadır. 3D görselleştirme, kalem genelinde aerobik sayılarda net farklılıklar göstererek, yaklaşımın kümes hayvanı barınma ortamlarında gerçek mikrobiyal dağılımları etkili şekilde gösterebileceğini gösterdi (Şekil 4; etkileşimli deneyim için bkz. Ek Dosya 3). Bu görselleştirmeler, belirli çevresel özelliklere yakın daha yüksek bakteriyel bölgelerin bulunduğu heterojen bir mekânsal dağılımın ortaya çıktığını ortaya koydu. Kümes hayvanı yuvası boyunca, aerobik sayımlar 5,9 ila 8,6 log₁₀ CFU/g arasında değişiyordu; en yüksek konsantrasyonlar su hattı yakınında, daha düşük sayılar ise merkezi besleyiciler ve su hattının distalında gözlemlendi. Ortalama aerobik bolluk su hattına yakın 8.0 log₁₀ CFU/g'den en uzak kaydedilen mesafede 7.4 log₁₀ CFU/g'ye düştü. Mikrob sayımları, her örnekleme noktasında tekrarlanan ölçümlerin ortalama değerlerini temsil eder. Ayrıca, su hattından uzaklık aerobik bakteri yükünün önemli bir göstergesi idi (LRM, P < 0.05), oysa besleyiciler ve girişten olan mesafeler (LRM, P > 0.05) önemli bir göstergeydi. Bu nicel sonuçlar, 3D yüzey grafiklerinde gözlemlenen görsel eğilimi doğrulamakta ve nem kaynaklarından uzaklaştıkça mikrobiyal bolluğun belirgin bir azalmasını göstermektedir. Sonuç olarak, bu sonuçlar 3B ızgara tabanlı çerçevenin, kümes kumu veri setlerinde mekânsal heterojenliğin görselleştirilmesi ve analizi için pratik bir yaklaşım sağladığını göstermektedir. Hem simüle edilmiş hem de deneysel veriler kullanılarak, bu model lokal mikrobiyal dağılım kalıplarını yakalamış ve kalem içindeki bakteri bolluğu ile çevresel özellikler arasındaki ilişkinin istatistiksel yorumlanmasına olanak sağlamıştır.

Şekil 1: Örnek toplama için kümes hayvanı kaleminin ızgara düzeni. Kümes hayvanı yuvası boyunca mekânsal koordinatları ve örnekleme yerlerini tanımlamak için kullanılan ızgara tabanlı örnekleme çerçevesinin şematik temsili. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 2: Simüle edilmiş verilerin tablo formatında örnek düzeni. Örnek tanımlayıcıları, uzamsal koordinatları (X ve Y) ve analiz için kullanılan mikrobiyal veya fizikokimyasal değişkenleri gösteren temsili elektronik tablo yapısı. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 3: Kümes hayvanı kafesi boyunca mikrobiyal sayımların ve pH mekânsal dağılımlarının simüle edilmesi. (A) Simüle edilmiş Organizma A sayımları, (B) Simüle edilmiş Organizma B sayıları ve (C) ızgara tabanlı 3D mekânsal model kullanılarak görselleştirilmiş simüle edilmiş pH değerleri. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 4: Kümes hayvanı penasında aerobik bakteri sayılarının mekânsal dağılışı. 3D yüzey grafiki, mesafeler (X–Y koordinatları) boyunca aerobik bakteri sayılarında (log CFU/g) farklılık gösterir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Parametre	Değer
Dağılım	Normal
Acımasız (μ)	8.26
SD (σ)	0.77
Menzil	7.10–9.37
Mekansal desen	Doğrusal gradyan (Y-yönü)
Gürültü	Normal (μ=0, küçük varyans)
Rastgele tohum	10

Tablo 1: Simüle edilmiş mikrobiyal veri seti üretimi için kullanılan parametreler. Simüle edilmiş mikrobiyal verilerin oluşturulmasında kullanılan ortalama, standart sapma, değer aralığı ve mekânsal gradyan ayarları dahil olmak üzere dağılım parametrelerinin özeti.

Sütun Adı	Tanım	Veri Tipi	Gerekli
Pen	Kalem veya tedavi grubu için tanımlayıcı	Metin	Evet
X	X-koordinat konumu ızgarada	Sayısal	Evet
Y	Y-koordinatı konumu ızgarada	Sayısal	Evet
Log10_CFU_A	Log-transforme edilmiş mikrob sayısı (Organizma A)	Sayısal	Evet
Log10_CFU_B	Log-transforme edilmiş mikrobiyal sayı (Organizma B)	Sayısal	Opsiyonel
pH	Ölçülen pH değeri	Sayısal	Opsiyonel
Simgesel Mesafe	Çevresel özelliklerden (örneğin, su hattı) uzaklığı	Sayısal	Opsiyonel

Tablo 2: Mekânsal analiz için gerekli girdi veri seti yapısı. Örnek tanımlayıcıları, mekânsal koordinatlar ve mikrobiyal veya fizikokimyasal ölçümler dahil olmak üzere gerekli değişkenlerin listesi, ilgili veri formatlarıyla birlikte.

