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
pt_BR
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Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology.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
Aqui, apresentamos um protocolo para investigar os impactos da fratura hidráulica nos córregos próximos, analisando suas comunidades microbianas de água e sedimentos.
A fratura hidráulica (HF), comumente chamada de "fracking", usa uma mistura de água de alta pressão, areia e produtos químicos para fraturar rochas, liberando óleo e gás. Esse processo revolucionou a indústria de energia dos EUA, pois dá acesso a recursos antes inalcançáveis e agora produz dois terços do gás natural total nos Estados Unidos. Embora o fracking tenha tido um impacto positivo na economia dos EUA, vários estudos têm destacado seus efeitos ambientais prejudiciais. Uma preocupação particular é o efeito da fracking sobre as correntes de cabeceira, que são especialmente importantes devido ao seu impacto desproporcionalmente grande na saúde de toda a bacia hidrográfica. As bactérias dentro desses córregos podem ser usadas como indicadores de saúde do córrego, já que as bactérias presentes e sua abundância em um fluxo perturbado seriam esperadas para diferir daquelas em um fluxo de outra forma comparável, mas não perturbada. Portanto, este protocolo visa usar a comunidade bacteriana para determinar se os córregos foram afetados pelo fracking. Para isso, devem ser coletadas sedimentos e amostras de água de córregos próximos à fracking (potencialmente impactados) e rio acima ou em uma bacia hidrográfica diferente da atividade fracking (não espaçada). Essas amostras são então submetidas à extração de ácido nucleico, preparação de bibliotecas e sequenciamento para investigar a composição da comunidade microbiana. A análise correlacional e os modelos de aprendizagem de máquina podem ser posteriormente empregados para identificar quais características são explanativas de variação na comunidade, bem como a identificação de biomarcadores preditivos para o impacto do fracking. Esses métodos podem revelar uma variedade de diferenças nas comunidades microbianas entre os córregos de cabeceira, com base na proximidade com o fracking, e servem de base para futuras investigações sobre o impacto ambiental das atividades de fracking.
A fratura hidráulica (HF), ou "fracking", é um método de extração de gás natural, que tem se tornado cada vez mais prevalente à medida que a demanda por combustíveis fósseis continua a aumentar. Esta técnica consiste em usar equipamentos de perfuração de alta potência para injetar uma mistura de água, areia e produtos químicos em depósitos de xisto ricos em metano, geralmente para liberar gases presos1.
Como essas técnicas de colheita não convencionais são relativamente novas, é importante investigar os efeitos dessas práticas nas vias navegáveis próximas. As atividades de fracking obrigam a limpeza de grandes faixas de terra para transporte de equipamentos e construção de poços. Aproximadamente 1,2-1,7 hectares de terra devem ser desmatados para cada poçobloco 2,potencialmente impactando o escoamento e a qualidade da água do sistema3. Há uma falta de transparência em torno da composição química exata do fluido fracking, incluindo quais biocidas são usados. Além disso, a fracking de águas residuais tende a ser altamente salina2. Além disso, as águas residuais podem conter metais e substâncias radioativas de ocorrência natural2. Portanto, a possibilidade de vazamentos e derramamentos de fluido de fracking devido a erro humano ou mau funcionamento do equipamento é preocupante.
Os ecossistemas de córregos são conhecidos por serem muito sensíveis às mudanças nas paisagens circundantes4 e são importantes para manter a biodiversidade5 e o ciclismo de nutrientes adequados6 dentro de toda a bacia hidrográfica. Os micróbios são os organismos mais abundantes em correntes de água doce e, portanto, são essenciais para o ciclismo de nutrientes, biodegradação e produção primária. A composição e a função da comunidade microbiana servem como ótimas ferramentas para obter informações sobre o ecossistema devido à sua sensibilidade à perturbação, e pesquisas recentes têm mostrado mudanças distintas nas montagens bacterianas observadas com base na proximidade com a atividade fracking7,8. Por exemplo, Beijerinckia, Burkholderiae Methanobacterium foram identificados como enriquecidos em córregos próximos à fracking, enquanto Pseudonocardia, Nitrospirae Rhodobacter foram enriquecidos nos córregos não próximos ao fracking7.
