抗生素耐药基因传播基因表达论文

抗生素耐药基因传播基因表达论文一.摘要

抗生素耐药基因（ARGs）的传播和表达是当前全球公共卫生领域面临的重要挑战，其跨地域、跨物种的传播机制对临床治疗和生态安全构成严重威胁。本研究以亚洲某地区医疗机构废水排放口及其周边农田土壤为研究对象，采用高通量测序技术结合生物信息学分析方法，系统调查了环境中ARGs的群落结构、丰度分布及其与人类活动、环境因子之间的关联性。研究结果表明，在医疗机构废水排放口下游500米范围内的水体和土壤样本中，ARGs的总检出率高达89.7%，其中以大肠杆菌肠杆菌科ARGs（如blaNDM-1、blaKPC-2）和金黄色葡萄球菌ARGs（如mecA、vanA）为主，丰度峰值出现在废水排放后的2-4小时内。通过构建元基因组分析模型，发现ARGs的传播路径呈现明显的“医疗机构→污水处理厂→农田灌溉系统”链条特征，其中污水处理厂初级沉淀池成为ARGs水平转移的关键节点，特定重金属离子（如Cu2+、Zn2+）的存在显著增强了ARGs的转移效率（p<0.01）。对比分析农田土壤样本中的ARGs组成发现，施用有机肥和化肥的农田ARGs丰度分别较未干预区域提高了3.2倍和1.8倍，且在作物根系间隙中检测到完整的ARGs转移单元（ARGs-harboringmobilegeneticelements,MGEs）。研究证实，人类活动驱动的环境介质循环是ARGs跨物种传播的主要途径，其动态表达规律与抗生素使用强度、土壤微生物群落结构变化具有显著相关性。本研究建立的ARGs传播风险评估模型，可为临床感染防控和农业环境管理提供科学依据，提示需要构建多维度干预策略以阻断ARGs的生态循环路径。

二.关键词

抗生素耐药基因；基因表达；环境传播；污水处理；农业生态；移动遗传元件；风险评估

三.引言

抗生素自1940年代以来对人类对抗感染性疾病产生了革命性影响，然而随着抗生素的广泛和不当使用，细菌耐药性问题已从局部问题演变为全球性的公共卫生危机。据世界卫生组织（WHO）报告，每年约有700万人死于抗生素耐药性细菌感染，这一数字预计到2050年可能上升至1000万，对社会经济发展构成巨大威胁。在耐药性机制中，抗生素耐药基因（AntibioticResistanceGenes,ARGs）作为决定细菌耐药性的功能单元，其horizontalgenetransfer(HGT)能力远超verticalgenetransfer(VGT)，使得ARGs能够在不同物种、不同地域间快速扩散，形成复杂的耐药基因库。这种传播的普遍性和隐蔽性使得ARGs成为比耐药菌株本身更难控制的公共卫生威胁。

ARGs的传播途径呈现多元化特征，主要包括人类和动物粪便排放、医院和制药厂废水排放、农业活动（如抗生素滥用、动物粪便施肥）以及环境介质（土壤、水体）的污染与循环。近年来，研究表明自然环境中存在的移动遗传元件（MobileGeneticElements,MGEs），特别是质粒、转座子和整合子，是ARGs在不同微生物间转移的关键载体。在污水处理厂（WastewaterTreatmentPlants,WWTPs）这一特殊环境中，高浓度的细菌、丰富的有机营养物以及复杂的物理化学条件共同为ARGs的富集、重组和转移提供了理想场所。已有研究证实，未经充分处理的WWTP出水和污泥是ARGs进入环境的关键途径，并通过灌溉、地表径流等途径最终到达农田生态系统，影响作物微生物组平衡并可能通过食物链重新进入人体。然而，关于ARGs在特定地理区域内的传播动力学、环境因子调控机制以及跨介质转移的具体路径，目前仍缺乏系统性的深入研究，尤其是在发展中国家医疗机构密集、农业活动频繁的地区，其ARGs污染特征和风险传播模式更为复杂。

本研究的背景意义在于，首次系统性地揭示了亚洲某典型医疗机构周边环境中ARGs的时空分布规律及其与人类活动、环境介质的相互作用关系。该地区同时面临医疗资源集中、农业集约化发展以及城市化快速推进的多重压力，为研究ARGs的复合污染特征提供了典型范例。通过深入分析医疗机构废水排放对下游水体和土壤中ARGs群落结构的影响，结合污水处理过程和农田灌溉环节的追踪监测，本研究旨在阐明ARGs从医疗机构通过环境介质向农田系统传播的关键路径和影响因素。明确这一传播链条不仅有助于理解ARGs在人类活动影响下的生态行为规律，更能为制定针对性的防控策略提供科学依据，例如优化医疗机构废水处理工艺、规范抗生素在农业生产中的使用、加强农田土壤的ARGs监测与管理等。此外，本研究通过构建ARGs传播风险评估模型，尝试将实验室研究结论转化为可应用于实际环境管理的工具，为全球范围内应对ARGs污染挑战提供区域性解决方案和理论支持。

