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
Spanish
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Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology.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
Aquí, presentamos un protocolo para investigar los impactos de la fracturación hidráulica en arroyos cercanos mediante el análisis de sus comunidades microbianas de agua y sedimentos.
La fracturación hidráulica (HF), comúnmente llamada "fracking", utiliza una mezcla de agua a alta presión, arena y productos químicos para fracturar rocas, liberando petróleo y gas. Este proceso revolucionó la industria energética de los Estados Unidos, ya que da acceso a recursos que antes no se pueden obtener y ahora produce dos tercios del gas natural total en los Estados Unidos. Aunque el fracking ha tenido un impacto positivo en la economía de los Estados Unidos, varios estudios han destacado sus efectos ambientales perjudiciales. De particular preocupación es el efecto del fracking en los arroyos de cabecera, que son especialmente importantes debido a su impacto desproporcionadamente grande en la salud de toda la cuenca. Las bacterias dentro de esas corrientes se pueden utilizar como indicadores de la salud de la corriente, ya que se esperaría que las bacterias presentes y su abundancia en una corriente perturbada difieran de las de una corriente comparable pero no perturbada. Por lo tanto, este protocolo tiene como objetivo utilizar la comunidad bacteriana para determinar si las corrientes se han visto afectadas por el fracking. Con este fin, se deben recolectar muestras de sedimentos y agua de arroyos cercanos al fracking (potencialmente afectados) y aguas arriba o en una cuenca diferente de la actividad de fracking (sin impacto). Esas muestras se someten a extracción de ácido nucleico, preparación de bibliotecas y secuenciación para investigar la composición de la comunidad microbiana. Posteriormente, el análisis correlacional y los modelos de aprendizaje automático se pueden emplear para identificar qué características son explicativas de variación en la comunidad, así como la identificación de biomarcadores predictivos para el impacto del fracking. Estos métodos pueden revelar una variedad de diferencias en las comunidades microbianas entre las corrientes de cabecera, basadas en la proximidad al fracking, y servir como base para futuras investigaciones sobre el impacto ambiental de las actividades de fracking.
La fracturación hidráulica (HF), o "fracking", es un método de extracción de gas natural, que se ha vuelto cada vez más frecuente a medida que la demanda de combustibles fósiles continúa aumentando. Esta técnica consiste en utilizar equipos de perforación de alta potencia para inyectar una mezcla de agua, arena y productos químicos en depósitos de esquisto ricos en metano, generalmente para liberar gases atrapados1.
Debido a que estas técnicas de cosecha no convencionales son relativamente nuevas, es importante investigar los efectos de tales prácticas en las vías fluviales cercanas. Las actividades de fracking exigen la limpieza de grandes extensiones de tierra para el transporte de equipos y la construcción de plataformas de pozos. Aproximadamente 1.2-1.7 hectáreas de tierra deben ser despejadas para cada pozo de la plataforma2,lo que podría afectar la escorrentía y la calidad del agua del sistema3. Existe una falta de transparencia en torno a la composición química exacta del fluido de fracking, incluidos los biocidas que se utilizan. Además, las aguas residuales del fracking tienden a ser altamente salinas2. Además, las aguas residuales pueden contener metales y sustancias radiactivas naturales2. Por lo tanto, la posibilidad de fugas y derrames de fluido de fracking debido a un error humano o mal funcionamiento del equipo es preocupante.
Se sabe que los ecosistemas de arroyos son muy sensibles a los cambios en los paisajes circundantes4 y son importantes para mantener la biodiversidad5 y el ciclo adecuado de nutrientes6 dentro de toda la cuenca. Los microbios son los organismos más abundantes en las corrientes de agua dulce y, por lo tanto, son esenciales para el ciclo de nutrientes, la biodegradación y la producción primaria. La composición y función de la comunidad microbiana sirven como grandes herramientas para obtener información sobre el ecosistema debido a su sensibilidad a la perturbación, y la investigación reciente ha demostrado distintos cambios en los ensamblajes bacterianos observados en función de la proximidad a la actividad de fracking7,8. Por ejemplo, Beijerinckia, Burkholderiay Methanobacterium se identificaron como enriquecidos en arroyos cercanos al fracking, mientras que Pseudonocardia, Nitrospiray Rhodobacter se enriquecieron en los arroyos no cerca del fracking7.