Ek Dosya 1: Simüle edilmiş mikrobiyal ve pH mekânsal görselleştirmeler üretmek için kod.R scripti, simüle edilmiş veri setlerini işlemek ve Organizma A, Organizma B ve kümes hayvanı alanında pH için 3D yüzey grafikleri oluşturmak için kullanılır. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 2: Deneysel kümes hayvanı kumsuzluğu mikrobiyal veri seti. 3D görselleştirme ve istatistiksel analiz için kullanılan aerobik bakteri sayımları ve ilgili mekânsal koordinatları içeren tablo. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 3: İnteraktif 3D görselleştirme erişim bağlantıları ve QR kodları. Simüle edilmiş ve deneysel veri setlerinin etkileşimli 3D grafiklerine erişmek için QR kodları ve ilgili webbağlantıları Lütfen bu dosyayı indirmek için buraya tıklayın.

Discussion

Bu çalışmada sunulan simülasyon tabanlı grafikler, 3D mekânsal haritalamanın kümes hayvanı kumu ortamlarında mikrobiyal ve fizikokimyasal dağılımların görselleştirilmesini geliştirme potansiyelini göstermek için geliştirilmiştir (Ek Dosya 3). Ayrıca, bu yaklaşımı mikrobiyal sayım verileri ve kalem içindeki çevresel ve mekansal işaretleyicilerle birleştirerek yerel dağılım kalıplarını değerlendirdik ve mesafeye bağlı ilişkileri belirledik (Ek Dosya 3).

Mevcut protokoldeki kritik bir adım, ızgara tabanlı örnekleme çerçevesinin doğru kurulmasıdır. 3B yüzey güvenilir mekânsal koordinatlara bağlı olduğundan, köken noktalarının doğru şekilde adlandırılması, eşit aralık ve X ile Y konumlarının hassas kaydı gereklidir. Yöntemin en emek yoğun kısmı, ızgarayı yerleştirmek ve her örneğin kendisine atanan koordinat ve çevresel işaret noktalarına, örneğin besleyiciler, su hatları, giriş noktaları veya ısıtma bölgelerine karşılık geldiğini doğrulamaktır. Bu aşamadaki küçük konumsal hatalar sonraki analizleri etkileyebilir. Daha büyük veya ticari ortamlarda, lazer tabanlı ölçüm araçları veya benzeri konumlandırma yardımcıları, işçiliği azaltabilir ve tekrarlanabilirliği artırabilir. Kalem işaretlerinin dikkatli notasyonu da önemlidir çünkü bu özellikler, kuş aktivitesi, nem ve besin dağılımı tarafından oluşturulan çöp ortamlarındaki mikrobiyal gradyanların anlaşılması için ekolojik bağlam^{sağlar 2}.

Mevcut protokol, daha geniş tarımsal uygulamalara uyarlanabilir. Mikrobiyal sayımlar ve pH'ın yanı sıra, nem, sıcaklık, besin dağılımı, amonyakla ilgili ölçüm veya dizilemeden türetilen mikrobiyal topluluk özellikleri gibi diğer çöp veya zeminle ilişkili değişkenlere de uygulanabilir. Pratik değişiklikler arasında verilerin kalem ile gruplanması, kaydedilen veri setlerinden dinamik olarak matrisler oluşturulması ve çizimden önce eksik değerlerin taranması yer alır. Yaygın problem çözme adımları arasında koordinat etiketlerinin sayısal değerlere dönüştürülmesi, paylaşılan noktalarda tekrarlanan değerlerin ortalamasının alınması, tekrarlanan veya eksik koordinatların kontrol edilmesi ve matris yapısının orijinal kalem düzenine karşılık geldiğini doğrulamak yer alır. Çerçeve ayrıca çok değişkenli analizler ve çöp derinliği de dahil edilecek şekilde genişletilebilir; böylece hem yatay hem de dikey heterojenliğin değerlendirilmesine olanak tanır.

Bazı sınırlamalar da kabul edilmelidir. Bu yöntem, esasen örnekleme çözünürlüğünü veya biyolojik temsilini iyileştirmez; bunun yerine, toplandıktan sonra verilerin mekansal organizasyonunu ve yorumlanmasını iyileştirir. Bu nedenle, nihai modelin kalitesi hâlâ örnekleme tasarımına ve alan yürütme tutarlılığına bağlıdır. Şebeke yapısı fiziksel olarak zorlayıcı ve zaman alıcı olabilir. Ayrıca, başarılı uygulama için bilgisayar erişimi ve temel veri işleme becerileri gereklidir. Adlandırma desenleri, koordinat girişi veya eksik ızgara hücrelerindeki hatalar matris üretimini bozabilir veya yanıltıcı görselleştirmeler oluşturabilir. Genel olarak, mevcut yaklaşım, resmi mekansal istatistikler veya mekanik çıkarımın yerine geçmektense, keşif ve görselleştirme temelli bir çerçeve olarak görülmelidir.

