Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

Utilización de biosensores de células enteras para medir el mercurio iónico en muestras de agua

641 vistas

⸱

DOI:

10.3791/68257

⸱

3 de julio de 2025

 ,  ,  ,  ,  ,  , 
1Laboratorio de Moléculas Individuales, Laboratorios de Investigación y Desarrollo, Facultad de Ciencias e Ingeniería, Universidad Peruana Cayetano Heredia, 2Kenniscentrum AI, Erasmushogeschool Brussel, 3Open BioLab Brussels, Erasmushogeschool Brussel

En este artículo

Resumen

Este artículo presenta protocolos para utilizar dos biosensores de célula completa (Mer-Blue y Mer-RFP) para detectar mercurio iónico. Al proporcionar procedimientos detallados para su operación y análisis de resultados, el estudio tiene como objetivo facilitar una adopción más amplia y un mayor desarrollo de estas tecnologías para monitorear contaminantes específicos.

Resumen

Los biosensores de células completas (WCB) son plataformas fundamentales para descubrir y caracterizar elementos reguladores y avanzar en la bioingeniería. También son muy prometedores para el monitoreo ambiental y alimentario. Si bien se han invertido esfuerzos considerables en mejorar su sensibilidad y portabilidad, la estandarización de su manejo y análisis de datos sigue estando relativamente poco desarrollada. Este artículo presenta una guía completa para utilizar dos WCB desarrollados recientemente, Mer-Blue y Mer-RFP, que han demostrado ser capaces de detectar mercurio iónico a niveles por debajo de los límites de agua potable de la Organización Mundial de la Salud. Los protocolos detallados en este documento abarcan la preparación de cultivos microbianos, la calibración de sensores, la adquisición de datos y el análisis. Para el biosensor fluorométrico Mer-RFP, se emplea un nuevo teorema de asignación de biosíntesis para identificar el intervalo de tiempo para mediciones dosis-respuesta fiables y precisas. Para el biosensor colorimétrico Mer-Blue, una configuración de cámara de bajo costo permite mediciones rigurosas en entornos que carecen de espectrofotómetros y fluorímetros costosos, lo que facilita el monitoreo descentralizado de la contaminación. Se describen los procedimientos utilizados para analizar muestras de agua dulce y se discuten las limitaciones de estos biosensores con respecto a los tipos de muestras. Al compartir estas técnicas de manejo y análisis, alentamos a grupos de investigación más amplios a adoptar y mejorar estos dispositivos biológicos para desarrollar soluciones efectivas de monitoreo ambiental. En última instancia, esta investigación tiene como objetivo facilitar la adopción generalizada de tecnologías de biosensores dentro de la comunidad de ciencias ambientales, contribuyendo a un monitoreo más efectivo y eficiente de la contaminación por elementos traza en varios ecosistemas.

Introducción

A medida que aumentan las preocupaciones sobre la contaminación ambiental y la seguridad del suministro de agua y alimentos, los biosensores han surgido como una alternativa atractiva y asequible a los métodos tradicionales de química analítica. Los metales pesados son contaminantes altamente tóxicos que se han vuelto cada vez más prevalentes debido a las actividades humanas 1,2,3,4. Sin embargo, los métodos de detección convencionales5 suelen ser costosos e inaccesibles.

Los WCB sensibles al mercurio aprovechan la notable especificidad y sensibilidad del factor de transcripción MerR 6,7,8. En su función nativa, MerR regula la expresión de proteínas efectoras, cuya actividad desintoxicante confiere resistencia al mercurio9. La capacidad de MerR para regular la expresión génica de una manera dependiente del mercurio ha sido reutilizada para la regulación de proteínas reporteras en sistemas de detección de mercurio 10,11,12,13,14,15,16. A pesar de las investigaciones prometedoras, estos WCB aún no se han adoptado para el monitoreo en el mundo real. Factores como la fragilidad biológica, los requisitos de manejo especializado y la ausencia de protocolos estandarizados y materiales de referencia certificados han dificultado la aplicación práctica 17,18,19,20.