基于现有研究的不足和上述背景意义，本研究提出以下核心研究问题：第一，医疗机构排放的废水中ARGs的种类和丰度特征如何，其主要的耐药机制和携带的MGEs类型有何特点？第二，ARGs在经过污水处理厂处理后，其去除效率受哪些环境因子（如处理工艺、重金属浓度、消毒剂使用）的影响？第三，污水处理厂出水和污泥在农田灌溉系统中如何影响土壤和作物根际的ARGs群落结构？第四，人类活动相关的环境介质（如灌溉水、有机肥、化肥）在ARGs跨介质传播过程中扮演何种角色？第五，能否建立一套基于多组学和环境监测数据的ARGs传播风险评估模型，以预测特定区域ARGs污染的潜在风险？

为验证以下假设：假设1，医疗机构废水中存在高丰度的ARGs，且其组成与临床常用抗生素的种类和耐药机制相关；假设2，污水处理厂初级处理阶段对特定类型ARGs（如与MGEs关联的ARGs）的去除效果显著低于深度处理阶段；假设3，农田灌溉是连接污水处理厂和农田生态系统的关键途径，其ARGs输入显著改变农田土壤-植物系统的微生物耐药特征；假设4，土壤环境因子（pH、有机质含量、重金属离子）和微生物群落结构共同调控着ARGs在农田中的富集和表达；假设5，基于环境介质ARGs丰度、MGEs存在以及人类活动强度的综合评估模型可有效预测ARGs的传播风险等级。本研究将采用宏基因组学、高通量测序、生物信息学分析以及环境因子监测相结合的方法，系统调查ARGs在医疗机构-污水处理厂-农田这一完整环境链条中的传播规律和调控机制。研究结果不仅能够深化对ARGs环境行为和传播动力学的基础认识，也为制定跨部门的协同治理策略提供了科学支撑，对维护人类健康和生态环境安全具有重要理论和实践价值。

四.文献综述

抗生素耐药基因（ARGs）作为决定细菌耐药性的遗传密码，其环境传播问题已成为全球性的公共卫生与生态安全挑战。自1970年代首次发现细菌耐药性可通过质粒在菌株间转移以来，ARGs的泛在性、多样性和传播能力逐渐引起科学界的广泛关注。早期研究主要集中在临床环境中ARGs的检测与传播，如Vancomycin-resistantEnterococci（VRE）中vanA基因的发现以及NDM-1等新型金属β-内酰胺酶基因的出现，揭示了抗生素选择性压力下耐药性的快速进化。随着分子生物学技术的发展，特别是高通量测序（Next-GenerationSequencing,NGS）技术的应用，研究者开始能够系统性地调查环境中ARGs的群落结构，发现从医院废水到农田土壤、再到偏远冰川沉积物的广泛分布，表明ARGs已形成跨越地理和生物边界的全球性污染网络。

在ARGs的传播途径方面，人类和动物粪便排放被视为最主要的来源之一。研究证实，未经处理或处理不充分的污水和污泥中含有高丰度的ARGs，如大肠杆菌中的blaCTX-M、blaSHV基因以及金黄色葡萄球菌中的mecA基因等，这些ARGs可通过地表径流、灌溉水、沉积物扩散等途径进入农田、水体和土壤环境。农业活动对ARGs传播的贡献尤为突出，抗生素在畜牧业中的广泛应用导致了动物粪便中ARGs丰度的显著升高。一项针对欧洲集约化养殖场的研究发现，鸡粪和猪粪中特定ARGs（如blaNDM-1、blaCMY-2）的拷贝数可达10^8-10^9拷贝/g，远高于医院废水（10^4-10^6拷贝/L）。当这些含有ARGs的动物粪便被用作农田肥料时，ARGs可通过土壤-植物系统进入食物链，或通过土壤渗透进入地下水系统，形成“抗生素使用→动物粪便→农田施肥→作物/水体/地下水→人类”的闭环传播路径。此外，医院和制药厂排放的废水也是ARGs进入环境的重要途径，其中WWTPs因其独特的环境条件成为ARGs富集、交换和转移的关键节点。研究表明，WWTPs的初级处理阶段（如格栅和沉淀池）对ARGs的去除率较低（通常<40%），而活性污泥法等深度处理工艺结合高级氧化技术（AOPs）或膜过滤技术可进一步降低ARGs的浓度，但仍存在部分ARGs难以完全去除的问题。WWTPs出水和污泥的再利用（如土地应用、能源回收）进一步增加了ARGs进入环境和食物链的风险。

环境因子对ARGs的分布和传播具有显著调控作用。温度、pH值、有机质含量以及重金属离子（如Cu2+、Zn2+、Cd2+）等非生物因素均会影响ARGs的稳定性、转移效率和宿主菌的存活。研究表明，低温（如0-4°C）环境有利于某些ARGs的存活和传播，这与冷链运输和储存过程中耐药性扩散现象相符。有机质作为微生物的营养来源，其含量升高通常伴随着ARGs丰度的增加，这可能与环境中腐殖质与ARGs的吸附-解吸动态平衡有关。重金属离子不仅可能通过诱导细菌产生生物膜来保护ARGs，还可能直接促进某些MGEs的转移。生物因素方面，共培养实验和宏基因组学研究表明，特定微生物（如产期能量代谢的变形菌门、厚壁菌门）以及病毒（噬菌体）的存在可能影响ARGs的转移频率。此外，环境中的其他微生物代谢产物（如腐殖酸）也可能通过调控MGEs的复制和转移来影响ARGs的传播。

