RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
German
Menu
Menu
Menu
Menu
Research Article
Jeremy R. Chen See1,2, Olivia Wright1, Lavinia V. Unverdorben1,2, Nathan Heibeck1, Stephen M. Techtmann3, Terry C. Hazen4,5, Regina Lamendella1,2
1Department of Biology,Juniata College, 2Wright Labs, LLC, 3Department of Biological Sciences,Michigan Technological University, 4Biosciences Division,Oak Ridge National Laboratory, 5Department of Civil and Environmental Engineering,University of Tennessee
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Hier präsentieren wir ein Protokoll, um die Auswirkungen des Hydraulic Fracturing auf nahe gelegene Bäche zu untersuchen, indem wir ihre mikrobiellen Wasser- und Sedimentgemeinschaften analysieren.
Hydraulic Fracturing (HF), allgemein als "Fracking" bezeichnet, verwendet eine Mischung aus Hochdruckwasser, Sand und Chemikalien, um Gesteine zu brechen und Öl und Gas freizusetzen. Dieser Prozess revolutionierte die US-Energieindustrie, da er Zugang zu Ressourcen bietet, die zuvor nicht verfügbar waren und jetzt zwei Drittel des gesamten Erdgases in den Vereinigten Staaten produzieren. Obwohl Fracking einen positiven Einfluss auf die US-Wirtschaft hatte, haben mehrere Studien seine schädlichen Umweltauswirkungen hervorgehoben. Besonders besorgniserregend ist die Wirkung von Fracking auf Quellbäche, die aufgrund ihrer unverhältnismäßig großen Auswirkungen auf die Gesundheit des gesamten Wassereinzugsgebiets besonders wichtig sind. Die Bakterien innerhalb dieser Ströme können als Indikatoren für die Gesundheit des Baches verwendet werden, da die vorhandenen Bakterien und ihre Häufigkeit in einem gestörten Strom voraussichtlich von denen in einem ansonsten vergleichbaren, aber ungestörten Strom abweichen. Daher zielt dieses Protokoll darauf ab, die Bakteriengemeinschaft zu nutzen, um festzustellen, ob Bäche durch Fracking beeinträchtigt wurden. Zu diesem Zweck müssen Sediment- und Wasserproben aus Bächen in der Nähe von Fracking (potenziell betroffen) und stromaufwärts oder in einem anderen Wassereinzugsgebiet der Fracking-Aktivität (unbeeinträchtigt) gesammelt werden. Diese Proben werden dann der Nukleinsäureextraktion, Bibliotheksvorbereitung und Sequenzierung unterzogen, um die Zusammensetzung der mikrobiellen Gemeinschaft zu untersuchen. Korrelationsanalysen und maschinelle Lernmodelle können anschließend verwendet werden, um zu identifizieren, welche Merkmale die Variation in der Gemeinschaft explanativ sind, sowie die Identifizierung prädiktiver Biomarker für die Auswirkungen von Fracking. Diese Methoden können eine Vielzahl von Unterschieden in den mikrobiellen Gemeinschaften zwischen Quellströmen aufdecken, basierend auf der Nähe zum Fracking, und dienen als Grundlage für zukünftige Untersuchungen zu den Umweltauswirkungen von Fracking-Aktivitäten.
Hydraulic Fracturing (HF) oder "Fracking" ist eine Methode der Erdgasgewinnung, die sich mit der weiter steigenden Nachfrage nach fossilen Brennstoffen immer mehr durchgesetzt hat. Diese Technik besteht darin, hochleistungsfähige Bohrgeräte zu verwenden, um eine Mischung aus Wasser, Sand und Chemikalien in methanreiche Schieferlagerstätten zu injizieren, in der Regel um eingeschlossene Gase freizusetzen1.
