Hier presenteren we een protocol om de effecten van hydraulische breuken op nabijgelegen beken te onderzoeken door hun water- en sedimentmicrobiële gemeenschappen te analyseren.
Methodenartikel
Hier presenteren we een protocol om de effecten van hydraulische breuken op nabijgelegen beken te onderzoeken door hun water- en sedimentmicrobiële gemeenschappen te analyseren.
Hydraulische fracking (HF), gewoonlijk "fracking" genoemd, maakt gebruik van een mengsel van hogedrukwater, zand en chemicaliën om rotsen te breken, waarbij olie en gas vrijkomen. Dit proces heeft een revolutie teweeggebracht in de Amerikaanse energiesector, omdat het toegang geeft tot hulpbronnen die voorheen onbereikbaar waren en nu tweederde van het totale aardgas in de Verenigde Staten produceren. Hoewel fracking een positieve impact heeft gehad op de Amerikaanse economie, hebben verschillende studies de schadelijke milieueffecten ervan benadrukt. Van bijzonder belang is het effect van fracking op bovenloopstromen, die vooral belangrijk zijn vanwege hun onevenredig grote impact op de gezondheid van het hele stroomgebied. De bacteriën in die stromen kunnen worden gebruikt als indicatoren voor de gezondheid van de stroom, omdat de aanwezige bacteriën en hun overvloed in een verstoorde stroom naar verwachting verschillen van die in een verder vergelijkbare maar ongestoorde stroom. Daarom is dit protocol bedoeld om de bacteriële gemeenschap te gebruiken om te bepalen of stromen zijn beïnvloed door fracking. Hiertoe moeten sediment- en watermonsters worden verzameld van beken in de buurt van fracking (mogelijk beïnvloed) en stroomopwaarts of in een ander stroomgebied van fracking-activiteit (niet-beïnvloed). Die monsters worden vervolgens onderworpen aan nucleïnezuurextractie, bibliotheekvoorbereiding en sequencing om de samenstelling van microbiële gemeenschap te onderzoeken. Correlationele analyse en machine learning-modellen kunnen vervolgens worden gebruikt om te identificeren welke kenmerken verklarend zijn voor variatie in de gemeenschap, evenals identificatie van voorspellende biomarkers voor de impact van fracking. Deze methoden kunnen een verscheidenheid aan verschillen in de microbiële gemeenschappen tussen bovenloopstromen onthullen, gebaseerd op de nabijheid van fracking, en dienen als basis voor toekomstig onderzoek naar de milieueffecten van fracking-activiteiten.
Hydraulic fracturing (HF), of "fracking", is een methode van aardgaswinning, die steeds vaker voorkomt naarmate de vraag naar fossiele brandstoffen blijft stijgen. Deze techniek bestaat uit het gebruik van krachtige boorapparatuur om een mengsel van water, zand en chemicaliën in methaanrijke schalieafzettingen te injecteren, meestal om ingesloten gassen vrij te maken1.
Omdat deze onconventionele oogsttechnieken relatief nieuw zijn, is het belangrijk om de effecten van dergelijke praktijken op nabijgelegen waterwegen te onderzoeken. Fracking-activiteiten verplichten het opruimen van grote stukken land voor het transport van apparatuur en de constructie van putpads. Ongeveer 1,2-1,7 hectare land moet worden vrijgemaakt voor elke putpad2,wat mogelijk van invloed is op de afvoer en waterkwaliteit van het systeem3. Er is een gebrek aan transparantie rond de exacte chemische samenstelling van frackingvloeistof, inclusief welke biociden worden gebruikt. Bovendien heeft fracking afvalwater de neiging om zeer zout te zijn2. Bovendien kan het afvalwater metalen en van nature voorkomende radioactieve stoffen bevatten2. Daarom is de mogelijkheid van lekken en morsen van frackingvloeistof als gevolg van menselijke fouten of storingen in de apparatuur zorgwekkend.