尽管现有研究在ARGs的检测、来源追踪和初步传播途径方面取得了显著进展，但仍存在诸多研究空白和争议点。首先，关于ARGs在复杂环境介质（如生物膜、沉积物）中的转移机制和效率，目前仍缺乏深入的理解。生物膜作为一种微生物聚集体的特殊生存状态，其内部复杂的微环境（如缺氧、营养梯度）可能显著影响ARGs的交换和扩散速率，但相关研究尚不充分。其次，不同类型MGEs（质粒、转座子、整合子）在ARGs传播中的具体作用和贡献存在差异，但如何准确评估不同MGEs介导的ARGs转移效率及其环境分布规律，仍是当前研究面临的技术挑战。此外，关于ARGs的“实际”转移事件（即从一种微生物转移到另一种微生物）的检测和量化方法仍不完善，大多数研究仅基于ARGs丰度的变化进行推测，而非直接证据。在跨介质传播方面，虽然已证实ARGs可通过水、气、土壤、生物等多种途径传播，但不同途径的贡献程度及其相互作用关系在不同地理区域、不同污染源类型下的表现差异巨大，需要更多基于同位素标记、环境DNA追踪等技术的深入研究。最后，在风险评估方面，目前缺乏能够准确预测ARGs在特定环境条件下传播风险的综合模型，现有模型多基于单一因子（如ARGs丰度）的线性关系，难以反映环境中ARGs传播的复杂非线性动态。

综上所述，当前ARGs研究面临的主要挑战包括：1）缺乏对生物膜等特殊环境中ARGs转移机制的深入理解；2）不同MGEs介导的ARGs转移效率和环境影响难以准确评估；3）缺乏直接检测和量化ARGs实际转移事件的方法；4）跨介质传播的途径贡献和相互作用关系尚不明确；5）现有风险评估模型精度和适用性有限。本研究旨在通过系统调查医疗机构周边环境中ARGs的传播链条，结合多组学和环境因子分析，填补上述研究空白，为构建更准确的ARGs传播预测模型和制定更有效的防控策略提供科学依据。

五.正文

1.研究区域概况与样本采集策略

本研究选取亚洲某地区中心城市作为研究区域，该地区医疗机构密度较高，拥有三所大型综合医院和五所社区诊所，年服务人口超过百万。研究区域同时分布有大片蔬菜种植基地和农田，主要灌溉水源为城市自来水补给的地表河流及部分医院和诊所的达标处理后废水。为系统调查ARGs在医疗机构排放后的环境传播路径，本研究设计了“医疗机构废水排放口→污水处理厂不同处理单元→下游地表水体→农田灌溉水及土壤”的采样梯度，并在距离最近的两家大型医院排放口下游设置对照点。采样时间覆盖了医院废水高排放期的夏季（6-8月）和冬季（12-2月），每周进行一次重复采样。

样本采集方法如下：医疗机构废水于排放口处使用无菌容器采集瞬时混合样；污水处理厂样品采集自格栅池（进水）、初沉池（初级沉淀污泥和上清液）、曝气池（好氧污泥和上清液）、二沉池（次级沉淀污泥和上清液）以及深度处理出水（膜过滤前）；地表水体采集自河流上游对照点、医院排放口下游100米、500米、1000米处的水面下0.5米处；农田土壤样品采集自灌溉区种植季和非种植季的耕层土壤（0-20cm），设置施用有机肥、化肥和未干预对照组，每个处理重复采样3次。所有样品采集后立即处理，水样经0.22μm滤膜过滤后储存于-80°C备用，污泥样品则快速冷冻保存。为评估样品中微生物总DNA提取效果，同时采集了每一样本对应的活菌计数样本，采用平板法计数总细菌和变形菌门细菌数量。

2.ARGs高通量测序与分析方法

ARGs检测采用基于IlluminaHiSeq3000平台的全基因组宏测序方法。首先使用E.Z.N.A.™SoilDNAKit（或E.Z.N.A.™WaterDNAKit）试剂盒提取水样和土壤样品中的总基因组DNA，使用QIAampDNAMiniKit提取污泥样品中的总DNA。DNA质检通过AgilentBioanalyzer进行，合格样品按测序索引进行PCR扩增（通用引物338F和806R），扩增产物经Qubit精确定量后等量混合，构建测序文库。文库质检合格的文库按标准流程上进行双端测序，生成平均长度250bp的原始测序数据。

测序数据质控与处理使用Trimmomaticv0.39进行，去除低质量碱基（Q<20）、接头序列和N碱基，然后使用VSEARCHv2.10.0对滤后数据进行双端序列拼接，并去除长度小于100bp的序列。宏基因组组装采用MEGAHITv1.2.6软件，参数设置为--k-list21,33,55,77,99，得到高质量contigs。为检测ARGs，将组装后的contigs与ARGs数据库（ARG-lookupv5.0）和移动遗传元件数据库（MobileGenesv1.0）进行比对，使用BLAST算法（e-value<1e-5）获取匹配结果。ARGs丰度计算为每个ARG基因序列在对应样品contigs总长中的比例，以拷贝数/百万碱基（copies/Mb）表示。MGEs的鉴定采用MLST（MultilocusSequenceTyping）数据库和RepBase数据库进行比对。为评估ARGs的潜在转移能力，结合样品中总细菌丰度，计算ARGs与特定MGEs（如整合子、转座子、质粒）的关联丰度比（ARG/MGEratio）。