Da diese unkonventionellen Erntetechniken relativ neu sind, ist es wichtig, die Auswirkungen solcher Praktiken auf nahe gelegene Wasserstraßen zu untersuchen. Fracking-Aktivitäten erfordern die Rodung großer Landstriche für den Transport von Ausrüstung und den Bau von Bohrplätzen. Für jedes Bohrfeld2müssen etwa 1,2-1,7 Hektar Land gerodet werden, was sich möglicherweise auf den Abfluss und die Wasserqualität des Systemsauswirkt 3. Es gibt einen Mangel an Transparenz über die genaue chemische Zusammensetzung von Fracking-Flüssigkeit, einschließlich der verwendeten Biozide. Darüber hinaus neigt Fracking-Abwasser dazu, stark salzhaltig zu sein2. Weiterhin kann das Abwasser Metalle und natürlich vorkommende radioaktive Stoffe enthalten2. Daher ist die Möglichkeit von Leckagen und Verschüttungen von Fracking-Flüssigkeit aufgrund von menschlichem Versagen oder Fehlfunktionen der Ausrüstung besorgniserregend.
Es ist bekannt, dass Bachökosysteme sehr empfindlich auf Veränderungen in den umliegenden Landschaftenreagieren 4 und wichtig für die Erhaltung der Biodiversität5 und den richtigen Nährstoffkreislauf6 innerhalb des gesamten Wassereinzugsgebiets sind. Mikroben sind die am häufigsten vorkommenden Organismen in Süßwasserströmen und daher für den Nährstoffkreislauf, den biologischen Abbau und die Primärproduktion unerlässlich. Die Zusammensetzung und Funktion der mikrobiellen Gemeinschaft dient aufgrund ihrer Empfindlichkeit gegenüber Störungen als großartige Werkzeuge, um Informationen über das Ökosystem zu gewinnen, und neuere Forschungen haben deutliche Verschiebungen in den beobachteten Bakterienansammlungen aufgrund der Nähe zur Fracking-Aktivität gezeigt7,8. Zum Beispiel wurden Beijerinckia, Burkholderiaund Methanobacterium als angereichert in Bächen in der Nähe von Fracking identifiziert, während Pseudonocardia, Nitrospiraund Rhodobacter in den Bächen nicht in der Nähe von Fracking angereichert wurden7.
Die Next-Generation-Sequenzierung des ribosomalen RNA-Gens (rRNA) 16S ist eine erschwingliche Methode zur Bestimmung der Zusammensetzung der Bakteriengemeinschaft, die schneller und billiger ist als die Sequenzierung des gesamten Genoms9. Eine gängige Praxis im Bereich der molekularen Ökologie ist es, die hochvariable V4-Region des 16S rRNA-Gens für die Sequenzierungsauflösung zu verwenden, oft bis auf die Gattungsebene mit einem breiten Identifikationsbereich9, da sie ideal für unvorhersehbare Umweltproben ist. Diese Technik wurde in veröffentlichten Studien weit verbreitet und wurde erfolgreich eingesetzt, um die Auswirkungen von Fracking-Operationen auf die aquatische Umwelt zu identifizieren7,8. Es ist jedoch erwähnenswert, dass Bakterien unterschiedliche Kopienzahlen des 16S rRNA-Gens haben, was ihre nachgewiesenen Häufigkeiten beeinflusst10. Es gibt ein paar Werkzeuge, um dies zu erklären, aber ihre Wirksamkeit istfraglich 10. Eine weitere Praxis, die schnell an Prävalenz zunimmt und der diese Schwäche fehlt, ist die metatranskriptomische Sequenzierung, bei der die gesamte RNA sequenziert wird, so dass Forscher sowohl aktive Bakterien als auch ihre Genexpression identifizieren können.
Daher umfasst dieses Protokoll im Gegensatz zu Methoden in den zuvorveröffentlichtenStudien7,8,11,12auch die Probenentnahme, Konservierung, Verarbeitung und Analyse zur Untersuchung der mikrobiellen Gemeinschaftsfunktion (Metatranskriptomik). Die hier beschriebenen Schritte ermöglichen es den Forschern zu sehen, welche Auswirkungen Fracking auf die Gene und Signalwege hatte, die von Mikroben in ihren Strömen exprimiert werden, einschließlich antimikrobieller Resistenzgene. Darüber hinaus wird der Detaillierungsgrad für die Probenentnahme verbessert. Obwohl einige der Schritte und Notizen für erfahrene Forscher offensichtlich erscheinen mögen, könnten sie für diejenigen, die gerade erst mit der Forschung beginnen, von unschätzbarem Wert sein.
