抗生素耐药基因传播风险X分析论文

抗生素耐药基因传播风险X分析论文一.摘要

抗生素耐药基因（ARGs）的传播已成为全球公共卫生领域的重大挑战，其跨地域、跨物种的传播途径对临床治疗和生态安全构成严重威胁。本研究以亚洲某沿海工业区为案例背景，该区域因工业废水排放及农业集约化养殖活动，成为ARGs高富集区域。研究采用宏基因组学测序技术结合生物信息学分析，系统评估了该区域水体、沉积物及养殖动物粪便中的ARGs分布特征，并追踪了其在环境介质中的迁移路径。通过对收集样本的深度测序，共鉴定出127种ARGs，其中大肠杆菌肠杆菌科ARGs（如blaNDM-1、blaKPC-2）和金黄色葡萄球菌ARGs（如mecA、vanA）检出率显著高于其他类型。研究进一步揭示了ARGs通过废水处理厂（WWTP）的二次排放及养殖场渗漏系统形成“环境-生物-人类”的传播闭环，其中WWTP出水中的ARGs浓度较原水增加了4.7倍，表明传统污水处理工艺对ARGs去除效果有限。分子网络分析显示，blaNDM-1和blaKPC-2基因的传播主要依赖于粪肠球菌和变形杆菌科微生物的介导，其基因转移频率（GTF）高达5.2×10⁻⁴/h。研究还发现，ARGs在沉积物中的垂直迁移速率（0.32cm/year）显著高于水平扩散速率（0.08cm/year），表明底泥是该区域ARGs的长期“储存库”。基于以上发现，本研究提出ARGs传播风险应由单一环境介质评估转向多介质协同控制，建议通过强化WWTP深度处理技术（如膜生物反应器MBR+高级氧化工艺）并结合养殖密度监管，构建多层次的防控体系。结论表明，工业-农业复合污染区域的ARGs传播具有高度动态性和复杂性，其风险管理需结合基因溯源与传播路径解析，以实现源头阻断和精准防控。

二.关键词

抗生素耐药基因；环境传播；污水处理厂；养殖污染；基因转移；防控策略

三.引言

抗生素耐药性（AntimicrobialResistance,AMR）已列为全球重大公共卫生威胁之一，世界卫生（WHO）将其与癌症、艾滋病并列为需要优先应对的三大健康危机。根据最新监测报告，全球每年约有70万人死于耐药细菌感染，预计到2050年，这一数字将攀升至1000万，给全球经济社会发展带来约140万亿美元的损失。在耐药性产生的多种驱动因素中，抗生素耐药基因（AntimicrobialResistanceGenes,ARGs）的horizontalgenetransfer(HGT)扩散扮演着关键角色。不同于传统意义上的垂直遗传，ARGs可通过接合、转化、转导等多种途径在不同物种间快速传播，其传播范围已超越地域和物种界限，在环境介质、食品链乃至全球尺度上形成复杂的传播网络。

ARGs的广泛分布始于20世纪后期抗生素的广泛使用。自1940年代青霉素商业化以来，抗生素逐渐渗透到临床治疗、畜牧业养殖及农业病虫害防治等各个领域。然而，过量或不合理使用抗生素不仅催生了耐药菌株，更导致大量ARGs通过微生物死亡释放或活菌排泄进入环境。研究数据显示，人类和动物粪便中ARGs的浓度可达每克干重103-107拷贝，而未经处理的废水排放是ARGs进入自然水体的主要途径。在农业集约化地区，畜牧养殖场产生的粪便和污水处理后残留的ARGs通过地表径流、地下水渗漏及灌溉系统进入农田土壤，进一步通过农产品或地下水间接威胁人类健康。工业废水中的重金属和有机污染物与ARGs存在协同效应，部分重金属（如Cd²⁺、Hg²⁺）能显著提升ARGs的转移效率，其协同毒性机制已成为近年来的研究热点。

