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
French
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Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology.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
Nous présentons ici un protocole pour étudier les impacts de la fracturation hydraulique sur les cours d’eau voisins en analysant leurs communautés microbiennes d’eau et de sédiments.
La fracturation hydraulique (HF), communément appelée « fracturation hydraulique », utilise un mélange d’eau à haute pression, de sable et de produits chimiques pour fracturer les roches, libérant du pétrole et du gaz. Ce processus a révolutionné l’industrie énergétique américaine, car il donne accès à des ressources qui étaient auparavant inaccessibles et produit maintenant les deux tiers du gaz naturel total aux États-Unis. Bien que la fracturation hydraulique ait eu un impact positif sur l’économie américaine, plusieurs études ont mis en évidence ses effets néfastes sur l’environnement. L’effet de la fracturation hydraulique sur les cours d’eau d’amont, qui est particulièrement important en raison de leur impact disproportionné sur la santé de l’ensemble du bassin versant, est particulièrement préoccupant. Les bactéries à l’intérieur de ces cours d’eau peuvent être utilisées comme indicateurs de la santé des cours d’eau, car on s’attendrait à ce que les bactéries présentes et leur abondance dans un cours d’eau perturbé diffèrent de celles d’un cours d’eau autrement comparable mais non perturbé. Par conséquent, ce protocole vise à utiliser la communauté bactérienne pour déterminer si les cours d’eau ont été touchés par la fracturation hydraulique. À cette fin, des échantillons de sédiments et d’eau provenant de cours d’eau situés à proximité de la fracturation hydraulique (potentiellement touchés) et en amont ou dans un autre bassin versant d’activité de fracturation (non affecté) doivent être prélevés. Ces échantillons sont ensuite soumis à l’extraction d’acides nucléiques, à la préparation de la bibliothèque et au séquençage pour étudier la composition de la communauté microbienne. L’analyse corrélationnelle et les modèles d’apprentissage automatique peuvent ensuite être utilisés pour identifier les caractéristiques qui expliquent la variation dans la communauté, ainsi que pour identifier les biomarqueurs prédictifs de l’impact de la fracturation hydraulique. Ces méthodes peuvent révéler une variété de différences dans les communautés microbiennes entre les cours d’eau d’amont, en fonction de la proximité de la fracturation hydraulique, et servir de base à de futures études sur l’impact environnemental des activités de fracturation.
La fracturation hydraulique (HF), ou « fracturation », est une méthode d’extraction de gaz naturel, qui est devenue de plus en plus répandue à mesure que la demande de combustibles fossiles continue d’augmenter. Cette technique consiste à utiliser des équipements de forage de grande puissance pour injecter un mélange d’eau, de sable et de produits chimiques dans des gisements de schiste riches en méthane, généralement pour libérer des gaz piégés1.
Étant donné que ces techniques de récolte non conventionnelles sont relativement nouvelles, il est important d’étudier les effets de telles pratiques sur les cours d’eau avoisinants. Les activités de fracturation hydraulique exigent le défrichement de vastes étendues de terrain pour le transport de l’équipement et la construction de plates-formes de puits. Environ 1,2 à 1,7 hectare de terrain doivent être défrichés pour chaque plate-forme de puits2,ce qui pourrait avoir une incidence sur le ruissellement et la qualité de l’eau du système3. Il y a un manque de transparence concernant la composition chimique exacte du fluide de fracturation, y compris les biocides utilisés. De plus, les eaux usées de fracturation ont tendance à être trèssalines 2. En outre, les eaux usées peuvent contenir des métaux et des substances radioactives naturelles2. Par conséquent, la possibilité de fuites et de déversements de liquide de fracturation dus à une erreur humaine ou à un dysfonctionnement de l’équipement est préoccupante.