Hier beschreiben wir Methoden zur Probenentnahme und -verarbeitung zur Generierung bakterieller genetischer Daten als Mittel, um die Auswirkungen von Fracking auf nahe gelegene Bäche auf der Grundlage der mehrjährigen Erfahrung unserer Labore zu untersuchen. Diese Daten können in nachgelagerten Anwendungen verwendet werden, um Unterschiede zu identifizieren, die dem Fracking-Status entsprechen.
1. Entnahme von Sedimentproben zur Nukleinsäureextraktion
2. Filtersammlung zur Nukleinsäureextraktion
3. Nukleinsäureextraktion und Quantifizierung
4. 16S rRNA-Bibliothekserstellung
5. DNA 16S rRNA Bibliotheksreinigung
6. Erstellung und Reinigung von RNA-Bibliotheken
7. Mikrobielle Gemeinschaftsanalyse
Der Erfolg von DNA- und RNA-Extraktionen kann mit einer Vielzahl von Geräten und Protokollen bewertet werden. Im Allgemeinen wird jede nachweisbare Konzentration von beiden als ausreichend angesehen, um zu dem Schluss zu kommen, dass die Extraktion erfolgreich war. Bei der Untersuchung von Tabelle 1 würden dann alle Extraktionen, bis auf eine, als erfolgreich bezeichnet. Das Versagen bei diesem Schritt ist oft auf geringe anfängliche Biomasse, schlechte Probenkonservierung oder menschliches Versagen während der Extraktion zurückzuführen. Bei Filtern kann die Extraktion auch dann erfolgreich gewesen sein, wenn die Konzentration unter dem Nachweis liegt. Wenn diese Extrakte keine Bänder für PCR (wenn 16S) oder eine nachweisbare Konzentration nach der Bibliotheksvorbereitung (Metatranskriptomik) ergeben, dann sind sie wahrscheinlich wirklich gescheitert.
Wenn das 16S-Protokoll befolgt wird, zeigen helle Bänder nach PCR-Amplifikation, wie in den Bohrungen 4 und 6 in Abbildung 1zu sehen, erfolgend an, während ein Mangel an Bändern, wie in den anderen Bohrungen in der oberen Reihe, auf ein Versagen hinweist. Darüber hinaus würde ein helles Band in der Gelbahn, das eine negative PCR-Kontrolle enthält, auch auf einen Fehler hinweisen, da es riskant wäre anzunehmen, dass die Kontamination, die sich auf die Negativkontrolle(en) auswirkt, die Proben nicht beeinflusst.
Sowohl für die 16S- als auch für die Metatranskriptomik kann der Erfolg der Sequenzierung anhand der Anzahl der erhaltenen Sequenzen bewertet werden (Abbildung 2). 16S-Proben sollten mindestens 1.000 Sequenzen aufweisen, wobei mindestens 5.000 ideal sind(Abbildung 2A). Ebenso sollten Metatranskriptomik-Proben mindestens 500.000 Sequenzen aufweisen, wobei mindestens 2.000.000 ideal sind(Abbildung 2B). Proben mit weniger Sequenzen als diesen Mindestsequenzen sollten nicht für Analysen verwendet werden, da sie ihre Bakteriengemeinschaft möglicherweise nicht genau darstellen. Proben, die zwischen dem Minimum und dem Ideal liegen, können jedoch weiterhin verwendet werden, obwohl die Ergebnisse vorsichtiger interpretiert werden sollten, wenn viele Proben in diesen Bereich fallen.