Van beekecosystemen is bekend dat ze zeer gevoelig zijn voor veranderingen in omliggende landschappen4 en belangrijk zijn voor het behoud van biodiversiteit5 en een goede nutriëntenkringloop6 binnen het hele stroomgebied. Microben zijn de meest voorkomende organismen in zoetwaterstromen en zijn dus essentieel voor de kringloop van voedingsstoffen, biologische afbraak en primaire productie. Microbiële gemeenschapssamenstelling en -functie dienen als geweldige hulpmiddelen om informatie over het ecosysteem te verkrijgen vanwege hun gevoeligheid voor verstoring, en recent onderzoek heeft duidelijke verschuivingen aangetoond in waargenomen bacteriële assemblages op basis van de nabijheid van fracking-activiteit7,8. Beijerinckia, Burkholderiaen Methanobacterium werden bijvoorbeeld geïdentificeerd als verrijkt in stromen in de buurt van fracking, terwijl Pseudonocardia, Nitrospiraen Rhodobacter werden verrijkt in de stromen die niet in de buurt van fracking7 kwamen.
Next generation sequencing van het 16S ribosomale RNA (rRNA) gen is een betaalbare methode om de samenstelling van de bacteriële gemeenschap te bepalen die sneller en goedkoper is dan whole genome sequencing benaderingen9. Een gangbare praktijk op het gebied van moleculaire ecologie is om het zeer variabele V4-gebied van het 16S rRNA-gen te gebruiken voor sequencingresolutie, vaak tot op geslachtsniveau met een breed identificatiebereik9, omdat het ideaal is voor onvoorspelbare omgevingsmonsters. Deze techniek is op grote schaal geïmplementeerd in gepubliceerde studies en is met succes gebruikt om de impact van fracking-operaties op aquatische omgevingen te identificeren7,8. Het is echter vermeldenswaard dat bacteriën verschillende kopieaantallen van het 16S rRNA-gen hebben, wat hun gedetecteerde abundanties beïnvloedt10. Er zijn een paar hulpmiddelen om dit te verklaren, maar hun werkzaamheid is twijfelachtig10. Een andere praktijk die snel in prevalentie groeit en deze zwakte mist, is metatranscriptomische sequencing, waarbij al het RNA wordt gesequenced, waardoor onderzoekers zowel actieve bacteriën als hun genexpressie kunnen identificeren.
Daarom omvat dit protocol, in tegenstelling tot methoden in eerder gepubliceerde studies7,8,11,12,ook monsterverzameling, conservering, verwerking en analyse voor het onderzoeken van de microbiële gemeenschapsfunctie (metatranscriptomics). De stappen die hierin worden beschreven, stellen onderzoekers in staat om te zien welke impact, indien aanwezig, fracking heeft gehad op de genen en routes die door microben in hun stromen tot expressie worden gebracht, inclusief antimicrobiële resistentiegenen. Bovendien is het detailniveau dat wordt gepresenteerd voor monsterverzameling verbeterd. Hoewel verschillende van de stappen en notities voor de hand liggend lijken voor ervaren onderzoekers, kunnen ze van onschatbare waarde zijn voor degenen die net met onderzoek beginnen.
Hierin beschrijven we methoden voor het verzamelen en verwerken van monsters om bacteriële genetische gegevens te genereren als een middel om de impact van fracking op nabijgelegen stromen te onderzoeken op basis van de jarenlange ervaring van onze laboratoria. Deze gegevens kunnen worden gebruikt in downstream-toepassingen om verschillen te identificeren die overeenkomen met de frackingstatus.
1. Verzameling van sedimentmonsters voor nucleïnezuurextractie
2. Filtercollectie voor nucleïnezuurextractie
3. Extractie en kwantificering van nucleïnezuur
4. 16S rRNA bibliotheek creatie
5. DNA 16S rRNA bibliotheek zuivering
6. Creatie en zuivering van RNA-bibliotheken
7. Microbiële gemeenschap analyse
Het succes van DNA- en RNA-extracties kan worden geëvalueerd met behulp van een verscheidenheid aan apparatuur en protocollen. Over het algemeen wordt elke detecteerbare concentratie van een van beide voldoende geacht om te concluderen dat de extractie succesvol was. Als we tabel 1 onderzoeken, zouden alle extracties, op één na, succesvol worden genoemd. Falen in deze stap is vaak te wijten aan een lage initiële biomassa, slechte conservering van monsters of menselijke fouten tijdens de extractie. In het geval van filters kan de extractie succesvol zijn geweest, zelfs als de concentratie lager is dan de detectie. Als die extracten geen banden opleveren voor PCR (als ze 16S doen) of een detecteerbare concentratie na bibliotheekvoorbereiding (metatranscriptomics), dan hebben ze waarschijnlijk echt gefaald.