La secuenciación de próxima generación del gen 16S de ARN ribosómico (ARNr) es un método asequible para determinar la composición de la comunidad bacteriana que es más rápido y más barato que los enfoques de secuenciación del genoma completo9. Una práctica común dentro del campo de la ecología molecular es utilizar la región V4 altamente variable del gen 16S rRNA para la resolución de secuenciación, a menudo hasta el nivel de género con un amplio alcance de identificación9,ya que es ideal para muestras ambientales impredecibles. Esta técnica se ha implementado ampliamente en estudios publicados y se ha utilizado con éxito para identificar el impacto de las operaciones de fracking en los ambientes acuáticos7,8. Sin embargo, vale la pena señalar que las bacterias tienen números de copias variables del gen 16S rRNA, lo que afecta sus abundancias detectadas10. Hay algunas herramientas para explicar esto, pero su eficacia es cuestionable10. Otra práctica que está creciendo rápidamente en prevalencia y carece de esta debilidad es la secuenciación metatranscriptómica, en la que se secuencia todo el ARN, lo que permite a los investigadores identificar tanto las bacterias activas como la expresión de sus genes.
Por lo tanto, a diferencia de los métodos en estudios publicados anteriormente7,8,11,12, este protocolo también cubre la recolección de muestras, preservación, procesamiento y análisis para investigar la función de la comunidad microbiana (metatranscriptómica). Los pasos detallados en este documento permiten a los investigadores ver qué impacto, si lo hay, ha tenido el fracking en los genes y las vías expresadas por los microbios en sus corrientes, incluidos los genes de resistencia a los antimicrobianos. Además, se mejora el nivel de detalle presentado para la recolección de muestras. Aunque varios de los pasos y notas pueden parecer obvios para los investigadores experimentados, podrían ser invaluables para aquellos que recién comienzan la investigación.
Aquí, describimos métodos para la recolección y procesamiento de muestras para generar datos genéticos bacterianos como un medio para investigar el impacto del fracking en arroyos cercanos basados en los varios años de experiencia de nuestros laboratorios. Estos datos se pueden utilizar en aplicaciones posteriores para identificar las diferencias correspondientes al estado del fracking.
1. Recogida de muestras de sedimentos para la extracción de ácidos nucleicos
2. Recolección de filtros para la extracción de ácidos nucleicos
3. Extracción y cuantificación de ácidos nucleicos
4. Creación de la biblioteca 16S rRNA
5. Purificación de la biblioteca de ARNr ADN 16S
6. Creación y purificación de bibliotecas de ARN
7. Análisis de la comunidad microbiana
El éxito de las extracciones de ADN y ARN se puede evaluar utilizando una variedad de equipos y protocolos. En general, cualquier concentración detectable de cualquiera de los dos se considera suficiente para concluir que la extracción fue exitosa. Examinando la Tabla 1 entonces, todas las extracciones, excepto una, se denominarían exitosas. La falla en este paso a menudo se debe a una baja biomasa inicial, una mala conservación de la muestra o un error humano durante la extracción. En el caso de los filtros, la extracción puede haber sido exitosa incluso si la concentración está por debajo de la detección. Si esos extractos no producen bandas para PCR (si se hace 16S) o una concentración detectable después de la preparación de la biblioteca (metatranscriptómica), entonces es probable que realmente fallen.
Si se sigue el protocolo 16S, las bandas brillantes después de la amplificación por PCR, como se ve en los pozos 4 y 6 en la Figura 1,indican éxito, mientras que la falta de bandas, como se ve en los otros pozos en la fila superior, indica fracaso. Además, una banda brillante en el carril de gel que contenga un control de PCR negativo también indicaría una falla, ya que sería arriesgado suponer que la contaminación que afecta a los controles negativos no afectó a las muestras.
Tanto para 16S como para metatranscriptómica, el éxito de la secuenciación se puede evaluar observando el número de secuencias obtenidas(Figura 2). Las muestras 16S deben tener un mínimo de 1.000 secuencias, siendo al menos 5.000 ideales(Figura 2A). Asimismo, las muestras de metatranscriptómica deben tener un mínimo de 500.000 secuencias, siendo ideal al menos 2.000.000(Figura 2B). Las muestras con menos secuencias que esos mínimos no deben utilizarse para los análisis, ya que pueden no representar con precisión su comunidad bacteriana. Sin embargo, las muestras que se encuentran entre el mínimo y el ideal aún se pueden usar, aunque los resultados deben interpretarse con más precaución si muchas muestras caen en ese rango.