Der Erfolg der nachfolgenden nachgelagerten Analyse kann einfach anhand der Frage bestimmt werden, ob die erwarteten Ausgabedateien erhalten wurden oder nicht. Programme wie QIIME2 und R (Abbildung 3) sollten es jedenfalls ermöglichen, mögliche signifikante Unterschiede zwischen den Bakteriengemeinschaften auf basis von Fracking zu bewerten. Die Daten für Abbildung 3 wurden durch das Sammeln von Sedimentproben von einundzwanzig verschiedenen Standorten an dreizehn verschiedenen Strömen für die 16S- und Metatranskriptomik-Analyse erhalten. Von diesen einundzwanzig Standorten befanden sich zwölf von ihnen stromabwärts der Fracking-Aktivität und klassifiziert als HF +, und neun von ihnen befanden sich entweder stromaufwärts der Fracking-Aktivität oder in einem Wassereinzugsgebiet, in dem Fracking nicht stattfand; diese Ströme wurden als HF- klassifiziert. Neben dem Vorhandensein von Fracking-Aktivitäten waren die Bäche ansonsten vergleichbar.
Diese Unterschiede könnten die Form konsistenter Kompositionsverschiebungen auf der Grundlage des Fracking-Status annehmen. Wenn dies der Fall wäre, würde erwartet, dass HF+- und HF-Proben in einem PCoA-Diagramm voneinander getrennt gruppiert werden, wie dies in Abbildung 3A und Abbildung 3B der Fall ist. Um zu bestätigen, dass diese scheinbaren Verschiebungen nicht nur ein Artefakt der Ordinationsmethode sind, sind weitere statistische Analysen erforderlich. Zum Beispiel ergab ein PERMANOVA22-Test auf der Entfernungsmatrix, auf der Abbildung 3A und Abbildung 3B basieren, eine signifikante Clusterung basierend auf dem Fracking-Status, was bedeutet, dass die im Diagramm beobachtete Trennung mit Unterschieden zwischen den Bakteriengemeinschaften der Proben übereinstimmt, anstatt ein Artefakt der Ordination. Ein signifikantes PERMANOVA- oder ANOSIM-Ergebnis ist ein starker Hinweis auf konsistente Unterschiede zwischen HF+- und HF-Proben, was darauf hindeuten würde, dass die HF+-Proben durch Fracking beeinträchtigt wurden, während ein hoher p-Wert darauf hindeuten würde, dass die Proben nicht betroffen waren. Metatranskriptomische Daten können ebenfalls mit den gleichen Methoden visualisiert und ausgewertet werden.
Die Untersuchung differentieller Merkmale (Mikroben oder Funktionen) kann Hinweise darauf ergeben, dass auch Proben betroffen sind. Eine Methode zum Bestimmen differentieller Features besteht darin, ein zufälliges Gesamtstrukturmodell zu erstellen. Das Zufallswaldmodell kann verwendet werden, um zu sehen, wie gut der Fracking-Status der Proben korrekt klassifiziert werden kann. Wenn das Modell besser abschneidet als zufällig erwartet, wäre dies ein zusätzlicher Beweis für Unterschiede, die vom Fracking-Status abhängen. Darüber hinaus würden die wichtigsten Prädiktoren zeigen, welche Merkmale für die korrekte Differenzierung von Stichproben am wichtigsten sind (Abbildung 3C). Auch diese Merkmale hätten dann aufgrund des Fracking-Status durchweg unterschiedliche Werte gehabt. Sobald diese differenziellen Merkmale bestimmt sind, kann die Literatur überprüft werden, um zu sehen, ob sie zuvor mit Fracking in Verbindung gebracht wurden. Es kann jedoch schwierig sein, Studien zu finden, die differentielle Funktionen bestimmen, da die meisten nur 16S rRNA-Zusammensetzungsdaten verwendet haben. Um die Auswirkungen von Differentialfunktionen zu bewerten, wäre es daher eine mögliche Methode, zu sehen, ob sie zuvor mit einer potenziellen Resistenz gegen Biozide in Verbindung gebracht wurden, die üblicherweise in Fracking-Flüssigkeiten verwendet werden, oder ob sie bei der Tolerierung von stark salzhaltigen Bedingungen helfen könnten. Darüber hinaus könnte die Untersuchung des Funktionsprofils eines Taxons von Interesse Hinweise auf die Auswirkungen von Fracking aufdecken (Abbildung 3D). Wenn beispielsweise ein Taxon durch das Zufallswaldmodell als differentiell identifiziert wird, könnte sein antimikrobielles Resistenzprofil in HF+-Proben mit seinem Profil in HF-Proben verglichen werden, und wenn sie sich stark unterscheiden, könnte dies darauf hindeuten, dass Fracking-Flüssigkeit, die Biozide enthält, in den Strom gelangt ist.