Als het 16S-protocol wordt gevolgd, duiden heldere banden na PCR-versterking, zoals te zien in putten 4 en 6 in figuur 1, op succes, terwijl een gebrek aan banden, zoals te zien in de andere putten in de bovenste rij, wijst op falen. Bovendien zou een heldere band in de gelstrook die een negatieve PCR-controle bevat, ook wijzen op een storing, omdat het riskant zou zijn om aan te nemen dat de verontreiniging die de negatieve controle(s) beïnvloedt, de monsters niet beïnvloedt.
Voor zowel 16S als metatranscriptomics kan het succes van sequencing worden geëvalueerd door te kijken naar het aantal verkregen sequenties(figuur 2). 16S-monsters moeten minimaal 1.000 sequenties hebben, waarbij ten minste 5.000 ideaal zijn(figuur 2A). Evenzo moeten metatranscriptomics-monsters minimaal 500.000 sequenties hebben, waarbij ten minste 2.000.000 ideaal zijn(figuur 2B). Monsters met minder sequenties dan die minima mogen niet worden gebruikt voor analyses, omdat ze mogelijk niet nauwkeurig hun bacteriële gemeenschap weergeven. Monsters die tussen het minimum en ideaal vallen, kunnen echter nog steeds worden gebruikt, hoewel de resultaten voorzichtiger moeten worden geïnterpreteerd als veel monsters in dat bereik vallen.
Het succes van de daaropvolgende downstream-analyse kan eenvoudig worden bepaald op basis van het feit of de verwachte uitvoerbestanden zijn verkregen of niet. In ieder geval moeten programma's, zoals QIIME2 en R(figuur 3),de evaluatie van potentiële significante verschillen tussen de bacteriële gemeenschappen op basis van fracking mogelijk maken. De gegevens voor figuur 3 werden verkregen door sedimentmonsters te verzamelen van eenentwintig verschillende locaties op dertien verschillende stromen voor 16S- en metatranscriptomics-analyse. Van die eenentwintig locaties waren er twaalf stroomafwaarts van fracking-activiteit en geclassificeerd als HF +, en negen van hen waren ofwel stroomopwaarts van fracking-activiteit of in een stroomgebied waar fracking niet voorkwam; deze stromen werden geclassificeerd als HF-. Naast de aanwezigheid van fracking-activiteit waren de stromen verder vergelijkbaar.
Die verschillen kunnen de vorm aannemen van consistente samenstellingsverschuivingen op basis van frackingstatus. Als dat het geval zou zijn, zou van HF+- en HF-monsters worden verwacht dat ze zich uit elkaar clusteren in een PCoA-plot, zoals het geval is in figuur 3A en figuur 3B. Om te bevestigen dat die schijnbare verschuivingen niet alleen een artefact van de wijdingsmethode zijn, is verdere statistische analyse nodig. Bijvoorbeeld, een PERMANOVA22-test op de afstandsmatrix waarop figuur 3A en figuur 3B zijn gebaseerd, onthulde significante clustering op basis van frackingstatus, wat betekent dat de waargenomen scheiding in de plot consistent is met verschillen tussen de bacteriële gemeenschappen van de monsters, in plaats van een artefact van wijding. Een significant PERMANOVA- of ANOSIM-resultaat is een sterke indicatie van consistente verschillen tussen HF + - en HF-monsters, wat erop zou wijzen dat de HF + -monsters werden beïnvloed door fracking, terwijl een hoge p-waarde zou aangeven dat de monsters niet werden beïnvloed. Metatranscriptomische gegevens kunnen ook worden gevisualiseerd en geëvalueerd met behulp van dezelfde methoden.