El éxito del análisis posterior puede determinarse simplemente sobre la base de si se obtuvieron o no los archivos de salida esperados. En cualquier caso, los programas, como QIIME2 y R(Figura 3),deberían permitir la evaluación de posibles diferencias significativas entre las comunidades bacterianas basadas en el fracking. Los datos de la Figura 3 se obtuvieron mediante la recolección de muestras de sedimentos de veintiún sitios diferentes en trece corrientes diferentes para el análisis 16S y metatranscriptómico. De esos veintiún sitios, doce de ellos estaban aguas abajo de la actividad de fracking y clasificados como HF +, y nueve de ellos estaban aguas arriba de la actividad de fracking o en una cuenca donde el fracking no estaba ocurriendo; estas corrientes se clasificaron como HF-. Además de la presencia de actividad de fracking, los arroyos eran comparables.
Esas diferencias podrían tomar la forma de cambios de composición consistentes basados en el estado del fracking. Si ese fuera el caso, se esperaría que las muestras HF+ y HF- se agruparan entre sí en una gráfica PCoA, como es el caso de la Figura 3A y la Figura 3B. Para confirmar que esos cambios aparentes no son solo un artefacto del método de ordenación, se necesita un análisis estadístico adicional. Por ejemplo, una prueba PERMANOVA22 en la matriz de distancia en la que se basan la Figura 3A y la Figura 3B reveló una agrupación significativa basada en el estado del fracking, lo que significa que la separación observada en la gráfica es consistente con las diferencias entre las comunidades bacterianas de las muestras, en lugar de un artefacto de ordenación. Un resultado significativo de PERMANOVA o ANOSIM es una fuerte indicación de diferencias consistentes entre las muestras HF+ y HF-, lo que indicaría que las muestras HF+ se vieron afectadas por el fracking, mientras que un alto valor p indicaría que las muestras no se vieron afectadas. Los datos metatranscriptómicos también se pueden visualizar y evaluar utilizando los mismos métodos.
El examen de las características diferenciales (microbios o funciones) puede revelar evidencia de que las muestras también se han visto afectadas. Un método para determinar las características diferenciales es crear un modelo de bosque aleatorio. El modelo de bosque aleatorio se puede utilizar para ver qué tan bien se puede clasificar correctamente el estado de fracking de las muestras. Si el modelo funciona mejor de lo esperado por casualidad, eso sería evidencia adicional de diferencias dependiendo del estado del fracking. Además, los predictores más importantes revelarían qué características eran las más importantes para diferenciar correctamente las muestras(Figura 3C). Esas características también habrían tenido valores consistentemente diferentes basados en el estado del fracking. Una vez que se determinan esas características diferenciales, se puede revisar la literatura para ver si se han asociado previamente con el fracking. Sin embargo, puede ser difícil encontrar estudios que determinen las funciones diferenciales, ya que la mayoría solo ha utilizado datos de composición de ARNr 16S. Por lo tanto, para evaluar las implicaciones de las funciones diferenciales, un método posible sería ver si se han asociado previamente con la resistencia potencial a los biocidas comúnmente utilizados en el fluido de fracking o si podrían ayudar a tolerar condiciones altamente salinas. Además, el examen del perfil funcional de un taxón de interés podría revelar evidencia del impacto del fracking(Figura 3D). Por ejemplo, si un taxón se identifica como diferencial por el modelo de bosque aleatorio, su perfil de resistencia a los antimicrobianos en muestras de HF + podría compararse con su perfil en muestras de HF y, si difieren mucho, eso podría sugerir que el fluido de fracking que contiene biocidas ingresó a la corriente.
| SampleID | Concentración (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 |
Tabla 1: Ejemplo de concentraciones de ADN basadas en el ensayo de alta sensibilidad de ADN Fluorómetro 1x DS. Las extracciones para todas estas muestras, excepto 14, se considerarían exitosas debido a que tienen cantidades detectables de ADN.