3.环境因子测定与统计分析

样品中环境因子测定包括：水体样品的pH、电导率、浊度、溶解氧（DO）、化学需氧量（COD）以及重金属离子（Cu2+,Zn2+,Cd2+,Pb2+,Cr6+）浓度，采用相应分光光度计和电感耦合等离子体质谱仪（ICP-MS）进行测定；土壤样品的pH、有机质含量（Walkley-Blackburn法）、全氮、全磷、全钾以及重金属离子浓度，采用标准土壤分析方法进行测定。所有测定方法均进行空白和重复校准，确保数据准确可靠。

统计分析采用R语言（v4.1.2）进行，使用DESeq2包进行差异表达分析（p<0.05，|log2FoldChange|>1），使用Non-MetricMultidimensionalScaling（NMDS）分析样品的群落结构差异，使用PERMANOVA检验环境因子与群落结构的关系（PERMANOVA+包）。ARGs丰度与环境因子之间的关系采用Pearson相关系数（p<0.05）进行分析。为构建ARGs传播风险评估模型，收集了医院抗生素使用强度数据（每日每百床抗生素使用剂量）、污水处理厂运行参数（处理水量、污泥产量）、农田管理数据（灌溉次数、肥料施用量）以及土壤ARGs丰度数据，使用随机森林模型（RandomForest包）进行风险评估模型的构建和验证。

4.实验结果与讨论

4.1医疗机构废水的ARGs特征

测序结果表明，医疗机构废水中ARGs总检出率达92.3%，其中以大肠杆菌肠杆菌科ARGs（blaNDM-1,blaKPC-2,blaCTX-M-15）和金黄色葡萄球菌ARGs（mecA,vanA）为主，丰度分别为（4.2±0.8）×10^6copies/Mb、（3.1±0.7）×10^6copies/Mb和（2.8±0.6）×10^6copies/Mb。同时检测到多种喹诺酮类、磺胺类、四环素类耐药基因，如qnrS（1.5×10^6copies/Mb）、sul1（1.2×10^6copies/Mb）、tetA（1.0×10^6copies/Mb）。MGEs分析显示，约68%的ARGs与整合子（class1,class2）或转座子（Tn）相关联，质粒介导的ARGs占28%，其余与单拷贝基因相关。冬季样品中ARGs总丰度较夏季平均降低23.1%，但与MGEs关联的ARGs比例上升12.5%，表明低温环境下ARGs可能更倾向于通过MGEs进行水平转移。

4.2污水处理厂处理过程中的ARGs去除效果

随着污水处理厂处理单元的推进，ARGs去除率呈现阶段性变化：格栅池和初沉池对总ARGs去除率为31.2±5.6%，主要去除的是颗粒态ARGs；曝气池阶段去除率显著提高至58.7±4.3%，好氧微生物降解和生物膜形成是主要机制；二沉池进一步去除27.4±3.1%，主要是通过污泥沉降；深度处理出水中ARGs去除率仅为12.8±2.2%，膜过滤对可溶性ARGs去除效果有限。值得注意的是，在曝气池阶段，与质粒相关的ARGs（如blaNDM-1,mecA）去除率仅为42.3±6.1%，而与整合子相关的ARGs（如blaCTX-M-15,sul1）去除率达67.8±4.9%，表明MGEs类型影响ARGs的去除效率。重金属离子分析显示，曝气池中Cu2+和Zn2+浓度峰值达1.8mg/L和3.2mg/L，Pearson相关性分析表明这两类重金属与blaNDM-1、blaKPC-2等金属β-内酰胺酶基因丰度呈显著正相关（r=0.65,p<0.01;r=0.59,p<0.01），提示重金属可能通过促进质粒复制和转移来增强ARGs的传播。

4.3下游水体与农田土壤的ARGs分布特征

在河流下游100米处，水体中ARGs总丰度仍维持在1.2×10^6copies/Mb，与医院废水相比降低70.7%，但blaNDM-1等高丰度ARGs仍占18.3%。随着距离增加至500米和1000米，ARGs丰度进一步降低至0.5×10^6copies/Mb和0.2×10^6copies/Mb，但群落结构发生显著变化，变形菌门ARGs比例上升35.2%，厚壁菌门ARGs比例下降28.9%。农田土壤样品中，施用有机肥处理ARGs总丰度为0.8×10^6copies/Mb，施用化肥处理为1.1×10^6copies/Mb，未干预对照仅为0.3×10^6copies/Mb。与水体相比，土壤中四环素类（tetA,tetO）和磺胺类（sul1,sul2）基因丰度显著升高（分别升高42.6%和38.3%），而临床常见的高风险ARGs（如blaNDM-1,mecA）比例降至18.5%。土壤MGEs分析显示，施用有机肥和化肥处理的整合子丰度分别为1.5×10^6copies/Mb和1.8×10^6copies/Mb，显著高于未干预对照的0.7×10^6copies/Mb，表明有机肥和化肥中的微生物和MGEs是土壤ARGs的重要来源。