Se ha desarrollado un sistema WCB para la detección de mercurio iónico utilizando MerR acoplado a dos proteínas reporteras diferentes. Mer-Blue expresa una proteína cromogénica y sirve como biosensor colorimétrico, lo que permite la detección visual o basada en cámara. Mer-RFP, un biosensor fluorescente, permite la monitorización continua de la acumulación de señales. Al controlar cuidadosamente el momento de la exposición de la muestra durante la fase de crecimiento, se ha logrado una reproducibilidad robusta en ambos sistemas15.

Este artículo presenta protocolos detallados para operar tanto Mer-Blue como Mer-RFP, junto con un análisis exhaustivo de sus salidas de señal. Para Mer-RFP, el análisis se basa en un teorema recientemente introducido de la asignación de biosíntesis de proteínas21. En el caso de Mer-Blue, el análisis colorimétrico se puede digitalizar utilizando un software de procesamiento de imágenes como ImageJ. Para garantizar una configuración de adquisición de imágenes consistente, se presenta una configuración de cámara de bricolaje de bajo costo llamada PelletCam. En ambos casos, se proporciona software automatizado para facilitar la operación. Al compartir metodologías experimentales y técnicas de análisis de datos accesibles y estandarizadas, se fomenta una adopción más amplia de los WCB para el desarrollo de soluciones de monitoreo basadas en biosensores confiables y rentables.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Los reactivos y el equipo utilizado en este estudio se enumeran en la Tabla de Materiales.

1. Preparación de soluciones de mercurio iónico

  1. Pese una pequeña masa de polvo de HgBr2 (normalmente entre 0,1 y 0,2 g) utilizando guantes protectores adecuados y una mascarilla para evitar la inhalación y la exposición de la piel.
  2. Calcule la cantidad de agua necesaria para obtener una solución de 4 mM disolviendo la masa medida de polvo sólido en ddH2O utilizando la fórmula:
    figure-protocol-1
    NOTA: El volumen esperado es cercano a 100 mL; Se puede utilizar una fórmula simplificada:
    figure-protocol-2
    1. Alternativamente, cuando use HgCl2, aplique la fórmula:
      figure-protocol-3
  3. Almacene la solución madre en un recipiente herméticamente cerrado en un ambiente refrigerado (4 °C) para evitar la evaporación.
  4. Prepare diluciones seriadas antes de cada ensayo de valoración, comenzando con 1 mL de 2 mM Hg2+ y diluyendo hasta 40 nM, como se muestra en la Tabla 1.
    NOTA: La concentración de mercurio iónico puede cambiar durante el almacenamiento, probablemente debido a la reducción y evaporación espontáneas del mercurio elemental (Hg°). Aunque la refrigeración y el uso de recipientes herméticos de alta calidad pueden reducir estos efectos, evite usar soluciones almacenadas durante más de 6 semanas, especialmente para concentraciones de 250 nM de Hg2+ o menos.

2. Preparación del medio M9

  1. Disuelva los polvos reactivos en matraces separados con agua ultrapura para preparar las siguientes soluciones madre: M9 5×, 1 M MgSO4, 1 M CaCl2, 20% (p/v) de glucosa y 20% (p/v) de ácidos Casamino.
  2. En una botella de vidrio de 500 mL o 1 L, mezcle 50 mL de M9 5×, 2,5 mL de 20% (p/v) de ácidos Casamino y agregue agua ultrapura para alcanzar un volumen total de 246,475 mL.
  3. Esterilizar en autoclave la mezcla y las soluciones madre mencionadas anteriormente a 121 °C durante 20 min.
  4. Deje que todas las soluciones se enfríen completamente para evitar la precipitación de CaCl2.
  5. Añadir a la mezcla enfriada: 25 μL de 1 M de CaCl2, 500 μL de 1 M deMgSO4 y 3 mL de glucosa al 20% (p/v).
    NOTA: Esto da como resultado un medio M9 ricamente suplementado con las siguientes concentraciones finales: 0,24% (p/v) de glucosa, 0,2% (p/v) de ácidos Casamino, 2 mM MgSO4, 1 mM CaCl2, 3 g/L KH2PO4, 0,5 g/L NaCl, 6,78 g/L Na2HPO4, 1 g/L NH4Cl.