Onderzoek naar differentiële kenmerken (microben of functies) kan bewijs onthullen dat monsters ook zijn beïnvloed. Een methode voor het bepalen van differentiële kenmerken is het maken van een willekeurig forestmodel. Het willekeurige forestmodel kan worden gebruikt om te zien hoe goed de frackingstatus van de monsters correct kan worden geclassificeerd. Als het model toevallig beter presteert dan verwacht, zou dat extra bewijs zijn van verschillen die afhankelijk zijn van de frackingstatus. Bovendien zouden de belangrijkste voorspellers onthullen welke kenmerken het belangrijkst waren voor het correct onderscheiden van monsters (figuur 3C). Die functies zouden dan ook consistent verschillende waarden hebben gehad op basis van frackingstatus. Zodra die differentiële kenmerken zijn bepaald, kan de literatuur worden bekeken om te zien of ze eerder zijn geassocieerd met fracking. Het kan echter een uitdaging zijn om studies te vinden die differentiële functies hebben bepaald, omdat de meeste alleen 16S rRNA-samenstellingsgegevens hebben gebruikt. Daarom zou een mogelijke methode voor het evalueren van de implicaties van differentiële functies zijn om te zien of ze eerder in verband zijn gebracht met potentiële resistentie tegen biociden die vaak worden gebruikt in frackingvloeistof of dat ze kunnen helpen bij het verdragen van sterk zoute omstandigheden. Bovendien zou onderzoek naar het functionele profiel van een taxon van belang bewijs kunnen leveren voor de impact van fracking(figuur 3D). Als een taxon bijvoorbeeld wordt geïdentificeerd als differentieel door het willekeurige bosmodel, kan het antimicrobiële resistentieprofiel in HF + -monsters worden vergeleken met het profiel in HF-monsters en als ze sterk verschillen, kan dat erop wijzen dat frackingvloeistof met biociden in de stroom terecht is gekomen.
| SampleID | Concentratie (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 |
Tabel 1: Voorbeeld DNA concentraties op basis van Fluorometer 1x DS DNA hoge gevoeligheid assay. Extracties voor al deze monsters, met uitzondering van 14, zouden als succesvol worden beschouwd vanwege het hebben van detecteerbare hoeveelheden DNA.

Figuur 1: Voorbeeld e-gel met PCR producten. De gel werd vooraf gekleurd en gevisualiseerd onder een UV-licht, waardoor het aanwezige DNA gloeide. PCR werkte voor de monsters in put 4 en 6 op de eerste rij, omdat ze beide één enkele heldere band van de verwachte grootte hadden (gebaseerd op de ladder). PCR voor de monsters in de andere zes putten faalde, omdat ze geen banden produceerden. De positieve controle (eerste put, tweede rij) had een heldere band, wat aangeeft dat PCR correct werd uitgevoerd, en de negatieve controles (put 6 en 7, tweede rij) hadden geen banden, wat aangeeft dat monsters niet besmet waren. Als een negatief een band had die zo helder was als de monsters, zou PCR als een mislukking zijn beschouwd, omdat het riskant zou zijn om aan te nemen dat de monsters amplicons hadden die niet alleen het gevolg waren van besmetting. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Voorbeeldreekstellingen. (A) 16S voorbeeldreekstellingen. Bijna al deze 16S-monsters hadden meer dan 1.000 sequenties. De zeer weinigen die minder dan 1.000 sequenties hadden, moeten worden uitgesloten van stroomafwaartse analyses, omdat ze onvoldoende sequenties hadden om hun bacteriële gemeenschappen nauwkeurig weer te geven. Verschillende sequenties hadden tussen de 1.000 en 5.000 sequenties; hoewel ze niet ideaal zijn, zouden ze nog steeds bruikbaar zijn omdat ze het absolute minimum overschrijden, en de meerderheid van de monsters overschrijdt ook het ideale minimum van 5.000. (B) Metatranscriptomics voorbeeld telt. Alle monsters overschreden zowel het minimale (500.000) als het ideale minimum (2.000.000) aantal sequenties. Daarom was sequencing voor allemaal succesvol en konden ze allemaal worden gebruikt in downstream-analyse. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: Voorbeeldanalyse. (A) PCoA plot op basis van coördinaten berekend met een gewogen Unifrac afstandsmatrix gemaakt en gevisualiseerd via QIIME2. (B) PCoA-plot op basis van coördinaten berekend met de gewogen Unifrac-afstandsmatrix die wordt geëxporteerd uit QIIME2. De coördinaten werden gevisualiseerd met behulp van de Phyloseq- en ggplot2-pakketten in R. Metadata-vectoren werden op de plot aangebracht met behulp van het Vegan-pakket. Elk punt vertegenwoordigt de bacteriële gemeenschap van een monster, met dichterbij gelegen punten die meer vergelijkbare gemeenschapssamenstellingen aangeven. Clustering op basis van frackingstatus voor deze 16S sedimentmonsters werd waargenomen (PERMANOVA, p=0,001). Bovendien onthullen de vectoren dat de HF + -monsters de neiging hadden om hogere niveaus van barium, bromide, nikkel en zink te hebben, wat overeenkwam met een andere bacteriële samenstelling van de gemeenschap in vergelijking met de HF-monsters. (C) Plot van de beste voorspellers voor een willekeurig bosmodel dat testte waar bacteriële abundanties konden worden gebruikt om de frackingstatus tussen de monsters te voorspellen. Het random forest-model is gemaakt via R met behulp van het randomForest-pakket. De top 20 voorspellers worden getoond, evenals de resulterende afnames in onzuiverheid (maat voor het aantal HF + en HF-monsters gegroepeerd) in de vorm van Mean Decrease in Gini Index wanneer ze worden gebruikt om monsters te scheiden. (D) Cirkeldiagram met het antimicrobiële resistentieprofiel van het Burkholderiales-profiel op basis van metatranscriptomische gegevens. Sequenties werden eerst geannoteerd met Kraken2 om te bepalen tot welke taxa ze behoorden. BLAST werd vervolgens gebruikt met die geannoteerde sequenties en de MEGARes 2.0-database om te bepalen welke antimicrobiële resistentiegenen (in de vorm van "MEG_#") actief tot expressie werden gebracht. Antimicrobiële resistentiegenen die tot expressie werden gebracht door leden van Burkholderiales werden vervolgens geëxtraheerd om te zien welke het meest voorkwamen onder die taxa. Hoewel het duurder en tijdrovender is, maakt metatranscriptomics functionele analyses mogelijk, zoals deze, die niet kunnen worden gedaan met 16S-gegevens. Met name Kraken2 werd gebruikt voor deze voorbeeldanalyse, in plaats van HUMAnN2. Kraken2 is sneller dan HUMAnN2; het produceert echter alleen compositorische informatie, in plaats van samenstelling, bijdrage en functies (genen) en pathways zoals HUMAnN2 doet. Klik hier om een grotere versie van deze figuur te bekijken.
Aanvullend bestand: een voorbeeld van een metatranscriptomics-pijplijn. Klik hier om dit bestand te downloaden.
De methoden die in dit artikel wordenbeschreven,zijn ontwikkeld en verfijnd in de loop van verschillende studies die door onze groep zijn gepubliceerd tussen 2014 en 20187,8,10 en zijn met succes gebruikt in een samenwerkingsproject om de effecten van fracking op aquatische gemeenschappen te onderzoeken in een driejarig project dat binnenkort een paper voor publicatie zal indienen. Deze methoden zullen in de loop van de rest van het project verder worden gebruikt. Bovendien beschrijft andere huidige literatuur die de impact van fracking op stromen en ecosystemen onderzoekt, vergelijkbare methoden voor het verzamelen, verwerken en analyseren van monsters7,8,10,11. Geen van die artikelen maakte echter gebruik van metatranscriptomische analyse, waardoor dit artikel de eerste is om te beschrijven hoe die analyses kunnen worden gebruikt om de impact van fracking op nabijgelegen stromen op te helderen. Bovendien zijn de hier gepresenteerde methoden voor het verzamelen van monsters gedetailleerder, evenals de maatregelen die zijn genomen om besmetting te voorkomen.
Een van de belangrijkste stappen van ons protocol is het verzamelen en bewaren van eerste monsters. Veldbemonstering en -verzameling brengt bepaalde uitdagingen met zich mee, omdat het handhaven van een aseptische of steriele omgeving tijdens het verzamelen moeilijk kan zijn. Tijdens deze stap is het van vitaal belang om besmetting van monsters te voorkomen. Om dit te doen, moeten handschoenen worden gedragen en mogen alleen steriele containers en gereedschappen in contact komen met monsters. Monsters moeten ook onmiddellijk na het verzamelen op ijs worden geplaatst om de afbraak van nucleïnezuur te verminderen. Het toevoegen van een commercieel nucleïnezuurconserveringsmiddel bij het verzamelen kan ook de nucleïnezuuropbrengst verhogen en ervoor zorgen dat monsters na het verzamelen voor langere tijd kunnen worden bewaard. Wanneer nucleïnezuurextractie wordt uitgevoerd, is het belangrijk om de juiste hoeveelheid monster te gebruiken, te veel kan spinfilters verstoppen die worden gebruikt voor extractie (voor die protocollen die er gebruik van maken), maar te weinig kan resulteren in lage opbrengsten. Zorg ervoor dat u de instructies volgt voor de kit die wordt gebruikt.