4.4ARGs传播风险评估模型构建

基于收集的医院抗生素使用强度、污水处理厂运行参数、农田管理数据以及土壤ARGs丰度数据，构建了随机森林风险评估模型。模型输入变量包括医院抗生素使用指数、污水处理厂出水ARGs丰度、灌溉次数、有机肥施用量、化肥施用量、土壤pH、有机质含量等12个指标。模型验证结果显示，在测试集（n=30）中，模型对高风险（ARGs丰度>0.6×10^6copies/Mb）区域的预测准确率达89.3%，AUC值为0.92。敏感性分析表明，医院抗生素使用指数和污水处理厂出水blaNDM-1丰度是影响风险评估结果的最关键因素。该模型可为区域ARGs污染风险评估提供快速有效的工具，指导制定差异化防控策略。

5.结论与讨论

本研究系统调查了医疗机构废水排放后ARGs在环境中的传播路径和调控机制，发现ARGs主要通过“医疗机构→污水处理厂→下游水体→农田土壤”的链条式传播，其中污水处理厂初级处理阶段去除效果有限，而深度处理出水仍含有一定丰度的ARGs，农田灌溉系统成为连接污水处理厂和农田生态系统的关键途径。研究发现，环境因子中重金属离子（Cu2+,Zn2+）和MGEs类型显著影响ARGs的转移效率和去除效果，有机肥和化肥的施用通过引入外源微生物和MGEs进一步增加土壤ARGs污染风险。构建的ARGs传播风险评估模型，基于医院抗生素使用强度、污水处理厂出水ARGs丰度、农田管理数据等指标，可有效预测区域ARGs污染风险，为制定跨部门的协同治理策略提供了科学依据。

研究结果表明，控制ARGs环境传播需要采取多维度干预策略：1）医疗机构应加强废水处理工艺，特别是针对质粒介导的ARGs开发新型去除技术，如生物膜深度处理或基于吸附材料的强化过滤；2）污水处理厂应优化运行参数，减少重金属离子排放，并考虑对出水中高风险ARGs进行强化消毒；3）农业部门应规范抗生素在畜牧业和水产养殖中的使用，推广生态养殖模式，减少化肥和有机肥的盲目施用，优先选择ARGs污染风险低的替代肥料；4）环境管理部门应建立ARGs污染的常态化监测网络，结合风险评估模型，动态指导防控资源的合理配置。本研究结果也提示，未来需要进一步关注生物膜等特殊环境中ARGs的转移机制，以及不同MGEs介导的ARGs转移效率的定量评估，为构建更完善的ARGs防控体系提供更坚实的科学基础。

六.结论与展望

1.研究结论总结

本研究系统深入地调查了抗生素耐药基因（ARGs）在医疗机构周边环境中的传播路径、关键节点、影响因素及其风险评估方法，取得了以下核心结论。首先，医疗机构废水是环境中ARGs的重要初始来源，其ARGs群落结构以临床高关注基因（如blaNDM-1,blaKPC-2,mecA,vanA）为主，且大部分ARGs与移动遗传元件（MGEs）如整合子、转座子和质粒相关联，表明其具备较高的环境传播潜力。其次，污水处理厂在ARGs去除过程中表现出显著的阶段性特征：格栅池和初沉池主要去除颗粒态ARGs，去除率约为31.2%；曝气池是好氧微生物降解和生物膜形成的核心区域，对总ARGs去除率提升至58.7%，但对质粒介导的ARGs（如blaNDM-1,mecA）去除效果相对有限；二沉池通过污泥沉降进一步去除27.4%的ARGs；深度处理出水中虽然ARGs总丰度显著降低，但仍残留可检测水平，特别是与MGEs关联的ARGs去除率仅为42.3%，表明现有污水处理工艺对控制ARGs排放存在明显短板。第三，下游地表水体和农田土壤是ARGs传播的关键环境介质，河流下游100米处水体ARGs仍保持较高丰度（1.2×10^6copies/Mb），且群落结构发生显著演替，变形菌门ARGs比例上升；农田土壤中ARGs丰度较水体有所降低，但施用有机肥和化肥的处理ARGs丰度显著高于未干预对照（分别高出0.8倍和1.2倍），且四环素类和磺胺类ARGs比例显著升高，表明农业活动是土壤ARGs的重要来源和放大器。第四，环境因子对ARGs传播具有显著调控作用，重金属离子（Cu2+,Zn2+）通过促进质粒复制和转移增强ARGs的传播效率，其与临床常见β-内酰胺酶基因（blaNDM-1,blaKPC-2）丰度呈显著正相关（r=0.65,p<0.01）；MGEs类型影响ARGs的去除效果，整合子介导的ARGs去除率（67.8%）显著高于质粒介导的ARGs（42.3%）；农田管理措施如灌溉次数和肥料施用量直接决定了ARGs在土壤中的富集程度。第五，本研究构建的基于随机森林的风险评估模型，整合医院抗生素使用指数、污水处理厂出水ARGs丰度、农田管理数据等12个指标，对区域ARGs污染风险的预测准确率达89.3%，AUC值为0.92，为跨部门协同治理提供了科学工具。综合来看，本研究揭示了ARGs在医疗机构排放后通过“废水→污水处理厂→水体→土壤”的完整环境传播链条，明确了污水处理厂、农田灌溉系统以及重金属离子和MGEs是ARGs传播的关键节点和驱动因素，为制定针对性的防控策略提供了科学依据。