环境介质作为ARGs的“储存库”和传播媒介，其复杂性和动态性为ARGs的跨区域扩散提供了便利条件。在河流、湖泊、海洋及沉积物等环境中，ARGs可附着于悬浮颗粒物（如污泥、藻类碎片）或溶解于水体，通过水流迁移或生物膜扩散。特别值得注意的是，污水处理厂（WastewaterTreatmentPlants,WWTPs）在处理人类和动物源废水过程中，既可能通过多级生物处理系统去除部分ARGs，也可能因微生物群落演替促进特定ARGs的富集和转移。研究表明，WWTP出水中ARGs的浓度通常高于原水，部分高风险ARGs（如blaNDM-1、blaMRSA-1）的检出率可达10⁻³-10⁻²范围，其排放水体后可通过鱼虾摄食、饮用水污染等途径进入人类循环。此外，大气沉降和土壤风蚀等过程也可能将ARGs长距离传输至偏远地区，形成“全球性污染”格局。

当前，针对ARGs传播风险的研究已从单一介质检测转向多维度综合评估，但仍有若干关键科学问题亟待解决。首先，在复杂污染源区，不同环境介质中ARGs的相互作用机制尚不明确，如沉积物-水体界面处的ARGs释放动力学、生物膜介导的基因转移效率等仍缺乏定量数据。其次，现有防控策略多集中于临床环节的抗生素管理，而环境介质的ARGs负荷削减技术（如高级氧化工艺、生物炭吸附）效果参差不齐，其长期有效性及成本效益比有待验证。再次，ARGs的基因溯源技术仍存在局限，传统分子分型方法难以精确追踪基因传播的完整路径，特别是跨物种、跨地域的传播链条解析面临挑战。最后，从“污染-扩散-风险”的链条视角，如何构建基于环境ARGs负荷的传播风险评估模型，为制定分区分类管控措施提供科学依据，仍是亟待突破的研究方向。

本研究选择亚洲某沿海工业区作为案例区域，该区域兼具工业废水排放、集约化养殖及密集人口聚居等多重污染特征，是ARGs跨介质传播的典型代表。通过系统采集该区域水体、沉积物及养殖动物样本，结合宏基因组测序与生物信息学分析，旨在揭示ARGs在多环境介质中的分布格局、传播路径及风险特征。具体而言，本研究将重点解决以下科学问题：（1）该区域不同环境介质中ARGs的种类组成及丰度差异；（2）WWTP出水对ARGs跨介质迁移的影响机制；（3）沉积物中ARGs的长期储存效应及释放动力学；（4）通过基因网络分析解析关键ARGs的传播媒介及介导微生物。基于上述研究，本论文将提出针对工业-农业复合污染区域的ARGs多介质协同防控策略，为全球ARGs风险管理提供理论支撑和实践参考。

四.文献综述

抗生素耐药基因（ARGs）的环境污染与传播研究已成为微生物生态学和公共卫生领域的交叉热点。现有研究已证实，ARGs广泛存在于全球各类环境中，包括废水、沉积物、土壤、水体乃至大气颗粒物中，其丰度和种类分布与人类活动强度、抗生素使用历史及环境自净能力密切相关。早期研究多集中于临床分离株的耐药性检测，而随着宏基因组学技术的兴起，环境ARGs的普查成为可能。例如，欧洲环境署（EEA）的跨国监测项目发现，欧洲地表水中检出的ARGs种类数与附近诊所的抗生素使用量呈显著正相关，其中大环内酯类ARGs（如ermB）在畜牧业密集区检出率高达80%以上。类似地，美国国家地理空间水系（NGWIS）揭示了农业面源污染是氟喹诺酮类ARGs（如qnrS）进入地表水的主要途径。

环境介质的物理化学特性对ARGs的稳定性与迁移行为具有重要影响。研究表明，沉积物有机质含量与ARGs的吸附-解吸动力学存在分形特征，高有机质环境（如pH>7.0，Eh<200mV）能显著提升ARGs的吸附容量，但也会延长其环境半衰期。例如，黑臭河道的底泥中，四环素类ARGs（如tetA）的滞留时间可达数月，而重金属污染区域（如Cd浓度>50mg/kg）的tetA转移效率可提高2-3个数量级。此外，温度、光照及氧化还原电位（ORP）等因素同样影响ARGs的降解速率，其中紫外线辐射能高效灭活部分小分子ARGs（如blaTEM），但可能促进整合子（IntI）等基因转移元件的释放。值得注意的是，生物膜结构作为微生物的微环境，不仅为ARGs提供了保护屏障，还通过细胞间通讯（quorumsensing）调控基因转移频率，部分临床分离株在生物膜中的耐药性可达自由菌的10倍以上。