3. Activación del biosensor Mer-Blue / Mer-RFP

  1. Utilice células de Escherichia coli DH5α transformadas con el plásmido pUC-Mer-RFP o pUC-Mer-Blue (consulte la tabla de materiales).
  2. Prepare una placa de Petri LB-agar que contenga 100 μg/mL de ampicilina.
  3. Células de siembra de un stock de glicerol criopreservado en la placa de agar LB utilizando el método de rayado.
  4. Incubar la placa durante la noche a 37 °C.
  5. Al día siguiente, elija una sola colonia de la placa LB-agar para inocular un cultivo de 10 mL utilizando medio M9 (Figura 1A).
  6. Incubar el cultivo a 37 °C con agitación constante a 220 rpm durante la noche (~16 h) (Figura 1B).

4. Experimento de valoración con Mer-RFP

  1. Mida la densidad óptica del cultivo bacteriano nocturno a 600 nm (OD600).
  2. Calcule el volumen del cultivo nocturno necesario para alcanzar una DO600 de 0,05 en un volumen total de 10 mL de medio M9 fresco utilizando la fórmula:
    figure-protocol-4
    donde C1 es el OD600 del cultivo nocturno, y V1 es el volumen que se debe tomar de él.
  3. Centrífuga V1 mL del pre-inóculo a 3500 × g durante 5 min. Deseche el medio M9 viejo y vuelva a suspender el pellet bacteriano en 10 mL de medio M9 fresco (Figura 1C).
  4. Agregue 195 μL del cultivo resuspendido a cada pocillo de una microplaca de 96 pocillos. Asegúrese de que cada microcultivo esté preparado por triplicado para obtener mediciones precisas.
  5. Agregue 5 μL de soluciones de mercurio iónico de 40 nM a 40 μM, como se describe en el paso 1, a cada pocillo para lograr concentraciones finales que oscilen entre 1 nM y 1 μM (Figura 1D).
  6. Coloque la microplaca en un lector de microplacas multimodo con control de temperatura, ajustado a los siguientes parámetros (Figura 1E) - Temperatura: 37 °C, Agitación: Agitación constante a 60 rpm, Intervalo de tiempo: Lectura cada 15 minutos durante 16 h, Medición de densidad óptica: Lectura a 600 nm, Medición de fluorescencia: Excitación a 570 nm y emisión a 615 nm.
  7. Después de completar el período de incubación de 16 horas, recoja los datos del lector de microplacas (Figura 1F).