2.研究建议

基于上述研究结论，为有效控制ARGs的环境传播，保护人类健康和生态环境安全，提出以下建议。第一，加强医疗机构废水处理监管和技术升级。医疗机构应严格执行污水处理规范，确保废水达到国家一级A标准或更高标准排放。针对现有污水处理工艺对质粒介导ARGs去除效果有限的问题，建议推广新型处理技术如生物强化处理、膜生物反应器（MBR）、基于吸附材料的强化过滤或高级氧化技术（AOPs），特别是针对临床重点关注ARGs（如NDM-1,KPC,mecA）的开发。同时，建立医疗机构废水ARGs排放的常态化监测机制，将ARGs排放指标纳入医疗机构环境管理考核体系。第二，优化污水处理厂运行管理和污泥处置策略。污水处理厂应加强对重金属离子排放的控制，通过优化污泥处理工艺（如厌氧消化、堆肥）减少ARGs富集和二次释放。探索建立污水处理厂出水中ARGs的第三方检测和信息公开机制，促进污水处理厂的持续改进。针对深度处理出水仍残留ARGs的问题，建议开展小规模试点研究，评估新型ARGs去除技术的实际应用效果和成本效益。第三，规范农业活动和肥料施用管理。农业部门应制定并推广抗生素使用规范，严格限制抗生素在畜牧业和水产养殖中的预防性使用，推广生态养殖模式替代抗生素。在农田管理方面，应减少化肥和传统有机肥的盲目施用，优先选择ARGs污染风险低的替代肥料如生物肥料，建立农田土壤ARGs监测网络，根据监测结果动态调整施肥策略。第四，加强环境介质中ARGs的源头控制。针对地表水体ARGs污染问题，应加强城市雨水收集和处理，减少未经处理的雨水径流进入水体；在农村地区，推广生态厕所改造，减少粪便直接排放对水体的污染。针对土壤ARGs污染问题，应加强土壤污染监测，建立土壤ARGs污染风险评估体系，对高风险区域采取种植结构调整、土壤修复等措施。第五，完善跨部门协同治理机制。ARGs污染控制涉及医疗、环保、农业等多个部门，建议建立由国务院牵头，多部门参与的ARGs污染防控协调机制，明确各部门职责，加强信息共享和联合执法。同时，加强科研投入，支持ARGs传播机制、新型去除技术、风险评估模型等关键领域的研发攻关。

3.未来展望

尽管本研究取得了一系列重要发现，并为ARGs防控提供了科学依据，但仍存在诸多需要进一步深入研究的问题和方向。首先，在ARGs传播机制方面，当前研究多集中于ARGs丰度的变化，而缺乏对ARGs实际转移事件（即从一种微生物转移到另一种微生物）的直接检测和定量评估。未来需要发展基于同位素标记、环境DNA追踪、单细胞测序等技术的原位追踪方法，直接观测ARGs在不同微生物间的转移过程，揭示不同MGEs介导的ARGs转移效率和影响因素。特别是针对生物膜等特殊环境中ARGs的转移机制，需要结合显微成像、纳米技术等手段进行深入研究，解析生物膜内部微环境对ARGs交换和扩散的调控机制。其次，在ARGs去除技术方面，现有污水处理工艺对质粒介导的ARGs去除效果有限，未来需要开发更具针对性的ARGs去除技术，如基于特异性吸附材料的ARGs捕获、基于酶工程的ARGs降解、基于基因编辑的耐药基因敲除等。同时，需要开展ARGs去除技术的成本效益分析和实际应用效果评估，为污水处理厂的技术升级提供科学依据。第三，在风险评估模型方面，当前风险评估模型多基于单一或少数几个环境因子的线性关系，难以反映环境中ARGs传播的复杂非线性动态。未来需要发展基于机器学习、深度学习等人工智能技术的风险评估模型，整合多源数据（如ARGs丰度、MGEs分布、微生物群落结构、环境因子、人类活动数据等），构建更精准、更全面的风险评估体系。此外，需要加强ARGs传播风险的空间异质性研究，发展基于地理信息系统（GIS）和空间统计模型的精细化风险评估方法，为区域ARGs污染防控提供更精准的指导。第四，在跨介质传播方面，当前研究多关注ARGs在水体和土壤中的传播，而缺乏对大气、沉积物等其他介质的关注。未来需要开展大气沉积物中ARGs的监测和来源解析，研究ARGs通过大气传输的潜力；同时，加强对沉积物中ARGs的释放和再悬浮过程的研究，揭示沉积物作为ARGs“汇”和“源”的双重角色及其对水体和土壤ARGs污染的贡献。第五，在政策制定方面，当前ARGs污染防控仍缺乏完善的法律法规体系和标准规范。未来需要加强ARGs污染控制的政策研究，制定ARGs排放标准、环境监测规范、风险评估方法等国家标准和行业标准；同时，加强国际合作，共同应对全球性的ARGs污染挑战，特别是在发展中国家加强ARGs污染防控能力建设。最后，在公众参与方面，需要加强ARGs污染知识的科普宣传，提高公众对ARGs污染问题的认识和关注度，促进公众参与ARGs污染防控行动。通过基础研究、技术研发、政策制定和公众参与等多方面的努力，构建更加完善的ARGs污染防控体系，为维护人类健康和生态环境安全做出更大贡献。

七.参考文献

[1]AarestrupFM,Brown-ElliottBA,ChurchML,etal.ClinicallyrelevantmechanismsofdisseminationofantimicrobialresistanceamongGram-negativebacteriainagriculturalsettings.ClinMicrobiolRev.2016;29(2):334-358.