Figura 1: Ejemplo de e-gel con productos de PCR. El gel fue pre-teñido y visualizado bajo una luz UV, haciendo que cualquier ADN presente en él brille. La PCR funcionó para las muestras en los pozos 4 y 6 en la primera fila, ya que ambos tenían una sola banda brillante del tamaño esperado (según la escalera). La PCR para las muestras en los otros seis pozos falló, ya que no produjeron ninguna banda. El control positivo (primer pozo, segunda fila) tenía una banda brillante, lo que indica que la PCR se realizó correctamente, y los controles negativos (pozos 6 y 7, segunda fila) no tenían bandas, lo que indica que las muestras no estaban contaminadas. Si un negativo tuviera una banda tan brillante como las muestras, la PCR se habría considerado un fracaso, ya que sería arriesgado suponer que las muestras tenían amplicones que no eran solo el resultado de la contaminación. Haga clic aquí para ver una versión más grande de esta figura.

Figura 2: Recuentos de secuencias de ejemplo. (A) Recuentos de secuencias de ejemplo 16S. Casi todas estas muestras 16S tenían más de 1.000 secuencias. Los muy pocos que tenían menos de 1.000 secuencias deberían excluirse de los análisis posteriores, ya que no tenían secuencias suficientes para representar con precisión sus comunidades bacterianas. Varias secuencias tenían entre 1.000 y 5.000 secuencias; aunque no son ideales, seguirían siendo utilizables ya que exceden el mínimo desnudo, y la mayoría de las muestras también superan el mínimo ideal de 5,000. (B) Recuentos de ejemplos de metatranscriptómica. Todas las muestras superaron el número mínimo (500.000) y el mínimo ideal (2.000.000) de secuencias. Por lo tanto, la secuenciación fue exitosa para todos ellos, y todos ellos pudieron usarse en el análisis posterior. Haga clic aquí para ver una versión más grande de esta figura.

Figura 3: Ejemplo de análisis. (A) Diagrama PCoA basado en coordenadas calculadas con una matriz de distancia Unifrac Ponderada creada y visualizada a través de QIIME2. (B) Gráfico PCoA basado en coordenadas calculadas con la matriz de distancia Unifrac ponderada exportada desde QIIME2. Las coordenadas se visualizaron utilizando los paquetes Phyloseq y ggplot2 en R. Los vectores de metadatos se ajustaron a la gráfica utilizando el paquete Vegan. Cada punto representa la comunidad bacteriana de una muestra, con puntos más cercanos que indican composiciones de comunidad más similares. Se observó agrupamiento basado en el estado del fracking para estas muestras de sedimentos 16S (PERMANOVA, p=0,001). Además, los vectores revelan que las muestras de HF + tendían a tener niveles más altos de bario, bromuro, níquel y zinc, que correspondían a una composición de comunidad bacteriana diferente en comparación con las muestras de HF. (C) Gráfico de los mejores predictores para un modelo de bosque aleatorio que probó dónde se podrían usar las abundancias bacterianas para predecir el estado del fracking entre las muestras. El modelo de bosque aleatorio se creó a través de R utilizando el paquete randomForest. Se muestran los 20 predictores principales, así como las disminuciones resultantes en la impureza (medida del número de muestras HF + y HF- agrupadas) en forma de disminución media en el índice de Gini cuando se utilizan para separar muestras. (D) Gráfico circular que muestra el perfil de resistencia a los antimicrobianos del perfil de Burkholderiales basado en datos metatranscriptómicos. Las secuencias se anotaron por primera vez con Kraken2 para determinar a qué taxones pertenecían. BLAST se utilizó con esas secuencias anotadas y la base de datos MEGARes 2.0 para determinar qué genes de resistencia a los antimicrobianos (en forma de "MEG_#") se expresaban activamente. Los genes de resistencia a los antimicrobianos expresados por los miembros de Burkholderiales se extrajeron para ver cuáles eran los más prevalentes entre esos taxones. Si bien es más costosa y requiere más tiempo, la metatranscriptómica permite análisis funcionales, como este, que no se puede hacer con datos 16S. En particular, kraken2 se utilizó para este análisis de ejemplo, en lugar de HUMAnN2. Kraken2 es más rápido que HUMAnN2; sin embargo, solo produce información compositiva, en lugar de composición, contribución y funciones (genes) y vías como lo hace HUMAnN2. Haga clic aquí para ver una versión más grande de esta figura.
Archivo suplementario: Un ejemplo de canalización de metatranscriptómica. Haga clic aquí para descargar este archivo.
Los autores no tienen nada que revelar.
Aquí, presentamos un protocolo para investigar los impactos de la fracturación hidráulica en arroyos cercanos mediante el análisis de sus comunidades microbianas de agua y sedimentos.