5. Análisis de datos para los resultados de Mer-RFP

  1. Utilice el software de hoja de cálculo o las herramientas de gestión de datos preferidos para visualizar los valores brutos de OD600 a lo largo del tiempo para todas las culturas individuales (Figura 1G). Verificar que el final de la fase de retraso y el inicio de la fase estacionaria se produzcan aproximadamente al mismo tiempo en todas las réplicas dentro de cada condición de concentración de mercurio. Excluya cualquier cultivo que se desvíe en más de 1 h del tiempo promedio.
  2. Calcular el promedio de DO600 para cada punto de tiempo en todas las réplicas dentro de cada condición de concentración de mercurio. Para cada condición de cultivo triplicada, se dispondrá de una única curva de crecimiento OD600 promediada y tres salidas de intensidad fluorescente en diferentes puntos temporales.
  3. Trace el promedio de OD600 vs. Tiempo para el cultivo sin mercurio. Identifique y seleccione visualmente el intervalo de tiempo en el que la tasa de crecimiento es positiva (véase la figura 2). Excluya los puntos de datos restantes de todas las referencias culturales.
  4. Para cada referencia cultural, calcule la tasa de crecimiento específica en cada punto de tiempo encontrando el cambio en OD600 desde el punto de tiempo anterior y dividiendo ese cambio por el valor de OD600 en ese punto de tiempo, utilizando la siguiente fórmula:
    figure-protocol-5
  5. De manera similar, calcule la tasa de producción de fluorescencia específica para cada cultivo encontrando el cambio en la intensidad de fluorescencia desde el punto de tiempo anterior y dividiendo ese cambio por el valor de OD600 en ese punto de tiempo, usando la fórmula:
    figure-protocol-6
  6. Para cada cultivo, trace la tasa de crecimiento específica frente a la tasa de producción de fluorescencia (ver Figura 3). Identifique un rango lineal dentro de los puntos de tiempo tardíos. Excluya los puntos de tiempo tempranos hasta que se logre una regresión lineal con el R2 más alto, basada en un mínimo de 12 puntos (aproximadamente 3 h).
    NOTA: La pendiente de esta regresión lineal representa la fracción de expresión, es decir, la proporción de la síntesis total de proteínas asignada a la proteína reportera21.
  7. Para todas las referencias culturales, extraiga tendencias lineales de aproximadamente el mismo intervalo de tiempo y registre el valor de pendiente para cada condición.
    NOTA: Lograr el valor de R2 más alto posible en todas las referencias culturales utilizando el mismo intervalo de tiempo puede requerir varios intentos. Para el análisis automatizado, el siguiente Jupyter Notebook (marco de trabajo de Google Colab) está disponible en https://github.com/frank-britto/Mer_RFP. Este cuaderno sirve como plantilla para optimizar la extracción de tendencias lineales y el posterior perfil de dosis-respuesta.
  8. Tome la pendiente promedio a través de réplicas para cada concentración de mercurio.
  9. Trace los valores promedio de la pendiente en función de la concentración de mercurio (véase la Figura 4A). Ajuste una función Hill a los datos:
    figure-protocol-7
    Donde: fRFP es la fracción de expresión de la proteína fluorescente roja, H representa la máxima expresión posible para el circuito, [Hg2+] es la concentración de mercurio iónico, kHg está relacionado con la afinidad por el mercurio iónico, n es el coeficiente de Hill que expresa la cooperatividad de la respuesta a Hg2+.

6. Experimento de valoración con el biosensor Mer-Blue

  1. Centrifugar un cultivo denso durante la noche obtenido como se describe en el paso 3 a 3.500 × g durante 10 min.
  2. Deseche el medio M9 gastado y vuelva a suspender la pellets bacteriana en el medio M9 fresco hasta un OD600 de 1,0. Asegúrese de obtener un mínimo de 5 mL de cultivo a esta densidad (Figura 1C).
    NOTA: Si no se dispone de un espectrofotómetro, aproxime las condiciones iniciales resuspendiendo la pastilla bacteriana en un volumen de medio M9 fresco igual al doble del volumen original del cultivo denso.
  3. Añadir 9,5 mL de medio M9 y 10 μL de una solución madre de ampicilina de 100 mg/mL a los tubos de cultivo de vidrio esterilizados (Figura 1H).
  4. Inocular el medio M9 suplementado con 500 μL del cultivo biosensor preparado en el paso 6.2 (DO600 = 1,0).
  5. Añada 10 μL de las soluciones de mercurio iónico preparadas (véase el paso 1) para alcanzar concentraciones finales de 0 nM, 1 nM, 2 nM, 5 nM, 10 nM, 25 nM, 50 nM, 100 nM, 125 nM y 250 nM.
  6. Incubar los cultivos a 37 °C durante 16 h con agitación vigorosa a 220 rpm (Figura 1I).