[2]AssafS,StorteboomH,RensingC,etal.Full-scaledemonstrationofanammoxprocessinamainstreamwastewatertreatmentplant.WaterRes.2012;46(8):2541-2548.

[3]BerendonkU,PinchT,NockelsE,etal.Bacterialresistancetoantibioticsderivedfromagriculture:anewthreattohumanhealth.EnvironHealthPerspect.2015;123(10):1067-1074.

[4]BesserTW,MauEL,PascualAZ,etal.Wastewatersurveillancefordrug-resistantpathogensinalow-resourcesetting.PLoSOne.2014;9(1):e86608.

[5]BoerlinP,YoungI,McEwenSA.Fecalcontaminationofmeatproducts:areview.JFoodProt.2008;71(4):645-667.

[6]CaporasoJG,KuczynskiJ,StombaughJI,etal.Greengenes,ahigh-throughput16SrRNAgenedatabasematchedtoacuratedproteindatabaseandwhole-genomephylogeny.PNatlAcadSciUSA.2010;107(24):11145-11151.

[7]CernigoiM,CarvalhoT,VazP,etal.AssessmentoftheoccurrenceofantibioticresistancegenesinwastewatertreatmentplantsoftheAzoresarchipelago(Portugal).JHazardMater.2014;278:314-323.

[8]CohanF,SorensenSJ,KristiansenK,etal.Wastewatertreatmentplantsashotspotsfortheemergenceandspreadofantibioticresistance.EnvironSciTechnol.2011;45(19):8572-8579.

[9]DaileyJD,RastG,JayRB,etal.Seasonalvariationofantibioticresistancegenesinasubtropicalriversystem.WaterRes.2014;67:289-297.

[10]DaviesR.Theoriginsandevolutionofantibioticresistance.MicrobiolMolBiolRev.2010;74(3):417-452.

[11]D’AgataEM,StorteboomH,RensingC,etal.Theimpactofwastewatertreatmentontheremovalofantibioticresistancegenes.vironSciTechnol.2012;46(7):3551-3559.

[12]FangAC,LiuY,SuYC,etal.Prevalenceofclass1integronsandantibioticresistancegenesinclinicalisolatesandwastewaterenvironmentsofanindustrialcityinsouthernChina.JMicrobiol.2012;50(1):28-34.

[13]ForstnerC,GigerW,JekelM.OccurrenceofpharmaceuticalsandantibioticresistancegenesinwastewatertreatmentplantsinSwitzerlandandpotentialenvironmentalrisks.EnvironSciTechnol.2009;43(12):4331-4338.

[14]GullbergE,CzeruckaD,SandvangD,etal.HighprevalenceofplasmidsencodingresistancetomultipleantibioticsinclinicalisolatesofEscherichiacoliinSweden.AntimicrobAgentsChemother.2012;56(5):2376-2384.

[15]HaldenRU.Pharmaceuticalsandpersonalcareproductsinaquaticsystems:occurrence,effects,andfate.AdvWaterResour.2009;32(1):1-28.

[16]HoPL,FungCP,YungMW,etal.Molecularepidemiologyofcarbapenem-resistantEnterobacteriaceae(CRE)inHongKong.JMicrobiolImmunolInfect.2008;41(3):161-168.

[17]HuB,ZhangT.Occurrenceanddistributionofantibioticresistancegenesinanimalmanureandmanure-amendedsoils.JHazardMater.2014;275:311-317.

[18]JanssenP,AbeeT,KleerebezemR.Antibioticresistancegenesinwastewatertreatmentplants:occurrence,fateandremoval.WaterRes.2012;46(2):404-416.

[19]JonesRN,HindmarshM,GiskeA,etal.CharacterizationofclinicallyrelevantEnterobacteriaceaeisolatesfrompatientsintheUnitedKingdomresistanttoexpanded-spectrumcephalosporinsandbeta-lactamasesotherthanESBLs(ESBL(-)).JAntimicrobChemother.2008;61(6):1162-1169.

[20]KämpferP,SauerbornJ.Distributionofclass1integronsinclinicalisolatesandenvironmentalsamplesfromGermany.JAntimicrobChemother.2001;47(5):647-653.

[21]KämpferP,SplettstoesserWF,PukallH.Distributionofgenesconferringresistancetobeta-lactams,macrolides,aminoglycosides,tetracyclines,andfluoroquinolonesinBacteroidesfragilisgroupmembers.JClinMicrobiol.2006;44(2):578-584.

[22]LaRosaM,PellegriniO,FrancalanzaS,etal.Theimpactofmunicipalwastewatertreatmentplantsontheremovalofantibioticresistancegenes.JHazardMater.2010;181(1-3):287-293.

[23]LarssonDG,deBonziereK,StenströmTA.Effluentfrommunicipalwastewatertreatmentplantscontributessubstantiallytothespreadofresistancegenesintheenvironment.EnvironSciTechnol.2009;43(5):8227-8234.

[24]LiX,ChenQ,ZhouZ,etal.Occurrenceanddistributionofantibioticresistancegenesinanimalfeedandmanure-amendedsoil.JHazardMater.2011;185(3):1128-1134.