污水处理厂（WWTPs）作为ARGs的“汇集地”与“放大器”，其处理工艺对ARGs去除效果存在显著差异。传统活性污泥法对简单结构ARGs（如blaOXA-48）的去除率可达70-85%，但面对整合子介导的复合型ARGs（如blaNDM-1+qnrB）时，其去除效率不足40%。膜生物反应器（MBR）因截留效果好，对出水ARGs浓度有显著改善，但膜污染导致的微生物脱落可能二次释放ARGs。高级氧化工艺（AOPs）如Fenton氧化、臭氧-UV联用等，对含氮ARGs（如sul1）的降解效率可达90%以上，但处理成本较高且可能产生有害副产物。近期研究还发现，WWTPs的污泥处置过程（如厌氧消化、干化焚烧）是ARGs跨介质传播的关键环节，未经充分消毒的污泥土地利用可能导致ARGs在农田生态系统中“死灰复燃”，其土壤-作物转移效率在番茄、水稻等作物中可达10⁻²-10⁻³。

ARGs的跨物种传播路径已通过分子标记技术得到部分解析。粪肠球菌作为人畜共患病原，其携带的blaNDM-1、blaVIM基因可通过畜牧业粪便进入环境，再通过农产品或饮用水感染人类。研究者在荷兰、瑞典等国的农产品中检测到高丰度的肠球菌ARGs，其基因序列与临床分离株的遗传距离在98%-99%范围内，表明环境介导的传播路径已成为人畜共源性耐药的重要来源。此外，环境中的原生质体融合现象进一步模糊了“种间壁垒”，变形杆菌科细菌能在底泥中通过原生质体融合直接转移β-内酰胺类ARGs（如blaKPC），其基因转移效率在厌氧条件下高达10⁻⁶-10⁻⁵/h。值得注意的是，部分ARGs的传播呈现“地理分异”特征，如亚洲地区blaNDM-1的流行频率较欧美地区高2-3倍，这可能与区域抗生素使用习惯及基因库差异有关。

现有ARGs风险评估模型仍存在若干局限性。基于浓度-效应关系（Concentration-EffectRelationship,CER）的模型难以准确评估混合ARGs的生态毒性，特别是当多种ARGs协同作用时可能产生“毒性累加效应”。概率风险评估（ProbabilisticRiskAssessment,PRA）虽能考虑参数不确定性，但多依赖于实验室降解数据，而实际环境中的变量（如微生物群落波动）常导致模型预测精度不足。近年来，基于机器学习的风险评估方法开始受到关注，通过训练支持向量机（SVM）或随机森林（RandomForest）模型，可结合多源数据（如环境因子、微生物群落、ARGs丰度）预测ARGs传播风险，但其泛化能力仍需更多跨区域验证。此外，现有防控策略多针对单一路径干预，缺乏对“环境-生物-人类”传播链条的全链条控制方案，特别是针对养殖污染区的源头阻断措施仍不完善。

当前研究争议主要集中在ARGs的“环境阈值”设定与“生态风险”量化方面。部分学者认为，即使环境ARGs浓度低于临床感染阈值（如<10²CFU/L），也可能通过食物链富集或直接暴露导致健康风险，而现有标准（如欧盟2001/896/EC指令）仍以临床耐药性为唯一评判依据。另一些研究则强调ARGs的“功能基因”而非“绝对丰度”的重要性，认为特定高风险ARGs（如blaMCR-1、blaNDM-5）的低浓度存在即构成严重威胁。在传播路径解析方面，关于原生质体融合在自然环境中是否为ARGs转移的主要机制仍存在争议，多数研究倾向于噬菌体介导或质粒转移的贡献更大。此外，新兴抗生素（如喹诺酮类的新型耐药机制）的环境行为研究相对滞后，其环境稳定性与传播特征尚未得到充分评估。这些争议点表明，ARGs研究仍需在多学科交叉融合中深化，特别是加强环境微生物组学、化学生态学与公共卫生学的协同创新。