| Beispiel-ID | Konzentration (ng/μL) |
| 1 | 1.5 |
| 2 | 1.55 |
| 3 | 0.745 |
| 4 | 0.805 |
| 5 | 7.82 |
| 6 | 0.053 |
| 7 | 0.248 |
| 8 | 0.945 |
| 9 | 1.82 |
| 10 | 0.804 |
| 11 | 0.551 |
| 12 | 1.69 |
| 13 | 4.08 |
| 14 | Below_Detection |
| 15 | 7.87 |
| 16 | 0.346 |
| 17 | 2.64 |
| 18 | 1.15 |
| 19 | 0.951 |
Tabelle 1: Beispiel DNA-Konzentrationen basierend auf Fluorometer 1x DS DNA Hochempfindlichkeitsassay. Extraktionen für alle diese Proben, mit Ausnahme von 14, würden aufgrund nachweisbarer DNA-Mengen als erfolgreich angesehen werden.

Abbildung 1: Beispiel E-Gel mit PCR-Produkten. Das Gel wurde vorgefärbt und unter UV-Licht visualisiert, wodurch die darauf vorhandene DNA zum Leuchten kam. Die PCR funktionierte für die Proben in den Bohrungen 4 und 6 in der ersten Reihe, da beide ein einziges helles Band der erwarteten Größe (basierend auf der Leiter) hatten. Die PCR für die Proben in den anderen sechs Bohrungen schlug fehl, da sie keine Bänder produzierten. Die Positivkontrolle (erste Bohrung, zweite Reihe) hatte ein helles Band, was darauf hindeutet, dass die PCR ordnungsgemäß durchgeführt wurde, und die Negativkontrollen (Vertiefungen 6 und 7, zweite Reihe) hatten keine Bänder, was darauf hindeutet, dass die Proben nicht kontaminiert waren. Wenn ein Negativ ein Band hätte, das so hell ist wie die Proben, wäre die PCR als Fehler angesehen worden, da es riskant wäre anzunehmen, dass die Proben Amplicons enthielten, die nicht nur das Ergebnis einer Kontamination waren. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 2: Anzahl der Beispielsequenzen. (A) 16S Beispielsequenzzählungen. Fast alle diese 16S-Proben hatten über 1.000 Sequenzen. Die wenigen, die weniger als 1.000 Sequenzen hatten, sollten von nachgelagerten Analysen ausgeschlossen werden, da sie nicht genügend Sequenzen hatten, um ihre Bakteriengemeinschaften genau darzustellen. Mehrere Sequenzen hatten zwischen 1.000 und 5.000 Sequenzen; Obwohl sie nicht ideal sind, wären sie immer noch verwendbar, da sie das absolute Minimum überschreiten, und die Mehrheit der Proben überschreitet auch das ideale Minimum von 5.000. (B) Metatranscriptomics Beispiel zählt. Alle Proben überschritten sowohl die minimale (500.000) als auch die ideale minimale (2.000.000) Anzahl von Sequenzen. Daher war die Sequenzierung für alle von ihnen erfolgreich, und sie konnten alle in der nachgelagerten Analyse verwendet werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 3: Beispielanalyse. (A) PCoA-Diagramm basierend auf Koordinaten, die mit einer gewichteten Unifrac-Entfernungsmatrix berechnet wurden, die durch QIIME2 erstellt und visualisiert wurde. (B) PCoA-Diagramm basierend auf Koordinaten, die mit der aus QIIME2 exportierten Gewichteten Unifrac-Entfernungsmatrix berechnet wurden. Die Koordinaten wurden mit den Paketen Phyloseq und ggplot2 in R visualisiert. Jeder Punkt