Les écosystèmes fluviaux sont connus pour être très sensibles aux changements dans les paysages environnants4 et sont importants pour le maintien de la biodiversité5 et le cycle approprié des nutriments6 dans l’ensemble du bassin versant. Les microbes sont les organismes les plus abondants dans les cours d’eau douce et sont donc essentiels au cycle des nutriments, à la biodégradation et à la production primaire. La composition et la fonction de la communauté microbienne sont d’excellents outils pour obtenir des informations sur l’écosystème en raison de leur sensibilité à la perturbance, et des recherches récentes ont montré des changements distincts dans les assemblages bactériens observés en fonction de la proximité de l’activité de fracturation7,8. Par exemple, Beijerinckia, Burkholderiaet Methanobacterium ont été identifiés comme enrichis dans des cours d’eau proches de la fracturation hydraulique tandis que Pseudonocardia, Nitrospiraet Rhodobacter ont été enrichis dans les cours d’eau non proches de la fracturation7.
Le séquençage de nouvelle génération du gène de l’ARN ribosomique (ARNr) 16S est une méthode abordable de détermination de la composition de la communauté bactérienne qui est plus rapide et moins chère que le séquençage du génome entierapproche 9. Une pratique courante dans le domaine de l’écologie moléculaire consiste à utiliser la région V4 très variable du gène de l’ARNr 16S pour la résolution du séquençage, souvent jusqu’au niveau du genre avec un large champ d’identification9, car elle est idéale pour les échantillons environnementaux imprévisibles. Cette technique a été largement mise en œuvre dans des études publiées et a été utilisée avec succès pour identifier l’impact des opérations de fracturation sur les milieux aquatiques7,8. Cependant, il convient de noter que les bactéries ont des nombres de copies variables du gène de l’ARNr 16S, ce qui affecte leur abondance détectée10. Il existe quelques outils pour expliquer cela, mais leur efficacité est discutable10. Une autre pratique dont la prévalence augmente rapidement et qui n’a pas cette faiblesse est le séquençage métatranscriptomique, dans lequel tout l’ARN est séquencé, ce qui permet aux chercheurs d’identifier à la fois les bactéries actives et l’expression de leurs gènes.
Par conséquent, contrairement aux méthodes utilisées dans les études7,8 ,11,12publiées précédemment, ce protocole couvre également la collecte, la conservation, le traitement et l’analyse d’échantillons pour étudier la fonction de la communauté microbienne (métatranscriptomique). Les étapes détaillées ici permettent aux chercheurs de voir quel impact, le cas échéant, la fracturation hydraulique a eu sur les gènes et les voies exprimés par les microbes dans leurs flux, y compris les gènes de résistance aux antimicrobiens. De plus, le niveau de détail présenté pour la collecte d’échantillons est amélioré. Bien que plusieurs des étapes et des notes puissent sembler évidentes pour les chercheurs expérimentés, elles pourraient être inestimables pour ceux qui commencent tout juste la recherche.
Nous décrivons ici les méthodes de collecte et de traitement des échantillons afin de générer des données génétiques bactériennes afin d’étudier l’impact de la fracturation hydraulique sur les cours d’eau voisins sur la base de plusieurs années d’expérience de nos laboratoires. Ces données peuvent être utilisées dans les applications en aval pour identifier les différences correspondant à l’état de la fracturation.
1. Prélèvement d’échantillons de sédiments pour l’extraction des acides nucléiques
2. Collecte de filtres pour l’extraction des acides nucléiques
3. Extraction et quantification des acides nucléiques
4. Création d’une bibliothèque d’ARNr 16S
5. Purification de la bibliothèque d’ARNr ADN 16S
6. Création et purification d’une bibliothèque d’ARN
7. Analyse de la communauté microbienne
Le succès des extractions d’ADN et d’ARN peut être évalué à l’aide d’une variété d’équipements et de protocoles. En général, toute concentration détectable de l’un ou l’autre est considérée comme suffisante pour conclure que l’extraction a réussi. En examinant le tableau 1, toutes les extractions, à l’exception d’une seule, seraient qualifiées de réussies. L’échec à cette étape est souvent dû à une faible biomasse initiale, à une mauvaise conservation de l’échantillon ou à une erreur humaine lors de l’extraction. Dans le cas des filtres, l’extraction peut avoir réussi même si la concentration est inférieure à la détection. Si ces extraits ne donnent pas de bandes pour la PCR (si vous faites 16S) ou une concentration détectable après la préparation de la bibliothèque (métatranscriptomique), alors ils ont probablement vraiment échoué.