7. Adquisición y análisis de datos para los resultados de Mer-Blue

  1. Transfiera aproximadamente 1,3 mL de cada cultivo a un microtubo de 1,5 mL (Figura 1J).
  2. Centrifugar los microtubos a máxima velocidad durante 3 min para obtener gránulos apretados. Deseche el sobrenadante.
  3. (Opcional) Para obtener gránulos más grandes, repita la centrifugación y la eliminación del sobrenadante hasta seis veces.
  4. Fotografíe la parte inferior de cada microtubo, enfocándose en el pellet (Figura 1K). Utilice un soporte de microtubo y un trípode o una PelletCam (consulte el paso 8) para garantizar una orientación, iluminación y ajustes de color consistentes y reproducibles en todas las imágenes (consulte la Figura 5).
  5. Determine los valores de intensidad de color de cada imagen de pellet en los canales rojo, verde y azul (RGB).
    1. Si usa ImageJ: Cargue la imagen y vaya a Imagen > Escriba > pila RGB para crear una pila de tres segmentos (canales rojo, verde y azul). Utilice la herramienta de selección para dibujar una región de interés (ROI) alrededor del área del pellet. Vaya a Analizar > medir para obtener los valores de intensidad media para el área seleccionada en cada canal.
    2. Si utiliza PelletCam: Abra el archivo .csv que contiene los valores medios de intensidad de color para un área representativa de nueve píxeles de la imagen de pellet.
  6. Calcule la respuesta del biosensor para cada muestra calculando la distancia euclidiana en el espacio RGB en relación con una imagen de pellet de referencia blanca ( E. coli no transformada), como se describió anteriormente22, utilizando la ecuación:
    figure-protocol-8
    Aquí, la muestra R, lamuestra G y la muestra B representan las intensidades de color promedio de cada canal RGB en el área seleccionada de la imagen de gránulos de la muestra del biosensor, mientras que Rref, Gref y Bref denotan los valores correspondientes para un gránulo de referencia de E. coli no transformada.
  7. Represente las distancias euclidianas calculadas frente a las concentraciones de mercurio iónico correspondientes (véase la Figura 6). Ajuste una función Hill a los datos (consulte la Figura 4B) utilizando la siguiente ecuación:
    figure-protocol-9
    Aquí, E es la distancia euclidiana, H representa la coloración máxima posible para el circuito, [Hg2+] es la concentración de mercurio iónico, kHg está relacionado con la afinidad por el mercurio iónico y n es el coeficiente de Hill que expresa la cooperatividad de la respuesta a Hg2+.

8. Construcción de una PelletCam

  1. Descargue los archivos para construir un sistema de microcontrolador cerrado para la medición del color en gránulos bacterianos desde el sitio web (https://github.com/EhbAIGit/PelletCam-OPENBIOLAB-AI).
    NOTA: Es útil tener conocimientos básicos de corte por láser, impresión 3D, ESP32 y Arduino. Una guía introductoria a ESP32-CAM está disponible en (https://lastminuteengineers.com/getting-started-with-esp32-cam/?utm_content=cmp-true). Se recomienda comprar el ESP32-CAM junto con el adaptador MB para facilitar la programación. Para los usuarios que no estén familiarizados con el ESP32, se recomienda seguir el tutorial en https://lastminuteengineers.com/esp32-arduino-ide-tutorial/ primero.
  2. Utilice la lima LasercutterBox.ai para cortar y grabar un multiplex de 3 mm con una cortadora láser.
  3. Construya las piezas a partir del archivo ESP32SET.stl con una impresora 3D. Este archivo .stl puede ser importado directamente por casi todo el software de la impresora 3D; por ejemplo, Bambu studio (https://bambulab.com/en/download/studio).
  4. Instale el ESP32 (módulo de cámara Bluetooth WiFi ESP32-CAM-MB 2640) colocando los archivos .cpp y .h y .ino en una sola carpeta. A continuación, abra el archivo .ino con el software Arduino IDE y haga clic en >Cargar. Una vez cargado, el ESP32 se iniciará automáticamente.
  5. En este punto, el usuario debería poder conectarse al punto de acceso WiFi llamado >PELLET y la contraseña >PELLETCAM, como se especifica en el archivo .ino del ESP32. La dirección IP de la PelletCam se mostrará en el monitor serie del IDE de Arduino. Abra un navegador web y navegue hasta la dirección: http://192.168.4.1.
    NOTA: Esto permitirá ver la imagen o tomar una nueva imagen (>CAPTURE PHOTO), rotar la imagen (>ROTATE) o establecer la luminancia de la tira de LED (>LEDS).
  6. Conecte el ESP32 Arduino a la tira de LED (NeoPixel Stick - 8 x 5050 RGB LED con controladores integrados) y un cable USB de 5V según el esquema del archivo InstallationManual.pptx.
  7. Utiliza una pistola de pegamento para pegar el ESP32 y la tira de LED a los soportes impresos en 3D.
  8. Inserte un microtubo con un fondo de color (o una bolita bacteriana) en la parte frontal impresa en 3D de la PelletCam. Coloque el soporte LED ESP32 aproximadamente 5 cm más lejos y tome una foto a través de la página web. Si se obtiene una imagen nítida y correctamente iluminada, pegue el soporte ESP32-LED en la parte inferior de la caja de madera. De lo contrario, ajuste la distancia entre la parte delantera y el soporte ESP32-LED y repita el procedimiento hasta obtener una distancia satisfactoria.
  9. Ensambla la caja usando cinta adhesiva y pegando todas las partes con pegamento para madera.
  10. Conecte la PelletCam a través del cable USB a una fuente de alimentación USB que pueda suministrar al menos 1 A.
    NOTA: Asegúrese de tener instalado Python 3.9 o una versión posterior.
  11. Abra un símbolo del sistema o una ventana de terminal. Navegue hasta el directorio que contiene el archivo pellet.py . Ejecute el script usando el comando >python pellet.py.
  12. Si el script pellet.py no se puede ejecutar, es posible que se deba a que faltan bibliotecas de Python. Instale las bibliotecas necesarias utilizando el comando >pip install pillow tkinter pathlib statistics. Para obtener orientación adicional sobre cómo configurar su propio sistema, consulte el documento PelletCam Example.docx.