O sequenciamento da próxima geração do gene RNA ribossômico 16S (rRNA) é um método acessível para determinar a composição da comunidade bacteriana que é mais rápida e barata do que o sequenciamento de genoma inteiro se aproxima9. Uma prática comum no campo da ecologia molecular é usar a região V4 altamente variável do gene 16S rRNA para resolução de sequenciamento, muitas vezes até o nível do gênero com um amplo escopo de identificação9,pois é ideal para amostras ambientais imprevisíveis. Esta técnica tem sido amplamente implementada em estudos publicados e tem sido utilizada com sucesso para identificar o impacto das operações de fracking em ambientes aquáticos7,8. No entanto, vale a pena notar que as bactérias possuem números de cópias variados do gene 16S rRNA, que afeta suas abundâncias detectadas10. Existem algumas ferramentas para explicar isso, mas sua eficácia é questionável10. Outra prática que está crescendo rapidamente na prevalência e não tem essa fraqueza é o sequenciamento metatranscriômico, no qual todo o RNA é sequenciado, permitindo que os pesquisadores identifiquem tanto bactérias ativas quanto sua expressão genética.
Portanto, em contraste com os métodos em estudos publicados anteriormente7,8,11,12, este protocolo também abrange coleta de amostras, preservação, processamento e análise para investigar a função comunitária microbiana (metatranscriptomia). As etapas aqui detalhadas permitem que os pesquisadores vejam qual o impacto, se houver, fracking teve sobre os genes e caminhos expressos por micróbios em seus fluxos, incluindo genes de resistência antimicrobiana. Além disso, o nível de detalhamento apresentado para coleta de amostras é melhorado. Embora várias das etapas e notas possam parecer óbvias para pesquisadores experientes, elas podem ser inestimáveis para aqueles que estão apenas começando a pesquisa.
Aqui, descrevemos métodos de coleta e processamento de amostras para gerar dados genéticos bacterianos como um meio de investigar o impacto do fracking em córregos próximos com base nos vários anos de experiência de nossos laboratórios. Esses dados podem ser usados em aplicações a jusante para identificar diferenças correspondentes ao status de fracking.
1. Coleta de amostras de sedimentos para extração de ácido nucleico
2. Coleta de filtro para extração de ácido nucleico
3. Extração e quantificação de ácido nucleico
4. Criação da biblioteca rRNA 16S
5. DNA 16S rRNA library purificação
6. Criação e purificação da biblioteca RNA
7. Análise comunitária microbiana
O sucesso das extrações de DNA e RNA pode ser avaliado usando uma variedade de equipamentos e protocolos. Geralmente, qualquer concentração detectável de ambos é considerada suficiente para concluir que a extração foi bem sucedida. Examinando a Tabela 1, então, todas as extrações, exceto uma, seriam apelidadas de bem sucedidas. A falha nesta etapa deve-se muitas vezes à baixa biomassa inicial, má preservação da amostra ou erro humano durante a extração. No caso dos filtros, a extração pode ter sido bem sucedida mesmo que a concentração esteja abaixo da detecção. Se esses extratos não renderem faixas para PCR (se estiverem fazendo 16S) ou uma concentração detectável após a preparação da biblioteca (metatranscriptomics), eles provavelmente falharam.
Se o protocolo 16S for seguido, bandas brilhantes após a amplificação do PCR, como visto nos poços 4 e 6 na Figura 1,indicam sucesso, enquanto a falta de bandas, como visto nos outros poços da linha superior, indica falha. Além disso, uma faixa brilhante na faixa de gel que contém um controle PCR negativo também indicaria uma falha, uma vez que seria arriscado supor que a contaminação que afeta o controle negativo não afetou as amostras.
Tanto para o 16S quanto para a metatranscriptomia, o sucesso do sequenciamento pode ser avaliado olhando para o número de sequências obtidas(Figura 2). As amostras 16S devem ter um mínimo de 1.000 sequências, sendo pelo menos 5.000 ideais(Figura 2A). Da mesma forma, as amostras de metatranscriptomia devem ter um mínimo de 500.000 sequências, sendo pelo menos 2.000.000 ideais(Figura 2B). Amostras com menos sequências do que esses mínimos não devem ser utilizadas para análises, pois podem não representar com precisão sua comunidade bacteriana. No entanto, amostras que caem entre o mínimo e o ideal ainda podem ser utilizadas, embora os resultados devem ser interpretados com mais cautela se muitas amostras caírem nessa faixa.