Si le protocole 16S est suivi, les bandes lumineuses suivant l’amplification par PCR, comme on le voit dans les puits 4 et 6 de la figure 1,indiquent un succès, tandis qu’un manque de bandes, comme on le voit dans les autres puits de la rangée supérieure, indique une défaillance. De plus, une bande lumineuse dans la voie de gel qui contient un contrôle PCR négatif indiquerait également une défaillance, car il serait risqué de supposer que la contamination ayant une incidence sur le ou les témoins négatifs n’a pas affecté les échantillons.
Pour le 16S et la métatranscriptomique, le succès du séquençage peut être évalué en regardant le nombre de séquences obtenues (Figure 2). Les échantillons 16S doivent avoir un minimum de 1 000 séquences, avec au moins 5 000 étant idéales(Figure 2A). De même, les échantillons métatranscriptomiques doivent avoir un minimum de 500 000 séquences, avec au moins 2 000 000 d’idéal(Figure 2B). Les échantillons avec moins de séquences que ces minimums ne doivent pas être utilisés pour les analyses, car ils peuvent ne pas représenter avec précision leur communauté bactérienne. Cependant, les échantillons qui se situent entre le minimum et l’idéal peuvent toujours être utilisés, bien que les résultats doivent être interprétés avec plus de prudence si de nombreux échantillons se situent dans cette fourchette.
Le succès de l’analyse ultérieure en aval peut être déterminé simplement sur la base de l’obtention ou non des fichiers de sortie attendus. Quoi qu’il en soit, les programmes, tels que QIIME2 et R(figure 3),devraient permettre d’évaluer les différences significatives potentielles entre les communautés bactériennes en fonction de la fracturation hydraulique. Les données de la figure 3 ont été obtenues en recueillant des échantillons de sédiments de vingt et un sites différents dans treize cours d’eau différents pour l’analyse 16S et métatranscriptomique. Sur ces vingt et un sites, douze d’entre eux étaient en aval de l’activité de fracturation et classés comme HF+, et neuf d’entre eux étaient soit en amont de l’activité de fracturation, soit dans un bassin versant où la fracturation hydraulique n’avait pas lieu; ces cours d’eau ont été classés comme HF-. Outre la présence d’activités de fracturation, les cours d’eau étaient par ailleurs comparables.
Ces différences pourraient prendre la forme de changements de composition cohérents basés sur l’état de la fracturation hydraulique. Si tel était le cas, on s’attendrait à ce que les échantillons HF+ et HF- se regroupent les uns des autres dans un diagramme PCoA, comme c’est le cas dans les figures 3A et 3B. Pour confirmer que ces changements apparents ne sont pas seulement un artefact de la méthode d’ordination, une analyse statistique plus approfondie est nécessaire. Par exemple, un test PERMANOVA22 sur la matrice de distance sur laquelle sont basées les figures 3A et 3B a révélé un regroupement significatif basé sur l’état de fracturation, ce qui signifie que la séparation observée dans le graphique est cohérente avec les différences entre les communautés bactériennes des échantillons, au lieu d’un artefact d’ordination. Un résultat significatif de PERMANOVA ou d’ANOSIM est une forte indication de différences constantes entre les échantillons HF+ et HF-, ce qui indiquerait que les échantillons HF+ ont été touchés par la fracturation hydraulique, tandis qu’une valeur p élevée indiquerait que les échantillons n’ont pas été touchés. Les données métatranscriptomiques peuvent également être visualisées et évaluées à l’aide des mêmes méthodes.