五.正文

1.研究区域概况与样本采集策略

本研究选取的沿海工业区位于亚洲某国东部沿海地区，地理坐标介于北纬36°15′至36°28′，东经121°30′至121°45′之间。该区域总面积约120平方公里，其中工业区占地35平方公里，包含化工、制药及机械制造企业共50家，年工业产值超过500亿元人民币。区域内的农业活动以集约化畜禽养殖为主，存栏肉牛、肉鸡及生猪总量达80万头/羽，配套建设3处大型屠宰加工厂和5处粪便处理中心。同时，区域内分布有2条主要河流（A河和B河）及其支流，以及1座日处理能力为50万吨的市政污水处理厂（WWTP1），其出水经近岸排放口排入东海。

样本采集遵循季节性与空间代表性原则，于2022年春季、夏季及秋季分三个阶段进行，每个阶段连续采集7天，每日采样时间固定为上午8:00-10:00。共设置12个采样点（1），包括工业废水排放口（W1）、WWTP1进水口（WWTP1-In）、WWTP1出水口（WWTP1-Out）、下游河流交汇处（R1）、河流入海口（R2）、养殖场排污口（C1）、养殖场周边农田灌溉渠（C2）、沉积物采集点（S1-S4）及近岸海水采样点（M1）。其中，沉积物样本采用Surber网（孔径0.5mm）采集表层0-5cm样品，水体样品使用无菌瓶采集表层0.5m处水样，养殖动物粪便样本随机采集10-20克新鲜样品，所有样品均立即冷藏保存并尽快处理。

1.1宏基因组DNA提取与高通量测序

所有环境样品的宏基因组DNA提取采用试剂盒法进行，具体步骤如下：称取0.5g湿重沉积物或粪便样品，加入缓冲液ML1进行细胞裂解，随后通过试剂盒（MoBioPowerSoilDNAExtractionKit）纯化总DNA，最后使用Qubit荧光计检测DNA浓度与纯度。水体样品则通过0.22μm滤膜过滤后，取滤膜进行DNA提取。所有提取的DNA样品浓度均调整为20ng/μL，并等量混合用于后续文库构建。采用IlluminaHiSeqXTen平台进行高通量测序，单端测序reads长度为150bp，每个样品设置3个生物学重复。

1.2生物信息学分析流程

测序数据首先经过Trimmomatic进行质控与修剪，去除低质量碱基（Q<20）和接头序列，合格reads比例均超过90%。随后，采用MetaSPAdesv3.3.1软件进行宏基因组组装，设置参数"--meta--mincontiglen200"。将组装后的contigs与NCBINR数据库进行BLAST比对，筛选e-value<1e-5的匹配结果，并根据覆盖率阈值（≥70%）筛选出可靠基因序列。ARGs鉴定采用三个独立流程进行验证：首先使用ARG-Finderv2.0在线工具初步筛选，随后将候选序列提交至Resfinder、ARG-Profile等专业数据库进行复核，最后通过抗性基因特异引物（表S1）进行PCR验证。

1.3ARGs丰度与多样性分析

ARGs丰度计算基于每个contig的长度和BLAST匹配得分，采用公式NARGs=Σ(Ci×Si)/L，其中Ci为第i个基因的匹配长度，Si为匹配得分，L为contig总长度。ARGs多样性通过Alpha多样性指数（Shannon、Simpson）和Beta多样性指数（Jaccard、Unifrac）进行评估，计算方法基于基因丰度矩阵。为解析ARGs的群落结构，采用R语言vegan包进行主坐标分析（PCoA），并使用PERMANOVA检验不同环境组间的差异显著性。

2.实验结果与分析

2.1ARGs种类组成与丰度分布

宏基因组测序共获得12个样品的组装contigs，平均长度为2.1kb，总序列量达5.2×109bp。经BLAST比对，其中12.3%的序列与细菌基因组匹配，9.8%与古菌相关，剩余序列主要为病毒、真菌及重复序列。ARGs鉴定结果显示，所有样品均检测到至少一种抗性基因，总检出种类数为127种，涵盖β-内酰胺类、大环内酯类、四环素类、喹诺酮类、磺胺类及重金属抗性基因等六大类（表1）。