repräsentiert die Bakteriengemeinschaft einer Probe, wobei nähere Punkte auf ähnlichere Gemeinschaftszusammensetzungen hinweisen. Für diese 16S-Sedimentproben wurde eine Clusterung basierend auf dem Fracking-Status beobachtet (PERMANOVA, p=0,001). Darüber hinaus zeigen die Vektoren, dass die HF+-Proben tendenziell höhere Konzentrationen von Barium, Bromid, Nickel und Zink aufwiesen, was einer anderen Zusammensetzung der Bakteriengemeinschaft im Vergleich zu den HF-Proben entsprach. (C) Diagramm der besten Prädiktoren für ein zufälliges Waldmodell, das testete, wo bakterielle Häufigkeiten verwendet werden könnten, um den Fracking-Status unter den Proben vorherzusagen. Das Zufallsgesamtstrukturmodell wurde über R mit dem randomForest-Paket erstellt. Die Top-20-Prädiktoren werden ebenso gezeigt wie die daraus resultierende Abnahme der Verunreinigung (Maß für die Anzahl der HF+ und HF-Proben, die zusammen gruppiert sind) in Form der mittleren Abnahme des Gini-Index, wenn sie zur Trennung von Proben verwendet werden. (D) Kreisdiagramm, das das antimikrobielle Resistenzprofil des Burkholderiales-Profils auf der Grundlage metatranskriptomischer Daten zeigt. Sequenzen wurden zunächst mit Kraken2 kommentiert, um zu bestimmen, zu welchen Taxa sie gehörten. BLAST wurde dann mit diesen annotierten Sequenzen und der MEGARes 2.0-Datenbank verwendet, um festzustellen, welche antimikrobiellen Resistenzgene (in Form von "MEG_#") aktiv exprimiert wurden. Antimikrobielle Resistenzgene, die von Mitgliedern von Burkholderiales exprimiert wurden, wurden dann extrahiert, um zu sehen, welche unter diesen Taxa am häufigsten waren. Die Metatranskriptomik ist zwar kostspieliger und zeitaufwendiger, ermöglicht jedoch funktionelle Analysen wie diese, die mit 16S-Daten nicht durchgeführt werden können. Bemerkenswerterweise wurde kraken2 für diese Beispielanalyse anstelle von HUMAnN2 verwendet. Kraken2 ist schneller als HUMAnN2; Es gibt jedoch nur kompositorische Informationen aus, anstatt Zusammensetzung, Beitrag und Funktionen (Gene) und Signalwege wie HUMAnN2. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Ergänzungsdatei: Ein Beispiel für eine Metatranscriptomics-Pipeline. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Die Autoren haben nichts preiszugeben.
Hier präsentieren wir ein Protokoll, um die Auswirkungen des Hydraulic Fracturing auf nahe gelegene Bäche zu untersuchen, indem wir ihre mikrobiellen Wasser- und Sedimentgemeinschaften analysieren.
Die Autoren möchten die Finanzierungsquellen für die Projekte anerkennen, die zur Entwicklung dieser Methoden geführt haben, wobei diese Quellen sind: das Howard Hughes Medical Institute (http://www.hhmi.org) durch das Precollege and Undergraduate Science Education Program sowie durch die National Science Foundation (http://www.nsf.gov) durch NSF-Auszeichnungen DBI-1248096 und CBET-1805549.