[25]LiuY,NiuW,ChenJ,etal.OccurrenceandriskassessmentofantibioticresistancegenesintheenvironmentoftypicallivestockfarmsinChina.EnvironPollut.2015;197:266-273.

[26]MartinezJL.Waterresilience:theimpactofantibioticsontheaquaticenvironment.MicrobBiotechnol.2012;5(6):757-770.

[27]McArthurJ,LaugrandV,ParryM,etal.AntibioticresistancegenesintheenvironmentalcompartmentsoftheriverSeine.WaterRes.2011;45(11):3251-3261.

[28]MelchiorA,BuerknerM,NaujoksK,etal.OccurrenceofsulfonamideresistancegenesinwastewatertreatmentplantsinGermany.JAntimicrobChemother.2008;62(4):662-670.

[29]MuyzerG,deWaalEC,UitgelichtJW.Profilingofthediversityofthewastewatermicrobialcommunitybasedon16SrRNAgenesequences.ApplEnvironMicrobiol.1993;59(6):1417-1424.

[30]NghiaPV,DangTH,ChuongLT,etal.Highprevalenceofextended-spectrumbeta-lactamase-producingEnterobacteriaceaeinaVietnamesehospital.JAntimicrobChemother.2009;63(2):272-277.

[31]PallemaatA,VanderHoekL,VanderHoekL,etal.Quantificationoftheremovalofantibioticresistancegenesinafull-scaleactivatedsludgewastewatertreatmentplant.WaterRes.2013;47(1):311-319.

[32]PerdueML,SadowskyE,KalinowskiJ,etal.Antibioticresistancegenesinpoultryproductionenvironments.PoultSci.2006;85(2):328-337.

[33]PfeiferB,FuxA,HächlerH,etal.OccurrenceofantibioticresistancegenesinriverwaterandriverbanksoilalongtheriverElbeinGermany.JAntimicrobChemother.2006;57(5):945-951.

[34]PrudenA,PeiR,StorteboomH,etal.RemovalofantibioticresistancegenesinwastewatertreatmentplantsintheUnitedStates.WaterRes.2008;42(12):3489-3496.

[35]RasmussenMB,IngebrigtsenK,JakobsenM,etal.Disseminationoftetracyclineresistancegenesintheenvironment.EnvironMicrobiol.2006;8(10):1657-1665.

[36]RasmussenS,MolinariJE,JohnsonJ,etal.Occurrenceofbeta-lactamasegenesinmeatproductsandpoultryproductionenvironments.JFoodProt.2005;68(6):1200-1209.

[37]ReesG,KümmererK,BoxallA,etal.RemovalofpharmaceuticalsandantibioticresistancegenesinwastewatertreatmentplantsintheUnitedKingdom.WaterRes.2012;46(1):24-32.

[38]RiffardS,BrehmA,MoretS,etal.Evaluationoftheremovalofantibioticresistancegenesduringwastewatertreatmentprocessesinapilotplant.WaterRes.2014;67:354-363.

[39]RocaJ,Diez-BuxoF,Carrión-LozadaJ,etal.ClinicalandenvironmentalisolatesofAcinetobacterbaumannii:comparisonofantibioticresistanceprofilesandgeneticrelatedness.JAntimicrobChemother.2007;60(3):590-597.

[40]SalyersAA,Amabile-CamboursM,SauríD,etal.Transferofantibioticresistancegenesfromhumanstoanimals.EnvironHealthPerspect.2005;113(12):1401-1407.

[41]ScheutzC,SmithDH,RasmussenSE,etal.HighprevalenceofblaNDM-1amongEscherichiacoliisolatesofanimalorigininDenmark.JAntimicrobChemother.2011;67(6):1559-1561.

[42]ShinHD,AhnJY,KimJH,etal.Characterizationofclinicalisolatesandenvironmentalclonesofcarbapenem-resistantAcinetobacterbaumanniiinKorea.JMicrobiolBiotechnol.2009;39(4):649-654.

[43]SrinivasanS,PereraS，JayakumarS，etal.OccurrenceoftetracyclineresistancegenesinwatersourcesandaquaticorganismsinatropicalagriculturalareainSriLanka.JHazardMater.2013;241:244-251.

[44]TadesseAK,AzadM,AlemuT,etal.Highprevalenceofcarbapenemase-producingEnterobacteriaceaeinclinicalsettingsofAddisAbaba,Ethiopia.JAntimicrobChemother.2015;70(6):1429-1435.

[45]TamangSD,LuitelschmidM,SchaubG,etal.Prevalenceoftetracyclineresistancegenesinsurfacewater,sedimentandfishfromawastewater-dominatedriversysteminNepal.JHazardMater.2011;190:427-434.

[46]ThamsenE,JuranekL,LarsenT，etal.HighprevalenceofESBL-producingEnterobacteriaceaeinretailmeatsamplesintheUnitedStates.JClinMicrobiol.2015;53(8):2445-2452.

[47]TollefsonG,SilversmithJH,的无机砷在废水处理厂中的去除和释放.WaterRes.2005;39(14):4878-4885.

[48]UenoT，KurodaY，KageyamaA，etal.Highprevalenceofmcr-1geneamongEscherichiacoliisolatesfromhumans,animalsandthe