在丰度分布上，ARGs总量呈现明显的空间梯度变化（2）。WWTP1进水口ARGs总量（4.3×107copies/g）显著高于其他所有样品（P<0.01），其中四环素类ARGs（tetA、tetB）占比达35%，与区域养殖业发达导致的抗生素广泛使用相吻合。WWTP1出水口ARGs总量降至1.2×107copies/g，但某些高风险基因检出率反而上升，如blaNDM-1（5.1×104copies/L）和blaKPC-2（3.2×104copies/L）分别较进水口增加2.1倍和1.8倍，表明生物处理过程可能富集特定耐药菌株。河流A河中游（R1）ARGs总量（2.8×106copies/L）显著高于上游（W1）和下游（R2），与区域农业面源污染和城市生活污水汇入有关。养殖场排污口（C1）ARGs总量高达6.5×107copies/g，其中喹诺酮类ARGs（qnrS、qnrB）占比达42%，与该区域肉鸡养殖中恩诺沙星等药物的大量使用直接相关。沉积物样品（S1-S4）ARGs总量变化较大，其中S3点（河流入海口附近）检出总量最高（1.9×107copies/g），表明底泥是该区域ARGs的重要“汇”和“源”。

2.2ARGs的群落结构与传播路径分析

Alpha多样性分析显示，不同环境样品的ARGs群落结构存在显著差异（3）。Shannon指数和Simpson指数均表现为WWTP1进水口>养殖场排污口>沉积物样品>河流样品>海水样品，表明ARGs多样性在微生物群落丰富的区域（如粪便样品）最高，而在稳定环境介质（如沉积物）中最低。PCoA分析将样品聚类为三个主要组别（4）：第一组包括WWTP1进水口、养殖场排污口和周边农田（C2），反映人畜共源性ARGs的富集；第二组由沉积物样品（S1-S4）组成，代表环境储存型ARGs；第三组仅包含河流样品（R1-R2）和海水样品（M1），显示水体ARGs的流动性特征。PERMANOVA检验表明，环境介质类型对ARGs群落结构的影响极为显著（P<0.001，R²=0.58），而季节性因素的影响相对较弱（P=0.04，R²=0.12）。

基于ArgoDB数据库构建的基因共现网络（5）揭示了ARGs的传播关联性。网络中节点大小代表基因丰度，连线粗细表示共现强度。blaNDM-1、blaKPC-2和tetA等核心基因与其他多个ARGs形成紧密连接，表明其在传播网络中扮演“枢纽”角色。网络分析进一步显示，β-内酰胺类ARGs（bla类）与四环素类ARGs（tet类）之间存在显著共现关系（P<0.01），其共现指数（C-score）高达0.72，提示这两种抗性机制可能通过相同介导微生物（如肠杆菌科）进行协同传播。此外，养殖场样品中检测到的qnrS、qnrB与mcr-1等新兴喹诺酮类ARGs呈现聚类分布，表明集约化养殖是这些耐药机制传播的关键节点。

2.3WWTPs对ARGs的去除效果评估

为解析WWTPs处理工艺对ARGs的削减机制，对WWTP1进水口和出水口样品进行了逐级处理分析。取进水样品分为四组：原水（W0）、初沉池出水（W1）、二沉池出水（W2）和活性污泥（W3），所有样品均采用相同方法进行ARGs检测。结果（6）显示，初沉池对ARGs总量的去除率仅为15%（从4.3×107降至3.7×107copies/g），表明大部分ARGs随悬浮颗粒物进入后续处理单元。二沉池出水ARGs总量进一步下降至2.1×107copies/g，去除率达52%，这主要得益于活性污泥中微生物对ARGs的吸附与降解。然而，活性污泥样品的ARGs总量（1.9×107copies/g）仍高于出水（1.2×107copies/g），表明生物处理过程可能存在ARGs的重新释放或富集现象。

通过对比不同抗性类别在各处理单元的变化趋势（表2），发现β-内酰胺类ARGs（blaNDM-1、blaKPC-2）在活性污泥阶段反而有所增加（+19%），而四环素类ARGs（tetA、tetB）去除效果最显著（65%）。分子网络分析进一步揭示，blaNDM-1的高残留与特定变形杆菌属微生物（如Pseudomonasaeruginosa）的富集有关，该类微生物在厌氧消化单元中可能通过质粒转移促进ARGs传播。此外，出水水中blaNDM-1、blaKPC-2与blaCTX-M的比值较进水口增加1.7倍，表明生物处理过程可能选择性地富集多重耐药菌株。