| 200 Proof Ethanol | Thermo Fisher Scientific | A4094 | 400 mL müssen dem Puffer PE zugesetzt werden (siehe Qiagen QIAQuck Gel Extraction Kit Protokoll) und 96 mL müssen dem DNA/RNA Wash Buffer zugesetzt werden (siehe ZymoBIOMICS DNA/RNA Miniprep Kit Protokoll). Zusätzliches Ethanol wird für das ZymoBIOMICS DNA/RNA Miniprep und NEBNext® Ultra&Handel; II Vorbereitung der RNA-Bibliothek mit Probenaufreinigungs-Beads-Kits. |
| Agarose | Thermo Fisher Scientific | BP1356-100 | 100 g pro Flasche. 0,6 g Agarose wären erforderlich, um ein 2% 30 mL Gel herzustellen. |
| Desinfizierendes Bleichmittel | Walmart (Clorox) | Keine Katalognummer | Verwenden Sie eine 10%ige Bleichlösung zur Reinigung des Arbeitsbereichs vor und nach Laboreingriffen |
| DNA-Gel-Ladefarbstoff | Thermo Fisher Scientific | R0611 | Jedes vom Benutzer hergestellte (d. h. Nicht-E-Gel) sollte mit allen Proben im Verhältnis 1 & Mikro Ladefarbstoff enthalten; L Färbung zu 5 & Mikro; |
| L-Proben-DNA-Leiter | MilliporeSigma | D3937-1VL | Auf jedem Gel/E-Gel sollte eine Leiter geführt werden |
| DNA/RNA-Schild (2x) | Zymo Research | R1200-125 | 3 mL pro Sedimentprobe (50 mL konisch) und 2 mL pro Wasserprobe (Filter) |
| Ethidiumbromid | Thermo Fisher Scientific | BP1302-10 | Wird zum Färben von benutzerdefinierten E-Gelen verwendet |
| Forward Primer | Integrated DNA Technologies ( IDT) | 51-01-19-06 | 0,5 &Mikro; L pro PCR-Reaktion |
| Isopropanol | MilliporeSigma | 563935-1L | Im Allgemeinen weniger als 2 mL pro Bibliothek. Das benötigte Volumen variiert je nach Masse des exzidierten Gelfragments (siehe Qiagen QIAQuick Gel Extraction Kit Protokoll). |
| Wasser in PCR-Qualität | MilliporeSigma | 3315932001 | 13 µ L pro PCR-Reaktion (unter der Annahme von 1 µ L der DNA-Vorlage der Probe wird verwendet) |
| Platinum Hot Start PCR Master Mix (2x) | Thermo Fisher Scientific | 13000012 | 10 & micro; L pro PCR-Reaktion |
| Reverse Primer | Integrated DNA Technologies (IDT) | 51-01-19-07 | 0,5 &Mikro; L pro PCR-Reaktion |
| FSME-Puffer (Tris-Borat-EDTA) | Thermo Fisher Scientific | B52 | 1 l 10x FSME-Puffer (30 mL 1x FSME-Puffer wären erforderlich, um ein 30 mL Gel herzustellen) |
| 1 l Flasche | Thermo Fisher Scientific | 02-893-4E | Ein Bedarf pro Strom (dieselbe Flasche kann für mehrere Ströme verwendet werden, wenn sie zwischen den Anwendungen sterilisiert wird) |
| 1,5 ml Mikrozentrifugenröhrchen | MilliporeSigma | BR780400-450EA | Pro DNA-Extraktion werden 5 Mikrozentrifugenröhrchen benötigt und weitere 3 werden für die Aufreinigung der RNA benötigt (siehe ZymoBIOMICS DNA/RNA Miniprep kit Protokoll) |
| 2 % Agarose E-Gel | Thermo Fisher Scientific | G401002 | Jedes Gel kann 10 Proben verarbeiten (also 9 mit einer negativen PCR und 8, wenn die Extraktion negativ auf demselben Gel durchgeführt wird) |
| 50 mL Conicals | CellTreat | 229421 | 1 50 mL konisch pro Sedimentprobe erforderlich |
| 500 mL Becherglas | MilliporeSigma | Z740580 | Nur 1 benötigt (für die Flammensterilisation) |
| Aluminiumfolie | Walmart (Reynolds KITCHEN) | Keine Anzahl | Aluminiumfolie kann gefaltet und autoklaviert werden. Der Teil, der nicht der Umwelt ausgesetzt ist, kann dann als sterile, DNA- und RNA-freie Oberfläche für die Verarbeitung von Filtern verwendet werden (ein gefaltetes Stück pro Filter, um Kreuzkontaminationen zu vermeiden) |