L’examen des caractéristiques différentielles (microbes ou fonctions) peut révéler des preuves que des échantillons ont également été touchés. Une méthode pour déterminer les entités différentielles consiste à créer un modèle de forêt aléatoire. Le modèle de forêt aléatoire peut être utilisé pour voir dans quelle mesure l’état de fracturation des échantillons peut être correctement classé. Si le modèle fonctionne mieux que prévu par hasard, ce serait une preuve supplémentaire des différences en fonction de l’état de la fracturation. De plus, les prédicteurs les plus importants révéleraient quelles caractéristiques étaient les plus importantes pour différencier correctement les échantillons(figure 3C). Ces caractéristiques auraient également eu des valeurs constamment différentes en fonction de l’état de la fracturation hydraulique. Une fois ces caractéristiques différentielles déterminées, la littérature peut être examinée pour voir si elles ont déjà été associées à la fracturation hydraulique. Cependant, il peut être difficile de trouver des études qui ont déterminé les fonctions différentielles, car la plupart n’ont utilisé que des données de composition de l’ARNr 16S. Par conséquent, pour évaluer les implications des fonctions différentielles, une méthode possible serait de voir si elles ont déjà été associées à une résistance potentielle aux biocides couramment utilisés dans les fluides de fracturation ou si elles pourraient aider à tolérer des conditions hautement salines. De plus, l’examen du profil fonctionnel d’un taxon d’intérêt pourrait révéler des preuves de l’impact de la fracturation hydraulique(figure 3D). Par exemple, si un taxon est identifié comme différentiel par le modèle forestier aléatoire, son profil de résistance aux antimicrobiens dans les échantillons HF+ pourrait être comparé à son profil dans les échantillons HF- et s’ils diffèrent considérablement, cela pourrait suggérer que le liquide de fracturation contenant des biocides est entré dans le flux.
| SampleID (ID de l’échantillon | Concentration (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 |
Tableau 1 : Exemples de concentrations d’ADN basées sur le test de haute sensibilité de l’ADN Fluoromètre 1x DS. Les extractions pour tous ces échantillons, à l’exception de 14, seraient considérées comme réussies en raison de quantités détectables d’ADN.

Figure 1: Exemple d’e-gel avec des produits PCR. Le gel a été pré-coloré et visualisé sous une lumière UV, faisant briller tout ADN présent sur lui. La PCR a fonctionné pour les échantillons des puits 4 et 6 de la première rangée, car ils avaient tous deux une seule bande lumineuse de la taille attendue (basée sur l’échelle). La PCR pour les échantillons des six autres puits a échoué, car ils n’ont produit aucune bande. Le témoin positif (premier puits, deuxième rangée) avait une bande brillante, ce qui indique que la PCR a été effectuée correctement, et les témoins négatifs (puits 6 et 7, deuxième rangée) n’avaient pas de bandes, ce qui indique que les échantillons n’étaient pas contaminés. Si un négatif avait une bande aussi brillante que les échantillons, la PCR aurait été considérée comme un échec car il serait risqué de supposer que les échantillons avaient des amplicons qui n’étaient pas seulement le résultat d’une contamination. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2: Exemples de comptages de séquences. (A) 16S exemples de séquences. Presque tous ces échantillons 16S avaient plus de 1 000 séquences. Les rares qui avaient moins de 1 000 séquences devraient être exclus des analyses en aval, car ils avaient des séquences insuffisantes pour représenter avec précision leurs communautés bactériennes. Plusieurs séquences avaient entre 1 000 et 5 000 séquences; Bien qu’ils ne soient pas idéaux, ils seraient toujours utilisables puisqu’ils dépassent le strict minimum, et la majorité des échantillons dépassent également le minimum idéal de 5 000. (B) L’exemple de métatranscriptomique compte. Tous les échantillons ont dépassé à la fois le nombre minimum (500 000) et le nombre minimum idéal (2 000 000) de séquences. Par conséquent, le séquençage a été un succès pour chacun d’entre eux, et ils ont tous pu être utilisés dans l’analyse en aval. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3: Exemple d’analyse. (A) Diagramme PCoA basé sur des coordonnées calculées avec une matrice de distance unifrac pondérée créée et visualisée via QIIME2. (B) Diagramme PCoA basé sur les coordonnées calculées avec la matrice de distance unifrac pondérée exportée à partir de QIIME2. Les coordonnées ont été visualisées à l’aide des paquets Phyloseq et ggplot2 dans R. Les vecteurs de métadonnées ont été ajustés au tracé à l’aide du paquet Vegan. Chaque point représente la communauté bactérienne d’un échantillon, avec des points plus proches indiquant des compositions de communauté plus similaires. Un regroupement basé sur l’état de fracturation de ces échantillons de sédiments 16S a été observé (PERMANOVA, p = 0,001). En outre, les vecteurs révèlent que les échantillons HF + avaient tendance à avoir des niveaux plus élevés de baryum, de bromure, de nickel et de zinc, ce qui correspondait à une composition de communauté bactérienne différente par rapport aux échantillons HF-. (C) Graphique des meilleurs prédicteurs pour un modèle forestier aléatoire qui a testé où les abondances bactériennes pouvaient être utilisées pour prédire l’état de fracturation parmi les échantillons. Le modèle de forêt aléatoire a été créé via R à l’aide du package randomForest. Les 20 principaux prédicteurs sont présentés ainsi que les diminutions d’impuretés qui en résultent (mesure du nombre d’échantillons HF+ et HF- regroupés) sous la forme d’une diminution moyenne de l’indice de Gini lorsqu’ils sont utilisés pour séparer les échantillons. (D) Diagramme circulaire montrant le profil de résistance aux antimicrobiens du profil Burkholderiales basé sur des données métatranscriptomiques. Les séquences ont d’abord été annotées avec Kraken2 pour déterminer à quels taxons elles appartenaient. BLAST a ensuite été utilisé avec ces séquences annotées et la base de données MEGARes 2.0 pour déterminer quels gènes de résistance aux antimicrobiens (sous la forme de « MEG_# ») étaient activement exprimés. Les gènes de résistance aux antimicrobiens exprimés par les membres des Burkholderiales ont ensuite été extraits pour voir lesquels étaient les plus répandus parmi ces taxons. Bien que plus coûteuse et plus longue, la métatranscriptomique permet des analyses fonctionnelles, comme celle-ci, qui ne peut pas être effectuée avec des données 16S. Notamment, Kraken2 a été utilisé pour cet exemple d’analyse, au lieu de HUMAnN2. Kraken2 est plus rapide que HUMAnN2; cependant, il ne produit que des informations de composition, au lieu de la composition, de la contribution, des fonctions (gènes) et des voies comme le fait HUMAnN2. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Fichier supplémentaire : Exemple de pipeline métatranscriptomique. Veuillez cliquer ici pour télécharger ce fichier.
Les auteurs n’ont rien à divulguer.
Nous présentons ici un protocole pour étudier les impacts de la fracturation hydraulique sur les cours d’eau voisins en analysant leurs communautés microbiennes d’eau et de sédiments.
Les auteurs aimeraient reconnaître les sources de financement pour les projets qui ont conduit au développement de ces méthodes, ces sources étant: le Howard Hughes Medical Institute (http://www.hhmi.org) par le biais du programme d’enseignement des sciences préuniversitaire et de premier cycle, ainsi que par la National Science Foundation (http://www.nsf.gov) par le biais des prix NSF DBI-1248096 et CBET-1805549.