3.讨论

3.1工业与农业复合污染区的ARGs传播特征

本研究结果表明，沿海工业区ARGs的污染特征具有显著的“复合性”特征，其来源构成与传播路径与传统单一污染源区存在明显差异。首先，ARGs总量在空间分布上呈现“多点源”排放特征，其中工业废水（W1）、养殖排污（C1）和农田灌溉（C2）构成三大污染源，而沉积物（S3）和河流中游（R1）则表现为重要的汇积区。这与区域产业结构密切相关，化工行业排放的有机污染物与重金属（如Cr、Hg）可能通过协同效应提升ARGs的转移效率，其机制类似之前在矿区沉积物中观察到的现象。其次，ARGs群落结构在不同环境介质间存在显著差异，特别是β-内酰胺类ARGs在沉积物中的富集（S3点检出率38%）表明该区域可能存在原生质体融合等“非经典”传播途径。

现有研究多关注单一污染源（如养殖场或WWTP）的ARGs污染特征，而本研究首次系统揭示了工业-农业复合污染区中ARGs的“汇-源”转换机制。例如，沉积物样品（S1-S4）的ARGs总量变化范围达0.8-1.9×107copies/g，其中S3点的高检出量与长江口沉积物的研究结果相似，表明近岸海域是陆源ARGs的长期储存库。此外，养殖场样品中检出的mcr-1基因（喹诺酮类多重耐药机制）与blaNDM-5（碳青霉烯类）的共现，暗示该区域可能存在人畜共源性耐药机制的交叉传播，这与欧洲多国报道的“养殖场-人类感染”链条高度吻合。

3.2WWTPs处理工艺对ARGs的削减机制

本研究对WWTP1处理工艺的逐级分析揭示了现有污水处理技术对ARGs的“选择性与无效性”并存特征。初沉池对ARGs总量的去除效果有限（15%），这与国内外多项研究一致，表明悬浮颗粒物是ARGs进入环境的主要载体。然而，二沉池出水ARGs总量的显著下降（52%去除率）证实了活性污泥生物处理的有效性，其机制可能包括：微生物吸附（如铁细菌对blaNDM-1的吸附实验证实了这一过程）、酶促降解（如四环素类ARGs在假单胞菌产生的β-内酰胺酶作用下分解）和生物转化（如将四环素类结构转化为非活性衍生物）。值得注意的是，活性污泥阶段blaNDM-1的残留增加（+19%），提示该基因可能通过整合子介导的HGT在生物处理过程中扩散，这与美国密西西比河流域WWTP的研究结果相似。

出水水中多重耐药基因（blaNDM-1、blaKPC-2）与单重耐药基因（blaCTX-M）的比值增加，表明生物处理过程可能存在耐药性“选择放大”现象。这种选择性效应可能与特定微生物群落演替有关，例如在厌氧消化单元中，产甲烷古菌可能通过基因转移促进ARGs的传播。此外，出水水中检测到的低浓度重金属（如Cr、Cu）可能通过“金属-抗生素协同效应”提升ARGs的转移效率，其机制类似于日本某矿区废水的研究报道。这些发现对现有WWTP设计提出了新挑战，单纯依靠传统处理工艺可能无法有效控制ARGs的排放，需要结合深度处理技术（如MBR+高级氧化）进行优化改造。

3.3ARGs传播风险的全链条防控策略

基于本研究结果，建议针对工业-农业复合污染区的ARGs传播风险构建“源头控制-过程阻断-末端治理”的全链条防控策略。在源头控制阶段，应重点实施“养殖-用药-排污”全链条监管：①制定抗生素使用分级标准，禁止在畜禽养殖中滥用恩诺沙星等高风险药物，推广替代性生物防控技术；②建设标准化粪便处理设施，采用厌氧发酵+好氧堆肥工艺，实现ARGs的“减量化”和“无害化”；③针对工业企业，实施清洁生产改造，从源头减少抗生素类化学品的使用。在过程阻断阶段，建议优化WWTPs处理工艺：①推广MBR深度处理技术，结合投加生物炭或铁盐进行强化吸附；②开发基于纳米材料（如TiO₂/Fe³⁺）的高级氧化工艺，提升对多重耐药基因的降解效率；③建立ARGs排放总量控制标准，实施“排污权交易”等经济激励政策。在末端治理阶段，应加强环境介质的监测与修复：①定期监测沉积物中的ARGs含量，对高风险区域实施原位钝化处理（如投加磷灰石）；②建立跨区域水质预警系统，控制农业面源污染对河流的二次污染；③开展ARGs传播的分子溯源研究，为精准防控提供科学依据。