O sucesso da análise subsequente a jusante pode ser determinado simplesmente com base na obtenção ou não dos arquivos de saída esperados. De qualquer forma, programas, como QIIME2 e R (Figura 3),devem permitir a avaliação de potenciais diferenças significativas entre as comunidades bacterianas baseadas no fracking. Os dados da Figura 3 foram obtidos através da coleta de amostras de sedimentos de vinte e um locais diferentes em treze fluxos diferentes para análise 16S e metatranscriptomics. Desses vinte e um locais, doze deles eram a jusante da atividade fracking e classificados como HF+, e nove deles eram a montante da atividade fracking ou em uma bacia hidrográfica onde o fracking não estava ocorrendo; esses fluxos foram classificados como HF-. Além da presença de atividade fracking, os córregos eram comparáveis.
Essas diferenças podem assumir a forma de mudanças composicionais consistentes com base no status de fracking. Se esse fosse o caso, hf+ e HF- amostras seriam esperadas para agrupar-se entre si em um lote PCoA, como é o caso da Figura 3A e Figura 3B. Para confirmar que essas mudanças aparentes não são apenas um artefato do método de ordenação, mais análises estatísticas são necessárias. Por exemplo, um teste PERMANOVA22 na matriz de distância que a Figura 3A e a Figura 3B baseiam-se em agrupamento significativo revelado com base no status de fracking, o que significa que a separação observada na trama é consistente com diferenças entre as comunidades bacterianas das amostras, em vez de um artefato de ordenação. Um resultado significativo permanova ou ANOSIM é uma forte indicação de diferenças consistentes entre as amostras de HF+ e HF, o que indicaria que as amostras de HF+ foram impactadas pelo fracking, enquanto um alto valor p indicaria que as amostras não foram impactadas. Os dados metatranscriptômicos também podem ser visualizados e avaliados usando os mesmos métodos.
Examinar características diferenciais (micróbios ou funções) pode revelar evidências de que as amostras também foram impactadas. Um método de determinar características diferenciais é criar um modelo florestal aleatório. O modelo florestal aleatório pode ser usado para ver o quão bem o status de fracking das amostras pode ser corretamente classificado. Se o modelo tiver um desempenho melhor do que o esperado por acaso, isso seria uma evidência adicional de diferenças dependentes do status de fracking. Além disso, os preditores mais importantes revelariam quais características eram mais importantes para diferenciar corretamente as amostras(Figura 3C). Esses recursos também teriam, então, valores consistentemente diferentes com base no status de fracking. Uma vez determinadas essas características diferenciais, a literatura pode ser revisada para ver se elas foram previamente associadas ao fracking. No entanto, pode ser desafiador encontrar estudos que determinassem funções diferenciais, já que a maioria só usou dados composicionais de rRNA 16S. Portanto, para avaliar as implicações das funções diferenciais, um método possível seria ver se elas foram previamente associadas à resistência potencial a biocidas comumente usados em fluido de fracking ou se poderiam ajudar a tolerar condições altamente salinas. Além disso, examinar o perfil funcional de um taxon de interesse poderia revelar evidências do impacto do fracking(Figura 3D). Por exemplo, se um taxon é identificado como diferencial pelo modelo florestal aleatório, seu perfil de resistência antimicrobiana em amostras de HF+ poderia ser comparado ao seu perfil em amostras de HF e se elas diferem muito, isso poderia sugerir que o fluido fracking contendo biocidas entrou no fluxo.
| Amostraid | Concentração (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 |
Tabela 1: Exemplos de concentrações de DNA baseadas no teste de dna fluorômetro 1x DSde alta sensibilidade . Extrações para todas essas amostras, com exceção de 14, seriam consideradas bem sucedidas devido a ter quantidades detectáveis de DNA.