Net als bij veldverzameling is het vermijden of minimaliseren van verontreiniging ook belangrijk tijdens nucleïnezuurextractie en monstervoorbereiding, vooral bij het werken met monsters met een lage nucleïnezuuropbrengst, zoals suboptimale sedimentmonsters (monsters die een grote hoeveelheid grind of rotsen bevatten) of watermonsters. Daarom moeten, net als bij het verzamelen van monsters, handschoenen worden gedragen tijdens al deze stappen om besmetting te verminderen. Bovendien moeten alle werkoppervlakken die tijdens laboratoriumprocedures worden gebruikt, vooraf worden gesteriliseerd door af te vegen met een 10% bleekoplossing, gevolgd door een 70% ethanoloplossing. Voor pipetteerstappen (3-6) moeten filtertips worden gebruikt om verontreiniging door de pipet zelf te voorkomen, waarbij de uiteinden worden vervangen telkens wanneer ze een niet-steriel oppervlak raken. Alle gereedschappen die worden gebruikt voor laboratoriumwerk, inclusief pipetten, moeten voor en na worden afgeveegd met de bleek- en ethanoloplossingen. Om de verontreiniging te evalueren, moeten extractie blanco's en negatieven (steriele vloeistof) worden opgenomen tijdens elke set nucleïnezuurextracties en PCR-reacties. Als kwantificering na extracties een detecteerbare hoeveelheid DNA/RNA in de negatieven aan het licht komt, kunnen extracties worden herhaald als er nog voldoende monster over is. Als negatieve monsters voor PCR versterking vertonen, moet probleemoplossing worden uitgevoerd om de bron te bepalen en vervolgens moeten de monsters opnieuw worden uitgevoerd. Om rekening te houden met lage niveaus van verontreiniging, wordt aanbevolen om extractie blanco's en PCR-negatieven te sequencen, zodat de verontreinigingen kunnen worden geïdentificeerd en, indien nodig, verwijderd tijdens computationele analyse. Omgekeerd kan PCR-versterking ook falen door verschillende oorzaken. Voor omgevingsmonsters is remming van de PCR-reactie vaak de boosdoener, wat te wijten kan zijn aan een verscheidenheid aan stoffen die interfereren met Taq-polymerase23. Als remming wordt vermoed, kan water van PCR-kwaliteit (zie Tabel met materialen)worden gebruikt om de DNA-extracten te verdunnen.
Dit protocol heeft een paar opmerkelijke beperkingen en potentiële problemen. Het verzamelen van monsters kan een uitdaging zijn voor zowel water- als sedimentmonsters. Om voldoende biomassa te krijgen, moet idealiter 1 L beekwater door een filter worden geduwd. De poriën van het filter moeten klein zijn om microben te vangen, maar kunnen ook sediment vangen. Als er door recente regenval veel sediment in het water zit, kan het filter verstoppen waardoor het moeilijk wordt om het hele volume door het filter te duwen. Voor sedimentverzameling kan het een uitdaging zijn om de diepte van sediment tijdens het verzamelen in te schatten. Bovendien is het belangrijk om ervoor te zorgen dat het verzamelde sediment voornamelijk grond is, omdat kiezels en rotsen zullen leiden tot een lagere nucleïnezuuropbrengst en mogelijk geen nauwkeurige weergave zijn van de microbiële gemeenschap. Ten slotte is het ook van vitaal belang dat monsters na het verzamelen op ijs worden bewaard, vooral als er geen conserveermiddel wordt gebruikt.