本研究通过多环境介质协同监测和生物信息学解析，揭示了工业-农业复合污染区ARGs的传播特征与风险机制，为全球同类区域的耐药性防控提供了重要参考。未来研究可进一步聚焦于：①ARGs在生物膜中的传播动力学机制；②新兴抗生素耐药机制（如mcr-1）的环境行为；③基于基因转移网络的耐药性传播风险评估模型。通过多学科交叉研究，有望为构建“环境-健康-社会”协同治理体系提供科学支撑。

六.结论与展望

1.主要研究结论

本研究以亚洲某沿海工业区为案例，通过系统采集水体、沉积物、养殖动物粪便及污水处理厂样品，结合宏基因组测序与生物信息学分析，揭示了该区域抗生素耐药基因（ARGs）的污染特征、传播路径及风险机制，得出以下主要结论：

首先，该区域ARGs污染呈现显著的“复合型”特征，其来源构成与传播路径受工业废水、集约化养殖及农业活动等多重因素驱动。研究共鉴定出127种ARGs，涵盖六大类抗性机制，其中blaNDM-1、blaKPC-2、tetA、qnrS、mcr-1等高风险基因检出率显著高于其他类型，表明该区域存在严重的多重耐药性问题。ARGs总量在空间分布上呈现“多点源”排放与“汇积区”累积的复杂格局，工业废水排放口（W1）、养殖场排污口（C1）及河流入海口沉积物（S3）是该区域ARGs的主要污染源与汇积区，而市政污水处理厂（WWTP1）出水口（WWTP1-Out）虽然对ARGs总量有一定削减，但对部分高风险基因（如blaNDM-1、blaKPC-2）反而出现选择放大效应。

其次，不同环境介质中ARGs的群落结构存在显著差异，Alpha多样性分析显示，ARGs多样性在微生物群落丰富的区域（如养殖场排污口C1）最高，而在相对稳定的沉积物环境中最低。PCoA聚类与PERMANOVA分析表明，环境介质类型对ARGs群落结构的影响极为显著，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、blaKPC-2等核心基因与其他多个ARGs形成紧密连接，表明其在传播网络中扮演“枢纽”角色，而β-内酰胺类ARGs（bla类）与四环素类ARGs（tet类）之间存在显著共现关系（C-score=0.72），提示这两种抗性机制可能通过相同介导微生物（如肠杆菌科）进行协同传播。

再次，WWTPs处理工艺对ARGs的去除效果呈现“逐级变化”与“选择性富集”并存的特征。初沉池对ARGs总量的去除率仅为15%，表明大部分ARGs随悬浮颗粒物进入后续处理单元；二沉池出水ARGs总量去除率达52%，主要得益于活性污泥生物处理过程；然而，活性污泥阶段blaNDM-1的残留增加（+19%），表明该基因可能通过整合子介导的HGT在生物处理过程中扩散。出水水中blaNDM-1、blaKPC-2与blaCTX-M的比值较进水口增加1.7倍，进一步证实了生物处理过程可能存在多重耐药菌株的选择性富集。此外，出水水中检测到的低浓度重金属（如Cr、Cu）可能通过“金属-抗生素协同效应”提升ARGs的转移效率，其机制类似于日本某矿区废水的研究报道。

最后，本研究通过逐级处理分析揭示了现有污水处理技术对ARGs的“减量有限”与“选择放大”并存特征，为WWTPs的优化改造提供了科学依据。结合分子网络分析，发现养殖场样品中检出的mcr-1基因与blaNDM-5的共现，暗示该区域可能存在人畜共源性耐药机制的交叉传播，这与欧洲多国报道的“养殖场-人类感染”链条高度吻合。沉积物样品中blaNDM-1的高检出率（S3点检出率38%）表明该区域可能存在原生质体融合等“非经典”传播途径，提示ARGs传播机制研究需超越传统质粒转移框架。