Figura 1: Exemplo de e-gel com produtos PCR. O gel foi pré-manchado e visualizado sob uma luz UV, fazendo com que qualquer DNA presente nele brilhasse. PcR trabalhou para as amostras nos poços 4 e 6 na primeira linha, pois ambos tinham uma única faixa brilhante do tamanho esperado (com base na escada). PcR para as amostras nos outros seis poços falhou, pois eles não produziram nenhuma faixa. O controle positivo (primeiro bem, segunda linha) teve uma faixa brilhante, indicando que o PCR foi executado corretamente, e os controles negativos (poços 6 e 7, segunda linha) não possuíam faixas, indicando que as amostras não estavam contaminadas. Se um negativo tivesse uma faixa tão brilhante quanto as amostras, o PCR teria sido considerado um fracasso, pois seria arriscado supor que as amostras tinham amplicons que não eram apenas o resultado da contaminação. Clique aqui para ver uma versão maior desta figura.

Figura 2: A sequência de exemplo conta. (A) 16S contagem de sequência de exemplo. Quase todas essas amostras de 16S tinham mais de 1.000 sequências. Os poucos que tiveram menos de 1.000 sequências devem ser excluídos das análises a jusante, pois tinham sequências insuficientes para representar com precisão suas comunidades bacterianas. Várias sequências tiveram entre 1.000 e 5.000 sequências; embora não seja o ideal, eles ainda seriam utilizáveis, uma vez que excedem o mínimo, e a maioria das amostras excedem o mínimo ideal de 5.000 também. (B) Conta o exemplo de metatranscriptomia. Todas as amostras excederam o número mínimo (500.000) e o mínimo ideal (2.000.000) de sequências. Portanto, o sequenciamento foi bem sucedido para todos eles, e todos eles poderiam ser usados em análises a jusante. Clique aqui para ver uma versão maior desta figura.

Figura 3: Análise de exemplo. (A) Trama PCoA baseada em coordenadas calculadas com uma matriz de distância Unifrac ponderada criada e visualizada através do QIIME2. (B) Parcela PCoA baseada em coordenadas calculadas com a matriz de distância Unifrac ponderada exportada a partir de QIIME2. As coordenadas foram visualizadas usando os pacotes Phyloseq e ggplot2 em vetores R. Metadados foram instalados na trama usando o pacote Vegan. Cada ponto representa a comunidade bacteriana de uma amostra, com pontos mais próximos indicando composições comunitárias mais semelhantes. Foram observados clustering com base no estado de fracking dessas amostras de sedimentos 16S (PERMANOVA, p=0,001). Além disso, os vetores revelam que as amostras de HF+ tendiam a ter níveis mais elevados de Bário, Brometo, Níquel e Zinco, o que correspondia a diferentes composiçãos da comunidade bacteriana em comparação com as amostras de HF. (C) Gráfico dos melhores preditores para um modelo florestal aleatório que testou onde abundâncias bacterianas poderiam ser usadas para prever o status de fracking entre as amostras. O modelo de floresta aleatória foi criado através de R usando o pacote randomForest. Os 20 principais preditores são mostrados, bem como as consequentes reduções de impureza (medida do número de amostras de HF+ e HF agrupadas) na forma de Redução Média no Índice de Gini quando são utilizadas para separar amostras. (D) Gráfico de tortas mostrando o perfil de resistência antimicrobiana do perfil Burkholderiales com base em dados metatranscriptômicos. As sequências foram anotadas pela primeira vez com Kraken2 para determinar a que taxa pertenciam. O BLAST foi então usado com essas sequências anotadas e o banco de dados MEGARes 2.0 para determinar quais genes de resistência antimicrobiana (na forma de "MEG_#") estavam sendo ativamente expressos. Genes de resistência antimicrobiana expressos por membros de Burkholderiales foram então extraídos para ver quais eram mais prevalentes entre esse imposto. Embora mais cara e demorada, a metatranscriptomia permite análises funcionais, como esta, que não podem ser feitas com dados 16S. Notavelmente, kraken2 foi usado para esta análise de exemplo, em vez de HUMAnN2. Kraken2 é mais rápido que HUMAnN2; no entanto, ele só produz informações composicionais, em vez de composição, contribuição e funções (genes) e caminhos como o HUMAnN2 faz. Clique aqui para ver uma versão maior desta figura.
Arquivo Suplementar: Um exemplo de duto metatranscriptômico. Clique aqui para baixar este arquivo.
Os autores não têm nada a revelar.
Aqui, apresentamos um protocolo para investigar os impactos da fratura hidráulica nos córregos próximos, analisando suas comunidades microbianas de água e sedimentos.