| 200 Proof Ethanol | Thermo Fisher Scientific | A4094 | 400 mL doivent être ajoutés au tampon PE (voir le protocole du kit d’extraction de gel Qiagen QIAQuck) et 96 mL doivent être ajoutés au tampon de lavage de l’ADN/ARN (voir le protocole du kit Miniprep ZymoBIOMICS DNA/NNA). De l’éthanol supplémentaire est nécessaire pour le ZymoBIOMICS DNA/RNA Miniprep et NEBNext® ; Ultra&commerce ; II Préparation de la banque d’ARN avec des kits de perles de purification d’échantillons. |
| Agarose | Thermo Fisher Scientific | BP1356-100 | 100 g par bouteille. 0,6 g d’agarose serait nécessaire pour faire un gel à 2 % 30 ml. |
| Eau de Javel désinfectante | Walmart (Clorox) | Aucun numéro de catalogue | Utilisez une solution d’eau de Javel à 10 % pour nettoyer la zone de travail avant et après les procédures de laboratoire |
| Colorant de chargement de gel d’ADN | Thermo Fisher Scientific | R0611 | Chaque colorant fabriqué par l’utilisateur (c’est-à-dire sans e-gel) doit inclure un colorant de chargement avec tous les échantillons dans le rapport de 1 & micro ; L colorant à 5 µ ; Échelle |
| d’ADN d’échantillon | L MilliporeSigma | D3937-1VL | Une échelle doit être exécutée sur chaque |
| bouclier d’ADN/ARN | gel/e-gel (2x)Zymo Research | R1200-125 | 3 mL par échantillon de sédiment (50 mL conique) et 2 mL par échantillon d’eau (filtre) |
| Bromure d’éthidium | Thermo Fisher Scientific | BP1302-10 | Utilisé pour la coloration des e-gels fabriqués par l’utilisateur |
| Forward Primer | Integrated DNA Technologies ( IDT) | 51-01-19-06 | 0,5 et micro ; L par réaction PCR |
| Isopropanol | MilliporeSigma | 563935-1L | Généralement moins de 2 mL par bibliothèque. Le volume nécessaire varie en fonction de la masse du fragment de gel excisé (voir le protocole du kit d’extraction de gel Qiagen QIAQuick).  ; |
| Eau de qualité PCR | MilliporeSigma | 3315932001 | 13 & micro ; L par réaction PCR (en supposant 1 & micro ; L de la matrice d’ADN de l’échantillon est utilisée) |
| Platinum Hot Start PCR Master Mix (2x) | Thermo Fisher Scientific | 13000012 | 10 µ ; L par réaction PCR |
| Amorce inverse | Integrated DNA Technologies (IDT) | 51-01-19-07 | 0,5 & micro ; L par réaction PCR |
| Tampon TBE (Tris-borate-EDTA) | Thermo Fisher Scientific | B52 | 1 L de 10 tampons TBE (30 ml de 1 tampon TBE seraient nécessaires pour fabriquer un gel de 30 mL) |
| 1 bouteille de 1 L | Thermo Fisher Scientific | 02-893-4E | Un nécessaire par flux (la même bouteille peut être utilisée pour plusieurs flux si elle est stérilisée entre deux utilisations) |
| 1,5 mL Tubes de microcentrifugation | MilliporeSigma | BR780400-450EA | 5 tubes de microcentrifugation sont nécessaires pour l’extraction de l’ADN et 3 autres sont nécessaires pour purifier l’ARN (voir protocole du kit Miniprep ADN/ARN de ZymoBIOMICS) |
| E-GEL 2 % d’agarose | Thermo Fisher Scientific | G401002 | Chaque gel peut analyser 10 échantillons (donc 9 avec une PCR négative et 8 si l’extraction négative est effectuée sur le même gel) |
| 50 mL Coniques | CellTreat | 229421 | 1 50 mL conique nécessaire par échantillon de sédiment |
| 500 mL Bécher | MilliporeSigma | Z740580 | Seulement 1 nécessaire (pour la stérilisation à la flamme) |
| Feuille d’aluminium | Walmart (Reynolds KITCHEN) | Aucun numéro | La feuille d’aluminium peut être pliée et autoclavée. La pièce non exposée à l’environnement peut alors être utilisée comme surface stérile, exempte d’ADN et d’ARN pour le traitement des filtres (une pièce pliée par filtre pour éviter la contamination croisée) |