9. Medición de muestras de agua ambiental

  1. Recoja muestras de fuentes ambientales como ríos o estanques y almacene en recipientes herméticos a bajas temperaturas para minimizar la evaporación. Para obtener más información, consulte la sección Discusión.
  2. Centrifugar las muestras a 3.500 × g durante 10 min para sedimentar arena y residuos orgánicos, aislando la fracción acuosa.
  3. Esterilizar la muestra clarificada con un filtro de jeringa de 0,22 μm.
    NOTA: Evite la esterilización por calor, ya que el mercurio es volátil y puede evaporarse durante el proceso.
  4. (Opcional) Prepare una alícuota acidificada separada agregando un 5% de HCl para una medición independiente utilizando técnicas de química analítica estándar. Utilice únicamente la muestra no acidificada para los ensayos de biosensores.
  5. Mezcle 5 mL de la muestra ambiental filtrada estérilmente con 4,5 mL de medio 2× M9, dando como resultado una dilución 1:2 de la muestra.
  6. Inocular la mezcla diluida de muestra y medio con 0,5 mL de un cultivo nocturno (preparado como se describe en el paso 5.4). Esta inoculación corresponde a una dilución de 20 veces del cultivo, lo que produce una DO600 de 0,05 para iniciar el ensayo.
    1. Si utiliza Mer-RFPTransfer 200 μL de la mezcla de muestra-medio a un pocillo de microplacas e inicie las mediciones utilizando un lector de microplacas como se describe en el paso 3.6.
    2. Si se utiliza Mer-Blue: Incubar la mezcla de 10 ml de muestra-medio a 37 °C durante 16 h con agitación enérgica a 220 rpm, como se describe en el paso 5.6.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Ambos biosensores no muestran una expresión de referencia detectable de sus respectivas proteínas indicadoras en condiciones sin mercurio. Los cultivos de Mer-Blue generalmente comienzan a mostrar una coloración visible a simple vista entre 6 y 8 h después de la inoculación a concentraciones de HgBr2 de 25 nM y más. Cuando se llevan a cabo correctamente, los experimentos de valoración que utilizan Mer-RFP o Mer-Blue producen respuestas que se ajustan a una función de Hill con un coeficiente de Hill cercano a 1...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Los circuitos biosensores utilizados aquí son idénticos, solo difieren en la proteína reportera. Ambos están completamente codificados en plásmidos de alta copia, lo que permite su despliegue en células de Escherichia coli de varias cepas. Si bien es funcional en las células de la cepa B de E. coli , se observó una señal de color más fuerte del Mer-Blue en las cepas K-12, específicamente en las células DH5α y E . coli químicamente competentes15.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Agradecimientos