Os autores gostariam de reconhecer as fontes de financiamento para os projetos que levaram ao desenvolvimento desses métodos, sendo essas fontes: o Howard Hughes Medical Institute (http://www.hhmi.org) por meio do Programa de Educação em Ciências Pré-Graduação e Pré-Graduação, bem como pela Fundação Nacional de Ciência (http://www.nsf.gov) através dos prêmios NSF DBI-1248096 e CBET-1805549.
| Etanol de 200 Provas | Thermo Fisher Scientific | A4094 | 400 mL precisam ser adicionados ao Buffer PE (consulte o protocolo do kit de extração de gel Qiagen QIAQuck) e 96 mL precisam ser adicionados ao tampão de lavagem de DNA/RNA (consulte o protocolo do kit ZymoBIOMICS DNA/RNA Miniprep). Etanol adicional é necessário para o ZymoBIOMICS DNA/RNA Miniprep e NEBNext® Ultra™ II Preparação da Biblioteca de RNA com kits de Grânulos de Purificação de Amostras. |
| Agarose | Thermo Fisher Scientific | BP1356-100 | 100 g por frasco. Seriam necessários 0,6 g de agarose para fazer um gel de 2% de 30 mL. |
| Alvejante desinfetante | Walmart (Clorox) | Sem número de catálogo | Use uma solução de alvejante a 10% para limpar a área de trabalho antes e depois dos procedimentos de laboratório |
| Gel de DNA carregando corante | Thermo Fisher Scientific | R0611 | Cada usuário feito (ou seja, não-e-gel) deve incluir corante de carregamento com todas as amostras na proporção de 1 µ L corante para 5 µ Escada de DNA de amostra L |
| MilliporeSigma | D3937-1VL | Uma escada deve ser executada em cada gel/e-gel | |
| DNA/RNA Shield (2x) | Zymo Research | R1200-125 | 3 mL por amostra de sedimento (50 mL cônico) e 2 mL por amostra de água (filtro) |
| Brometo de etídio | Thermo Fisher Scientific | BP1302-10 | Usado para coloração de e-gels feitos pelo usuário |
| Forward Primer | Integrated DNA Technologies ( IDT) | 51-01-19-06 | 0.5 µ L por reação de PCR |
| Isopropanol | MilliporeSigma | 563935-1L | Geralmente menos de 2 mL por biblioteca. O volume necessário varia de acordo com a massa do fragmento de gel excisado (consulte o protocolo do kit de extração de gel Qiagen QIAQuick). |
| Água de grau PCR | MilliporeSigma | 3315932001 | 13 µ L por reação de PCR (assumindo 1 µ L do modelo de DNA da amostra é usado) |
| Platinum Hot Start PCR Master Mix (2x) | Thermo Fisher Scientific | 13000012 | 10 µ L por reação de PCR |
| Reverse Primer | Integrated DNA Technologies (IDT) | 51-01-19-07 | 0.5 µ L por reação de PCR |
| Tampão TBE (Tris-borato-EDTA) | Thermo Fisher Scientific | B52 | 1 L de 10x tampão TBE (30 mL de 1x tampão TBE seriam necessários para fazer um gel de 30 mL) |
| 1 Frasco de L | Thermo Fisher Scientific | 02-893-4E | Um necessário por fluxo (o mesmo frasco pode ser usado para vários fluxos se for esterilizado entre os usos) |
| Tubos de microcentrífuga de 1,5 mL | MilliporeSigma | BR780400-450EA | São necessários 5 tubos de microcentrífuga por extração de DNA e 3 adicionais são necessários para purificar o RNA (ver protocolo do kit ZymoBIOMICS DNA/RNA Miniprep) |
| 2% de e-gel de agarose | Thermo Fisher Scientific | G401002 | Cada gel pode executar 10 amostras (portanto, 9 com PCR negativo e 8 se a extração negativa for executada no mesmo gel) |
| 50 mL de cônico | CellTreat | 229421 | 1 50 mL cônico necessário por amostras de sedimento |
| 500 mL Béquer | MilliporeSigma | Z740580 | Apenas 1 necessário (para esterilização por chama) |