| Autoclave | Gettinge | LSS 130 | Une seule |
| centrifugeuse | nécessaire MilliporeSigma | EP5404000138-1EA | Seulement 1 |
| refroidisseur | nécessaireULINE | S-22567 | À peu près n’importe quelle glacière peut être utilisée. Celui-ci est répertorié en raison de sa fabrication en mousse, ce qui le rend plus léger et donc plus facile à emporter pour l’échantillonnage sur le terrain. |
| Disruptor Genie | Bio-Rad | 3591456 | Une seule chambre d’électrophorèse nécessaire |
| Bio-Rad | 1664000EDU | Seulement 1 | |
| nécessaire Alimentation d’électrophorèse | Bio-Rad | 1645050 | Seulement 1 |
| nécessaire Congélateur (-20 C) | K2 SCIENTIFIC | K204SDF | Un nécessaire pour stocker les extraits d’ADN |
| Congélateur (-80 C) | K2 SCIENTIFIC | K205ULT | On a besoin de stocker des extraits d’ARN |
| Gants Thermo | Fisher Scientific | 19-020-352 | Le numéro de catalogue est pour les gants moyens. |
| Bloc chauffant | MilliporeSigma | Z741333-1EA | Un seul brûleur de |
| laboratoire | nécessaire Sterlitech | 177200-00 | Un seul nécessaire |
| Hotte à flux laminaire | AirClean Systems | AC624LFUV | Un seul |
| nécessaire Kit de purification de bibliothèque | Qiagen | 28704 | Un kit a assez pour 50 réactions |
| Plaque magnétique | Alpaqua | A001219 | Un seul |
| Microcentrifugeuse | nécessaireThermo Fisher Scientific | 75004061 | Une seule |
| Micropipette nécessaire (1000 µ ; L volume) | Pipette.com | L-1000 | Seulement 1 |
| Micropipette nécessaire (2 µ ; L volume) | Pipette.com | L-2 | Seulement 1 |
| Micropipette nécessaire (20 µ ; L volume) | Pipette.com | L-20 | Seulement 1 |
| Micropipette nécessaire (200 µ ; L volume) | Pipette.com | L-200R | Seulement 1 |
| nécessaire NEBNext Ultra II Préparation de la bibliothèque d’ARN avec billes de purification | d’échantillons New England BioLabs Inc. | E7775S | Un kit contient suffisamment de réactifs pour 24 échantillons. |
| Parafilm | MilliporeSigma | P7793-1EA | 2 carrés de 1 » x 1 » sont nécessaires par filtre |
| Tubes PCR Thermo | Fisher Scientific | AM12230 | Un tube nécessaire par réaction |
| Pointes de pipette (pour 1000 µ ; L volume) | Pipette.com | LF-1000 | Pack de 576 pointes |
| Pointes de pipette (pour 20 & micro ; L volume) | Pipette.com | LF-20 | Pack de 960 |
| pointes Pointes de pipette (pour 200 & micro ; L volume) | Pipette.com | LF-250 | Pack de 960 pointes |
| Cluster d’ordinateurs PowerWulf ZXR1+ | PSSC Labs | Pas de numéro | Ceci n’est qu’un exemple de supercalculateur suffisamment puissant pour effectuer une analyse métatranscriptomique en temps opportun. Il n’en faut qu’un.  ; |
| Kit de démarrage de fluorimètre Qubit | Thermo Fisher Scientific | Q33239 | Livré avec un fluorimètre Qubit 4, suffisamment de réactif pour 100 dosages d’ADN et 500 tubes Qubit |
| Scoopula | Thermo Fisher Scientific | 14-357Q | Une seule |
| nécessaire Lames stériles | AD Surgical | A600-P10-0 | Une nécessaire par filtre |
| Unité de filtration sous pression Sterivex-GP MilliporeSigma | SVGP01050 | 1 filtre nécessaire par échantillon d’eau | |
| Thermocycleur | Bio-Rad | 1861096 | Un seul nécessaire |
| Vise-grip | Irwin | 2078500 | Un seul nécessaire (pour ouvrir les filtres) |
| Vortex-Genie 2 | MilliporeSigma | Z258415-1EA | Seulement 1 |
| sac WHIRL-PAK | NÉCESSAIREULINE | S-22729 | 1 nécessaire par filtre |
| ZymoBIOMICS DNA/RNA Miniprep kit | Zymo Research | R2002 | Un kit contient suffisamment de réactifs pour 50 échantillons. |