Los autores desean reconocer las fuentes de financiamiento para los proyectos que condujeron al desarrollo de estos métodos, siendo esas fuentes: el Instituto Médico Howard Hughes (http://www.hhmi.org) a través del Programa de Educación Científica Preuniversitaria y de Pregrado, así como por la Fundación Nacional de Ciencias (http://www.nsf.gov) a través de los premios NSF DBI-1248096 y CBET-1805549.
| Etanol de 200 grados | Thermo Fisher Scientific | A4094 | 400 mL deben agregarse al tampón PE (consulte el protocolo del kit de extracción de gel Qiagen QIAQuck) y se deben agregar 96 mL al tampón de lavado de ADN/ARN (consulte el protocolo del kit ZymoBIOMICS DNA/RNA Miniprep). Se necesita etanol adicional para el ZymoBIOMICS DNA/RNA Miniprep y NEBNext® Ultra&comercio; II Preparación de la biblioteca de ARN con kits de perlas de purificación de muestras. |
| Agarosa | Thermo Fisher Scientific | BP1356-100 | 100 g por frasco. Se necesitarían 0,6 g de agarosa para hacer un gel de 30 ml al 2%. |
| Lejía desinfectante Walmart | (Clorox) | Sin número de catálogo | Utilice una solución de lejía al 10% para limpiar el área de trabajo antes y después de los procedimientos de laboratorio |
| Tinte de carga de gel de ADN | Thermo Fisher Scientific | R0611 | Cada gel hecho por el usuario (es decir, que no sea e-gel) debe incluir tinte de carga con todas las muestras en la proporción de 1 y micro; L tinte a 5 y micro; Escalera de ADN de muestra |
| L MilliporeSigma | D3937-1VL | Se debe colocar una escalera en cada gel/e-gel | |
| Escudo de ADN/ARN (2x) | Zymo Research | R1200-125 | 3 mL por muestra de sedimento (50 mL cónico) y 2 mL por muestra de agua (filtro) |
| Bromuro de etidio | Thermo Fisher Scientific | BP1302-10 | Se utiliza para teñir e-geles hechos por el usuario |
| Imprimación | directaTecnologías de ADN integradas ( IDT) | 51-01-19-06 | 0.5 y micro; L por reacción de PCR |
| Isopropanol | MilliporeSigma | 563935-1L | Generalmente menos de 2 mL por biblioteca. El volumen necesario varía según la masa del fragmento de gel extirpado (consulte el protocolo del kit de extracción de gel Qiagen QIAQuick). |
| Agua de grado PCR | MilliporeSigma | 3315932001 | 13 µ L por reacción de PCR (suponiendo 1 µ Se utiliza L de la plantilla de ADN de la muestra) |
| Platinum Hot Start PCR Master Mix (2x) | Thermo Fisher Scientific 13000012 | 10 µ L por reacción de PCR | |
| Imprimación inversa Integrated | DNA Technologies (IDT) | 51-01-19-07 | 0.5 µ L por reacción de PCR |
| Tampón TBE (Tris-borato-EDTA) | Thermo Fisher Scientific | B52 | 1 L de tampón TBE 10x (se necesitarían 30 mL de tampón TBE 1x para hacer un gel de 30 mL) |
| Frasco de 1 L | Thermo Fisher Scientific | 02-893-4E | Se necesita uno por flujo (se puede usar el mismo frasco para varios flujos si se esteriliza entre usos) |
| Tubos de microcentrífuga de 1,5 mL | MilliporeSigma | BR780400-450EA | Se necesitan 5 tubos de microcentrífuga por extracción de ADN y se necesitan 3 adicionales para purificar el ARN (consulte el protocolo del kit ZymoBIOMICS DNA/RNA Miniprep) |
| 2% de gel de agarosa | Thermo Fisher Scientific | G401002 | Cada gel puede procesar 10 muestras (es decir, 9 con un resultado negativo de PCR y 8 si el negativo de extracción se ejecuta en el mismo gel) |
| 50 mL Cónicos | CellTreat | 229421 | 1 50 mL cónicos necesarios por muestras de sedimento |
| 500 mL Vaso de precipitados | MilliporeSigma | Z740580 | Solo se necesita 1 (para la esterilización con llama) |