Bu sınırlamalara rağmen, protokol, toplanmış örnekler ve izole nokta ölçümlerine dayanan tipik yaklaşımlara kıyasla açık avantajlar sağlar; bu yaklaşımlar, bir kafes veya ev 3,4,5,6,7 içinde ince ölçekli mekansal değişimi gizleyebilir. Mevcut çalışmada, çerçevenin aerobik bakteri sayımlarına uygulanması, mikrobiyal popülasyonların kümelenmiş kümeler içinde mekânsal olarak kümeleleşebildiğini göstermiştir. Özellikle, bakteri bolluğu su hattına yakın daha yüksekti ve kalemin merkezine doğru azaldı, bu da 3D yüzey grafikinde net bir gradyan oluşturdu (Ek Dosya 3). Bu desen, özellikle nemin olduğu belirgin yerel çevresel koşulların kümes hayvanları yabanındaki mikrobiyal dağılımını güçlü şekilde etkileyebileceği yorumunu destekler. pH ve besin bileşimi gibi ek değişkenler bu ilişkileri daha da netleştirebilir. Önceki çalışmalar benzer şekilde, kümes hayvanı yakası mikrobiyal topluluklarının ve çevresel koşulların pH, yem dökülmesi ve kuş aktivitesi ile ilgili olarak uzaya göre değiştiğini^{göstermiştir 2}. Mikrobiyal veya fizikokimyasal ölçümleri hayvan ortamındaki tanımlanmış konumlara bağlayarak, bu yöntem bu desenleri daha görünür ve yorumlanabilir hale getirir. Ayrıca, toprak ve tarımsal bilimlerde kullanılan mekânsal haritalama yaklaşımlarını paralel olarak kullanarak gradyanları, yamalılığı ve lokal odak noktalarını tanımlarken, bu kavramları hayvan üretim sistemi 11,12,13'e uygular. Gelecekte, kafesler, sürüler ve üretim döngüleri arasında tekrarlanan mekansal haritalama, mikrobiyal sıcak noktaların öngörücü modellemesini ve yüksek riskli ekolojik bölgelerin daha hedefli yönetimini destekleyebilir.

3D görselleştirme, verinin doğruluğunu veya hassasiyetini artırmasa da, kümes hayvanı kumluğundaki mikrobiyal kalıpları ve eğilimleri etkileyen istatistiksel olarak ilgili faktörlerin yorumlanmasını geliştirir. Daha erişilebilir görselleştirme, kum değişiklikleri, kuş sağlığı ve yatak değişimi ile ilgili iletişimi ve bilinçli karar vermeyi^{destekleyebilir} 14,15,16. Araştırma uygulamalarının ötesinde, bu araç kümes hayvanı üreticileri ve akademik destek personeli için pratik değer^{taşımaktadır 17}. Bu 3D alanlar, çiftlik yöneticileri, paydaşlar ve küçük kümes hayvanı üreticileri için karmaşık mikrobiyal verileri daha erişilebilir ve uygulanabilir bir formatta sunmak için etkili araçlar^{olarak hizmet edebilir 17}. Bu arazilere mobil telefonla QR kod üzerinden erişebilme imkanı, saha tabanlı teknik destek için faydalarını daha da artırabilir. Kümes hayvanı üretimi sensör teknolojisi ve veri üretiminde ilerlemeye devam ettikçe, bu yaklaşımlar bütünleşik kümes hayvancılığı bilişiminde giderek daha faydalı hale^{gelebilir 18,19}.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Analitik denge	Fisher Scientific	15997490	Kum tartımı için (örneğin, 10 g/numune)
İnternet erişimi olan bilgisayar	Herhangi bir	Yok	RStudio çalıştırmak için
Kuluçka makinesi (37 derece ve derece; C)	Termo Bilimsel	50125590H	24 saat bakteriyel büyüme için
Mikrobiyolojik ortam (TSA)	BD Difco	236950	Aerobik bakterileri saymak
Fosfatla tamponlanmış tuzlu (PBS)	Thermo Fisher Scientific	10010023	Sulandırma ve mikrobiyal süspansiyonlar için kullanılır
Kümes kumu örnekleri	Kümes broyler evi veya araştırma ahırı	Yok	Şebeke tabanlı bir tasarımla toplanan taze çöp
R paketleri: plotly, dplyr, htmlwidgets	CRAN	https://cran.r-project.org	3D görselleştirme ve veri işleme için
R istatistiksel hesaplama ortamı (v4.3 veya daha sonrası)	R Projesi	https://cran.r-project.org	cran.r-project.org
RStudio (v2024.12.0.467 veya daha sonra)	Pozisyon	https://posit.co/download/rstudio-desktop	posit.co
Tablo yazılımı (Excel, Google Sheets)	Microsoft/Google	https://www.microsoft.com/exce	RStudio'ya aktarmadan önce veriyi düzenlemek için
Steril 10 mL konik tüpler	Thermo Fisher Scientific	339650	Aliquotları taşımak için
Steril pipetler & İpuçları	Fisher Scientific	Yok	Doğru ve steril sıvı kullanımı için
Steril Whirl-Pak çantaları	Nasco	B01062	Örnek toplama ve homojenleştirme için
Vortex mikser	VWR	10153-838	Örneklerin homojenleştirilmesi için