Esta investigación se presenta gracias al apoyo del Programa Nacional de Investigación Científica y Estudios Avanzados PROCIENCIA a través del programa EF-041-2024-01 "Proyectos de Investigación aplicada", contrato de subvención PE501086520-2024-PROCIENCIA. El desarrollo de los biosensores de mercurio fue financiado por VLIR-UOS a través del código de subvención de la Iniciativa del Sur PE2020SIN292B122. El Dr. agradece a VLIRUOS, DGD y al Consejo de las Universidades Flamencas de Ciencias Aplicadas y Artes por la subvención XREI en el marco del proyecto Global Minds BE2017GMHVLHC106.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Madera multiplex de 3 mmde
Cable USB de 5 VMuchos distribuidores
Microplacas tratadas con TC de poliestireno transparente de fondo plano transparente de 96 pocillosCorning3599
Polvo de agarHiMediaGRM026
AmpicilinaGold Biotechnology, Inc.A-301-100
CaCl2Millipore208290
CasaminoácidosCalbiochem2040OP
D-(+)-GlucosaCentral Drug House (P) Ltd.506250
ESP32-CAM-MB 2640 Módulo de cámara WiFi Bluetooth USB a puerto serie Descarga automática de placa de desarrollo (Tipo C)Muchos distribuidores
Tubos de cultivo de vidrioCorning9825
HgBr2, bromuro de mercurio (II)Merck200085
HgCl < sub>2, cloruro de mercurio (II)Merck21465
Caldo Luria (Miller)Sigma-AldrichL3522
M9 sales mínimasSigma-AldrichM6030
MgSO4HiMediaGRM684
NeoPixel Stick - 8 x 5050 RGB LED con Drivers IntegradosAdafruit1426
Plasmid: pUC-Mer-Blue Nuestrogrupo-Secuenciacompleta disponible en
https://www.mdpi.com/article/10.3390/bios14050246/s1 plásmido: pUC-Mer-RFP Nuestrogrupo-Secuenciacompleta disponible en https://www.mdpi.com/article/10.3390/bios14050246/s1
Filtros de jeringa, hidrófilos, tamaño de poro 0,22 micrasMilliporeSLGV004SLPara esterilizar muestras ambientales.
espesor Muchos distribuidores