| Folha de alumínio | Walmart (Reynolds KITCHEN) | Sem número | A folha de alumínio pode ser dobrada e autoclavada. A peça não exposta ao ambiente pode então ser usada como uma superfície estéril, livre de DNA e RNA para processamento de filtros (uma peça dobrada por filtro para evitar contaminação cruzada) |
| Autoclave | Gettinge | LSS 130 | Apenas uma |
| centrífuga | necessáriaMilliporeSigma | EP5404000138-1EA | Apenas 1 necessário |
| Resfriador | ULINE | S-22567 | Praticamente qualquer refrigerador pode ser usado. Este é listado por ser feito de espuma, tornando-o mais leve e, portanto, mais fácil de levar para amostragem de campo. |
| Disruptor Genie | Bio-Rad | 3591456 | Apenas uma necessidade |
| Câmara de eletroforese | Bio-Rad | 1664000EDU | Apenas 1 |
| necessidade Fonte de alimentação de eletroforese | Bio-Rad | 1645050 | Apenas 1 necessidade |
| Freezer (-20 C) | K2 SCIENTIFIC | K204SDF | Um necessário para armazenar extratos de DNA |
| Freezer (-80 C) | K2 SCIENTIFIC | K205ULT | Um necessário para armazenar extratos de RNA |
| Luvas | Thermo Fisher Scientific | 19-020-352 | O número do catálogo é para luvas médias. |
| Bloco de calor | MilliporeSigma | Z741333-1EA | Apenas um |
| queimador de laboratório | necessárioSterlitech | 177200-00 | Apenas um |
| necessário Capuz de fluxo laminar | Sistemas AirClean | AC624LFUV | Apenas 1 |
| necessário Kit de purificação de biblioteca | Qiagen | 28704 | Um kit tem o suficiente para 50 reações |
| Placa magnética | Alpaqua | A001219 | Apenas um |
| Microcentrífuga | necessáriaThermo Fisher Scientific | 75004061 | Apenas uma |
| Micropipeta necessária (1000 µ L) | Pipette.com | L-1000 | Apenas 1 Micropipeta necessária |
| (2 µ L volume) | Pipette.com | L-2 | Apenas 1 Micropipeta necessária |
| (20 µ L volume) | Pipette.com | L-20 | Apenas 1 Micropipeta necessária |
| (200 µ L volume) | Pipette.com | L-200R | Apenas 1 necessário |
| NEBNext Ultra II RNA Library Prep com Sample Purification Beads | New England BioLabs Inc. | E7775S | Um kit tem reagentes suficientes para 24 amostras. |
| Parafilm | MilliporeSigma | P7793-1EA | 2 quadrados de 1" x 1" são necessários por filtro |
| Tubos de PCR | Thermo Fisher Scientific | AM12230 | Um tubo necessário por reação |
| Pontas de pipeta (para 1000 µ L volume) | Pipette.com | LF-1000 | Pacote de 576 ponteiras |
| Ponteiras de pipeta (para 20 µ L volume) | Pipette.com | LF-20 | Pacote de 960 ponteiras Ponteiras |
| de pipeta (para 200 µ L volume) | Pipette.com | LF-250 | Pacote de 960 pontas |
| PowerWulf ZXR1+ cluster de computadores | PSSC Labs | Sem número | Este é apenas um exemplo de um supercomputador poderoso o suficiente para realizar análises metatranscriptômicas em tempo hábil. Apenas um necessário. |
| Kit inicial de fluorômetro Qubit | Thermo Fisher Scientific | Q33239 | Vem com um fluorômetro Qubit 4, reagente suficiente para 100 ensaios de DNA e 500 tubos |
| Qubit Scoopula | Thermo Fisher Scientific | 14-357Q | Apenas uma necessária |
| Lâminas estéreis | AD Surgical | A600-P10-0 | Uma necessária por filtro |
| Unidade de Filtro de Pressão Sterivex-GP | MilliporeSigma | SVGP01050 | 1 filtro necessário por amostra de água |
| Termociclador | Bio-Rad | 1861096 | Apenas um necessário |
| Vise-grip | Irwin | 2078500 | Apenas um necessário (para abrir os filtros) |
| Vortex-Genie 2 | MilliporeSigma | Z258415-1EA | Apenas 1 |
| necessário Sacos WHIRL-PAK | ULINE | S-22729 | 1 necessário por filtro |
| ZymoBIOMICS DNA/RNA Miniprep kit | Zymo Research | R2002 | Um kit tem reagentes suficientes para 50 amostras. |