Hoewel dit protocol zowel metatranscriptomics als 16S-labprotocollen omvat, moet worden benadrukt dat deze twee methoden zeer verschillend zijn in zowel het proces als het type gegevens dat ze leveren. Het 16S rRNA-gen is een algemeen gericht gebied, sterk geconserveerd in bacteriën en archaea, en nuttig voor het karakteriseren van de bacteriële gemeenschap in een monster. Hoewel een gerichte en specifieke aanpak, is het oplossen van soortenniveau vaak onbereikbaar en is het karakteriseren van nieuw uiteenlopende soorten of stammen moeilijk. Integendeel, metatranscriptomics is een bredere benadering die alle actieve genen en microben in een monster vangt. Terwijl 16S alleen gegevens levert voor identificatie, kan metatranscriptomics functionele gegevens leveren, zoals tot expressie gebrachte genen en metabole routes. Beide zijn waardevol en in combinatie kunnen ze onthullen welke bacteriën aanwezig zijn en welke genen ze tot expressie brengen.
Dit artikel beschrijft methoden voor veldverzameling en monsterverwerking voor zowel 16S rRNA als metatranscriptomische analyses in de context van het bestuderen van fracking. Daarnaast beschrijft het verzamelmethoden voor hoogwaardige DNA / RNA uit monsters met een lage biomassa en voor langdurige opslag. De hier beschreven methoden zijn het hoogtepunt van onze ervaringen met het verzamelen en verwerken van monsters in onze inspanningen om te leren hoe fracking nabijgelegen stromen beïnvloedt door de structuur en functie van hun microbiële gemeenschappen te onderzoeken. Microben reageren snel op verstoringen, en bijgevolg kunnen welke microben aanwezig zijn en de genen die ze tot expressie brengen informatie geven over de effecten van fracking op ecosystemen. Over het algemeen kunnen deze methoden van onschatbare waarde zijn voor ons begrip van hoe fracking deze belangrijke ecosystemen beïnvloedt.
De auteurs hebben niets te onthullen.
De auteurs willen graag de financieringsbronnen erkennen voor de projecten die hebben geleid tot de ontwikkeling van deze methoden, met die bronnen: het Howard Hughes Medical Institute (http://www.hhmi.org) via het Precollege en Undergraduate Science Education Program, evenals door de National Science Foundation (http://www.nsf.gov) via NSF-awards DBI-1248096 en CBET-1805549.
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| 200 Proof Ethanol | Thermo Fisher Scientific | A4094 | 400 mL moet worden toegevoegd aan Buffer PE (zie Qiagen QIAQuck Gel Extraction kit protocol) en 96 mL moet worden toegevoegd aan de DNA/RNA Wash Buffer (zie ZymoBIOMICS DNA/RNA Miniprep kit protocol). Extra ethanol is nodig voor de ZymoBIOMICS DNA/RNA Miniprep en NEBNext® Ultra™ II RNA Library Prep with Sample Purification Beads kits. |
| Agarose | Thermo Fisher Scientific | BP1356-100 | 100 g per fles. 0,6 g agarose zou nodig zijn om een 2% 30 mL gel te maken. |
| Desinfecterend bleekmiddel | Walmart (Clorox) | Geen catalogusnummer | Gebruik een 10% bleekmiddeloplossing voor het reinigen van het werkgebied voor en na laboratoriumprocedures |
| DNA gel loading dye | Thermo Fisher Scientific | R0611 | Elk door de gebruiker gemaakt (d.w.z. niet-e-gel) dient ladingsverf te bevatten met alle monsters in de verhouding van 1 µL verf op 5 µL monster |
| DNA ladder | MilliporeSigma | D3937-1VL | Een ladder moet op elke gel/e-gel worden uitgevoerd |
| DNA/RNA Shield (2x) | Zymo Research | R1200-125 | 3 mL per sedimentmonster (50 mL conische) en 2 mL per watermonster (filter) |
| Ethidium bromide | Thermo Fisher Scientific | BP1302-10 | Wordt gebruikt voor het kleuren van door gebruikers gemaakte e-gels |