Referencias

  1. Cooke, C. A., Balcom, P. H., Biester, H., Wolfe, A. P. Over three millennia of mercury pollution in the Peruvian Andes. Proc Natl Acad Sci U S A. 106 (22), 8830-8834 (2009).
  2. Gautam, R. K., Sharma, S. K., Mahiya, S., Chattopadhyaya, M. C. Contamination of heavy metals in aquatic media: transport, toxicity and technologies for remediation. Heavy Metals in Water: Presence, Removal and Safety. Sharma, S. K. , Royal Society of Chemistry. Cambridge. 1-24 (2014).
  3. Chen, C. Y., et al. A critical time for mercury science to inform global policy. Environ Sci Technol. 52 (17), 9556-9561 (2018).
  4. Ali, H., Khan, E., Ilahi, I. Environmental chemistry and ecotoxicology of hazardous heavy metals: environmental persistence, toxicity, and bioaccumulation. J Chem. 2019, 6730305(2019).
  5. Gao, Y., et al. Determination and speciation of mercury in environmental and biological samples by analytical atomic spectrometry. Microchem J. 103, 1-14 (2012).
  6. Ralston, D. M., O'Halloran, T. V. Ultrasensitivity and heavy-metal selectivity of the allosterically modulated MerR transcription complex. Proc Natl Acad Sci U S A. 87 (10), 3846-3850 (1990).
  7. Brown, N. L., Stoyanov, J. V., Kidd, S. P., Hobman, J. L. The MerR family of transcriptional regulators. FEMS Microbiol Rev. 27 (2-3), 145-163 (2003).
  8. Wang, D., et al. Structural analysis of the Hg(II)-regulatory protein Tn501 MerR from Pseudomonas aeruginosa. Sci Rep. 6, 33391(2016).
  9. Nucifora, G., Chu, L., Silver, S., Misra, T. K. Mercury operon regulation by the merR gene of the organomercurial resistance system of plasmid pDU1358. J Bacteriol. 171 (8), 4241-4247 (1989).
  10. Cai, S., et al. Engineering highly sensitive whole-cell mercury biosensors based on positive feedback loops from quorum-sensing systems. Analyst. 143 (3), 630-634 (2018).
  11. Guo, M., et al. Using the promoters of MerR family proteins as "rheostats" to engineer whole-cell heavy metal biosensors with adjustable sensitivity. J Biol Eng. 13, 70(2019).
  12. Wang, D., et al. Engineered cells for selective detection and remediation of Hg2+ based on transcription factor MerR regulated cell surface displayed systems. Biochem Eng J. 150, 107289(2019).
  13. Wang, D., et al. Visual detection of Hg2+ by manipulation of pyocyanin biosynthesis through the Hg2+-dependent transcriptional activator MerR in microbial cells. J Biosci Bioeng. 129 (2), 223-228 (2020).
  14. Guo, Y., Hui, C., Liu, L., Chen, M., Huang, H. Development of a bioavailable Hg(II) sensing system based on MerR-regulated visual pigment biosynthesis. Sci Rep. 11, 13516(2021).
  15. Zevallos-Aliaga, D., et al. Highly sensitive whole-cell mercury biosensors for environmental monitoring. Biosensors. 14 (1), 246(2024).
  16. Zhang, N. -X., et al. Versatile artificial mer operons in Escherichia coli towards whole-cell biosensing and adsorption of mercury. PLoS One. 16 (5), e0252190(2021).
  17. Chen, Y., et al. Advances in bacterial whole-cell biosensors for the detection of bioavailable mercury: a review. Sci Total Environ. 868, 161709(2023).
  18. Chen, S., Chen, X., Su, H., Guo, M., Liu, H. Advances in synthetic-biology-based whole-cell biosensors: principles, genetic modules, and applications in food safety. Int J Mol Sci. 24 (7), 7989(2023).
  19. Yu, W., et al. Genetically encoded biosensors for microbial synthetic biology: From conceptual frameworks to practical applications. Biotechnol Adv. 62, 108077(2023).
  20. Zhang, L., Guo, W., Lu, Y. Advances in cell-free biosensors: principle, mechanism, and applications. Biotechnol J. 15 (6), 2000187(2020).
  21. Vaccari, N. A., Zevallos-Aliaga, D., Peeters, T., Guerra, D. G. Biosensors characterisation: Formal methods from the perspective of proteome fractions. Synth Biol. 10 (1), ysaf002(2025).
  22. Liljeruhm, J., et al. Engineering a palette of eukaryotic chromoproteins for bacterial synthetic biology. J Biol Eng. 12, 8(2018).
  23. Alon, U. An Introduction to Systems Biology. , Chapman and Hall/CRC. Boca Raton. (2019).
  24. Lineweaver, H., Burk, D. The determination of enzyme dissociation constants. J Am Chem Soc. 56 (3), 658-666 (1934).
  25. Wyatt, L., et al. Spatial, temporal, and dietary variables associated with elevated mercury exposure in Peruvian riverine communities upstream and downstream of artisanal and small-scale gold mining. Int J Environ Res Public Health. 14 (12), 1582(2017).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

Detecci n de mercurio i nicoan lisis de muestras de aguamonitoreo ambientalcalibraci n de sensorespreparaci n de cultivos microbianosmedici n de dosis respuestabiosensor colorim tricobiosensor fluorom tricomonitoreo de la contaminaci n
Video próximamente
Contáctenos
Recomendar a la biblioteca

Privacidad

Condiciones de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.