| Papel de aluminio | Walmart (Reynolds KITCHEN) | No hay número | El papel de aluminio se puede plegar y esterilizar en autoclave. La parte no expuesta al medio ambiente se puede utilizar como superficie estéril, libre de ADN y ARN para el procesamiento de filtros (una pieza doblada por filtro para evitar la contaminación cruzada) |
| Autoclave | Gettinge | LSS 130 | Solo se necesita una |
| centrífuga | MilliporeSigma | EP5404000138-1EA | Solo se necesita 1 |
| enfriador | ULINE | S-22567 | Se puede usar casi cualquier enfriador. Este se menciona debido a que está hecho de espuma, lo que lo hace más liviano y, por lo tanto, más fácil de llevar para el muestreo de campo. |
| Disruptor Genie | Bio-Rad | 3591456 | Solo se necesita uno |
| Cámara de electroforesis | Bio-Rad | 1664000EDU | Solo se necesita 1 |
| Fuente de alimentación de electroforesis | Bio-Rad | 1645050 | Solo se necesita 1 |
| congelador (-20 C) | K2 SCIENTIFIC K204SDF | Uno necesario para almacenar extractos de ADN | |
| Congelador (-80 C) | K2 SCIENTIFIC | K205ULT | Uno necesario para almacenar extractos de ARN |
| Guantes | Thermo Fisher Scientific | 19-020-352 | El número de catálogo es para guantes medianos. |
| Bloque de calor | MilliporeSigma | Z741333-1EA | Solo se necesita uno |
| Quemador de laboratorio | Sterlitech | 177200-00 | Solo se necesita uno |
| Campana de flujo laminar | AirClean Systems | AC624LFUV | Solo se necesita 1 |
| kit de purificación de bibliotecas | Qiagen | 28704 | Un kit tiene suficiente para 50 reacciones |
| Placa magnética | Alpaqua | A001219 | Solo uno |
| Microcentrífuga | necesaria Thermo Fisher Scientific 75004061 | Solo se necesita una | |
| Micropipeta (1000 y micro; L volumen) | Pipette.com | L-1000 | Solo se necesita 1 |
| Micropipeta (2 y micro; Volumen L) | Pipette.com | L-2 | Solo se necesita 1 |
| Micropipeta (20 y micro; Volumen L) | Pipette.com | L-20 | Solo se necesita 1 |
| Micropipeta (200 y micro; L volumen) | Pipette.com | L-200R | Solo se necesita 1 |
| NEBNext Ultra II Preparación de la biblioteca con perlas de purificación | de muestras Nueva Inglaterra BioLabs Inc. | E7775S | Un kit tiene suficientes reactivos para 24 muestras. |
| Parafilm | MilliporeSigma | P7793-1EA | Senecesitan 2 cuadrados de 1" x 1" por filtro |
| Tubos de PCR | Thermo Fisher Scientific | AM12230 | Se necesita un tubo por reacción |
| Puntas de pipeta (para 1000 y micro; L volumen) | Pipette.com | LF-1000 | Paquete de 576 puntas Puntas de |
| pipeta (para 20 y micro; Volumen L) | Pipette.com | LF-20 | Paquete de 960 puntas Puntas de |
| pipeta (para 200 y micro; L volumen) | Pipette.com | LF-250 | Paquete de 960 puntas |
| PowerWulf ZXR1+ clúster de ordenadores | PSSC Labs | Sin número | Este es solo un ejemplo de una supercomputadora lo suficientemente potente como para realizar análisis metatranscriptómicos de manera oportuna. Solo se necesita uno. |
| Kit de inicio de fluorímetro Qubit | Thermo Fisher Scientific | Q33239 | Viene con un fluorómetro Qubit 4, suficiente reactivo para 100 ensayos de ADN y tubos de 500 Qubit |
| Scoopula | Thermo Fisher Scientific | 14-357Q | Solo se necesita una |
| Cuchillas estériles | AD Surgical | A600-P10-0 | Se necesita una por filtro |
| Unidad de filtro de presión Sterivex-GP | MilliporeSigma | SVGP01050 | Se necesita 1 filtro por muestra de agua |
| Termociclador | Bio-Rad | 1861096 | Solo se necesita uno |
| Vise-grip | Irwin | 2078500 | Solo se necesita uno (para abrir los filtros) |
| Vortex-Genie 2 | MilliporeSigma | Z258415-1EA | Solo se necesita 1 |
| bolsa WHIRL-PAK | ULINE | S-22729 | 1 necesario por filtro |
| Kit de minipreparación de ADN/ARN ZymoBiomics | Zymo Research | R2002 | Un kit tiene suficientes reactivos para 50 muestras. |