| Forward Primer | Integrated DNA Technologies (IDT) | 51-01-19-06 | 0,5 µL per PCR-reactie |
| Isopropanol | MilliporeSigma | 563935-1L | Meestal minder dan 2 mL per bibliotheek. Het benodigde volume varieert naargelang de massa van het uitgesneden gelfragment (zie Qiagen QIAQuick Gel Extraction kit protocol). |
| PCR-grade water | MilliporeSigma | 3315932001 | 13 µL per PCR-reactie (ervan uitgaande dat 1 µL van sjabloon-DNA-monster wordt gebruikt) |
| Platinum Hot Start PCR Master Mix (2x) | Thermo Fisher Scientific | 13000012 | 10 µL per PCR-reactie |
| Reverse Primer | Integrated DNA Technologies (IDT) | 51-01-19-07 | 0,5 µL per PCR-reactie |
| TBE Buffer (Tris-boraat-EDTA) | Thermo Fisher Scientific | B52 | 1 L van 10x TBE-buffer (30 mL van 1x TBE-buffer zou nodig zijn om één 30 mL gel te maken) |
| 1 L fles | Thermo Fisher Scientific | 02-893-4E | Een nodig per stroom (dezelfde fles kan voor meerdere stromen worden gebruikt als deze tussen gebruiken wordt gesteriliseerd) |
| 1,5 mL Microcentrifugebuizen | MilliporeSigma | BR780400-450EA | 5 microcentrifugebuizen zijn nodig per DNA-extractie en er zijn er nog 3 nodig om RNA te zuiveren (zie ZymoBIOMICS DNA/RNA Miniprep kit protocol) |
| 2% Agarose e-gel | Thermo Fisher Scientific | G401002 | Elke gel kan 10 monsters uitvoeren (dus 9 met een PCR-negatief en 8 als de extractie-negatief op dezelfde gel wordt uitgevoerd) |
| 50 mL Conicals | CellTreat | 229421 | 1 50 mL conische nodig per sedimentmonsters |
| 500 mL Beker | MilliporeSigma | Z740580 | Slechts 1 nodig (voor vlamsterilisatie) |
| Aluminiumfolie | Walmart (Reynolds KITCHEN) | Geen nummer | Aluminiumfolie kan worden gevouwen en geautoclaveerd. Het deel dat niet is blootgesteld aan de omgeving kan vervolgens worden gebruikt als een steriele, DNA- en RNA-vrije oppervlakte voor het verwerken van filters (een gevouwen stuk per filter om kruisbesmetting te voorkomen) |
| Autoclaaf | Gettinge | LSS 130 | Slechts een nodig |
| Centrifuge | MilliporeSigma | EP5404000138-1EA | Slechts 1 nodig |
| Koeler | ULINE | S-22567 | Bijna elke koeler kan worden gebruikt. Deze is vermeld omdat hij van schuim is gemaakt, waardoor hij lichter is en dus gemakkelijker mee te nemen voor veldbemonstering. |
| Disruptor Genie | Bio-Rad | 3591456 | Slechts een nodig |
| Electroforesekamer | Bio-Rad | 1664000EDU | Slechts 1 nodig |
| Elektroforese voeding | Bio-Rad | 1645050 | Slechts 1 nodig |
| Vriezer (-20 C) | K2 SCIENTIFIC | K204SDF | Een nodig om DNA-extracten op te slaan |
| Vriezer (-80 C) | K2 SCIENTIFIC | K205ULT | Een nodig om RNA-extracten op te slaan |
| Handschoenen | Thermo Fisher Scientific | 19-020-352 | Het catalogusnummer is voor Medium handschoenen. |
| Hitteblok | MilliporeSigma | Z741333-1EA | Slechts een nodig |
| Labbrander | Sterlitech | 177200-00 | Slechts een nodig |
| Laminairstroomkap | AirClean Systems | AC624LFUV | Slechts 1 nodig |
| Bibliotheekzuiveringskit | Qiagen | 28704 | Een kit heeft genoeg voor 50 reacties |
| Magneetplaat | Alpaqua | A001219 | Slechts een nodig |
| Microcentrifuge | Thermo Fisher Scientific | 75004061 | Slechts een nodig |
| Micropipet (1000 µL volume) | Pipette.com | L-1000 | Slechts 1 nodig |
| Micropipet (2 µL volume) | Pipette.com | L-2 | Slechts 1 nodig |
| Micropipet (20 µL volume) | Pipette.com | L-20 | Slechts 1 nodig |
| Micropipet (200 µL volume) | Pipette.com | L-200R | Slechts 1 nodig |
| NEBNext Ultra II RNA Library Prep with Sample Purification Beads | New England BioLabs Inc. | E7775S | Een kit heeft genoeg reagentia voor 24 monsters. |
Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken
Toestemming aanvragen