| Autoklav | Gettinge | LSS 130 | Nur eine |
| Zentrifuge | MilliporeSigma | EP5404000138-1EA | benötigt Nur 1 |
| benötigt Kühler | ULINE | S-22567 | So gut wie jeder Kühler kann verwendet werden. Dieser ist gelistet, weil er aus Schaumstoff besteht, wodurch er leichter ist und somit leichter für Feldproben mitgenommen werden kann. |
| Disruptor Genie | Bio-Rad | 3591456 | Nur eine |
| benötigt Elektrophoresekammer | Bio-Rad | 1664000EDU | Nur 1 benötigt |
| Elektrophorese-Netzteil | Bio-Rad | 1645050 | Nur 1 benötigt |
| Gefrierschrank (-20 °C) | K2 SCIENTIFIC | K204SDF | Ein Gerät zur Aufbewahrung von DNA-Extrakten |
| benötigt Gefrierschrank (-80 °C) | K2 SCIENTIFIC | K205ULT | Benötigt zur Aufbewahrung von RNA-Extrakten |
| Handschuhe | Thermo Fisher Scientific | 19-020-352 | Die Katalognummer gilt für Medium Handschuhe. |
| Heizblock | MilliporeSigma | Z741333-1EA | Nur ein |
| Laborbrenner | benötigt Sterlitech | 177200-00 | Nur ein Heizer benötigt |
| Laminar Flow Hood | AirClean Systems | AC624LFUV | Nur 1 benötigt |
| Aufreinigungsset für die Bibliothek | Qiagen | 28704 | Ein Kit reicht für 50 Reaktionen |
| Magnetplatte | Alpaqua | A001219 | Nur einer benötigte |
| Mikrozentrifuge | Thermo Fisher Scientific | 75004061 | Es wird nur eine |
| Mikropipette benötigt (1000 & micro; L-Volumen) | Pipette.com | L-1000 | Nur 1 |
| Mikropipette benötigt (2 & Mikro; L Volumen) | Pipette.com | L-2 | Nur 1 benötigt |
| Mikropipette (20 & Mikro; L Volumen) | Pipette.com | L-20 | Nur 1 benötigt |
| Mikropipette (200 & Mikro; L-Volumen) | Pipette.com | L-200R | Nur 1 benötigt |
| NEBNext Ultra II RNA-Bibliotheksvorbereitung mit Probenaufreinigungsperlen | New England BioLabs Inc. | E7775S | Ein Kit enthält genügend Reagenzien für 24 Proben. |
| Parafilm | MilliporeSigma | P7793-1EA | 2 1" x 1" Quadrate werden pro Filter benötigt |
| PCR-Röhrchen | Thermo Fisher Scientific | AM12230 | Ein Röhrchen wird pro Reaktion benötigt |
| Pipettenspitzen (für 1000 & Mikro; L Volumen) | Pipette.com | LF-1000 | Packung à 576 Spitzen |
| Pipettenspitzen (für 20 & Mikro; L Volumen) | Pipette.com | LF-20 | Packung mit 960 Spitzen |
| Pipettenspitzen (für 200 & Mikro; L-Volumen) | Pipette.com | LF-250 | Packung mit 960 Spitzen |
| PowerWulf ZXR1+ Computercluster | PSSC Labs | Keine Nummer | Dies ist nur ein Beispiel für einen Supercomputer, der leistungsfähig genug ist, um Metatranskriptomik-Analysen zeitnah durchzuführen. Es wird nur einer benötigt. |
| Qubit Fluorometer Starter | Kit Thermo Fisher Scientific | Q33239 | Enthält ein Qubit 4 Fluorometer, ausreichend Reagenz für 100 DNA-Assays und 500 Qubit Röhrchen |
| Scoopula | Thermo Fisher Scientific | 14-357Q | Nur eine |
| benötigt Sterile Klingen | AD Surgical | A600-P10-0 | Eine pro Filter |
| Sterivex-GP Druckfiltereinheit | MilliporeSigma | SVGP01050 | 1 Filter pro Wasserprobe benötigt |
| Thermocycler | Bio-Rad | 1861096 | Nur ein Filter benötigt |
| Schraubstock | Irwin | 2078500 | Nur einer benötigt (zum Aufbrechen der Filter) |
| Vortex-Genie 2 | MilliporeSigma | Z258415-1EA | Nur 1 | WHIRL-PAK
| Beutel | benötigt ULINE | S-22729 | 1 benötigt pro Filter |
| ZymoBIOMICS DNA/RNA Miniprep Kit | Zymo Research | R2002 | Ein Kit enthält genügend Reagenzien für 50 Proben. |