MINERÍA la mejor puerta de acceso al sector minero MINERÍA / AGOSTO 2022 / EDICIÓN 539 16 2018) estaban presentes en las muestras. Para ello, se determinaron secuencias únicas que representan a los ZOTUs y se ordenaron según su abundancia total. Seguidamente, se eliminaron las secuencias “singletons” (aquellas que solo presentan una copia en el total de las secuencias), las secuencias quimeras y posibles secuencias artefactos, mediante el algoritmo UCHIME (Edgar et al., 2011; Edgar, 2016-1) Posteriormente, una vez se obtuvieron las secuencias “no quiméricas” (non-chimeric sequences), se realizó la clusterización de ZOTUs empleando el algoritmo USEARCH-UNOISE3 (Edgar, 2016-2, Edgar, 2018) a un 99% de identidad para la generación de clústeres de secuencias, teniendo como objetivo la reconstrucción de secuencias biológicas exactas. Finalmente, se crearon las tablas de ZOTUs. La taxonomía fue asignada mediante el algoritmo usearch-local y sintax de Usearch v11.1 (Edgar, 2011, Edgar, 2016-3) usando una base de datos de bacterias de suelos de construcción propia y una de carácter generalista, GreenGenes para 16S. Análisis de la microbiota Filtrado inespecífico de las lecturas Para ambos estudios y antes de comenzar el análisis, se realizaron dos pasos de depuración de datos. En el primero se trató de excluir aquellos ZOTUs cuyas secuencias pertenecían a cloroplastos, mitocondrias y aquellos taxones que a nivel de reino era desconocida su taxonomía (es decir, taxones no informativos), para mantener aquellas secuencias genuinamente procariotas. El segundo paso consistió en filtrar de forma inespecífica todos aquellos ZOTUs que tuvieran menos de 10 secuencias totales para el conjunto de las muestras por cada proyecto. A partir de la tabla de ZOTUs filtrada se realizaron los análisis posteriores. Métricas de secuenciación, clusterización e identificación taxonómica Después de los pasos de filtrado, se determinó por muestra, el número de lecturas efectivas, el número de ZOTUs, y el índice de Good’s coverage (Good, 1953; Claesson et al., 2009). Este último es un estimador de la capacidad de la secuenciación en capturar la variabilidad biológica de las muestras. Junto con estas métricas de calidad, se determinó el grado de asignación taxonómica para cada nivel a partir de las proporciones de secuencias taxonómicamente informativas para conocer el alcance de la identificación. Análisis de la composición microbiológica de las muestras Se estimaron para ambos estudios la abundancia observada, tanto absoluta como relativa, de los diferentes taxones en cada muestra, se pudo determinar la composición microbiológica de las zonas muestras en ambos estudios. La abundancia observada absoluta (frecuencia) se calculó teniendo en cuenta el recuento de las lecturas por cada taxón detectado a los diferentes niveles taxonómicos evaluados. Tabla 1. Estimaciones de los Índices de Diversidad Alfa Determinados por Localizaciones (media [± desviación estándar]) Localizaciones Contaminación S H 1-D Aguas arriba (NR) No 1,044 (± 99) 5.43 (± 0.20) 0.98 (± 0.01) Aguas abajo (DR) Sí 701 (± 153) 3.68 (± 0.77) 0.92 (± 0.03) Canal (EC) Sí 639 (± 109) 3.28 (± 0.72) 0.91 (± 0.04) Poza (SP) Sí 633 (± 84) 3.25 (± 0.67) 0.90 (± 0.04)
RkJQdWJsaXNoZXIy MTM0Mzk2