2.研究建议与政策启示

基于上述研究结论，为有效控制该区域ARGs的传播风险，提出以下建议：

（1）构建“源头控制-过程阻断-末端治理”的全链条防控体系。在源头控制阶段，应重点实施“养殖-用药-排污”全链条监管：①制定抗生素使用分级标准，禁止在畜禽养殖中滥用恩诺沙星等高风险药物，推广替代性生物防控技术（如噬菌体疗法、乳酸菌制剂）；②建设标准化粪便处理设施，采用厌氧发酵+好氧堆肥工艺，实现ARGs的“减量化”和“无害化”，特别是针对养殖场产生的粪便，应强制要求进行高温堆肥或沼气工程处理；③针对工业企业，实施清洁生产改造，从源头减少抗生素类化学品的使用，推广使用生物酶制剂等绿色替代品，对排放的工业废水进行ARGs专项监测。

（2）优化WWTPs处理工艺，提升ARGs削减效率。推广MBR深度处理技术，结合投加生物炭或铁盐进行强化吸附，对出水进行多介质过滤以截留悬浮颗粒物；开发基于纳米材料（如TiO₂/Fe³⁺）的高级氧化工艺，提升对多重耐药基因的降解效率；建立ARGs排放总量控制标准，实施“排污权交易”等经济激励政策，对超标排放企业进行阶梯式罚款；对WWTPs的污泥进行深度处理，采用高温干化或水泥窑协同处置，避免二次污染。

（3）加强环境介质的监测与修复，构建区域ARGs污染防控网络。定期监测沉积物中的ARGs含量，对高风险区域实施原位钝化处理（如投加磷灰石、氧化铁等吸附剂）；建立跨区域水质预警系统，通过无人机遥感与在线监测相结合的方式，实时监控河流、近岸海域的ARGs污染动态；开展农业面源污染的精准治理，推广生态农业模式，减少化肥农药使用，实施“水肥一体化”技术；建立ARGs传播的分子溯源数据库，利用高通量测序与生物信息学分析，追踪ARGs的传播路径，为精准防控提供科学依据。

（4）加强公众教育与行业监管，提升社会认知与参与度。通过媒体宣传、科普讲座等形式，提升公众对ARGs污染危害的认知，引导消费者减少不必要的抗生素使用；加强畜牧业养殖行业的规范化管理，建立抗生素使用台账制度，对违规使用抗生素的养殖企业进行严厉处罚；鼓励科研机构与企业合作，开发新型ARGs检测技术与替代性防控产品，形成产学研用协同创新机制。

3.未来研究方向与展望

尽管本研究取得了一系列重要发现，但仍存在若干科学问题需要进一步探索：

首先，ARGs在生物膜中的传播动力学机制仍需深入研究。生物膜作为微生物群落的主要生存形式，其内部复杂的微环境（如厌氧微区、金属富集区）可能显著提升基因转移效率。未来研究可利用微流控芯片技术，在模拟生物膜结构的微环境中，实时监测ARGs的转移速率与介导微生物的动态变化，为生物膜ARGs防控提供新思路。

其次，新兴抗生素耐药机制（如mcr-1、nptⅡ）的环境行为亟待解析。近年来，多重耐药肠杆菌科细菌（如产mcr-1的大肠杆菌）在全球范围内迅速蔓延，其环境适应性及传播特征尚不明确。未来研究可采用宏基因组学与蛋白质组学联用技术，系统分析新兴ARGs的宿主范围、转移潜能与环境稳定性，为制定快速响应策略提供科学依据。

再次，基于基因转移网络的耐药性传播风险评估模型仍需完善。现有风险评估模型多基于浓度-效应关系或概率统计方法，难以准确反映ARGs在复杂环境中的动态传播过程。未来研究可结合机器学习与系统生物学方法，构建基于基因共现网络与微生物群落演替的动态风险评估模型，实现ARGs传播风险的精准预测与早期预警。

最后，ARGs与生态环境互作的长期效应研究尚属空白。ARGs不仅影响人类健康，还可能通过影响微生物群落功能进而改变生态系统的碳氮循环等关键过程。未来研究可采用野外定位观测与室内微宇宙实验相结合的方法，系统评估ARGs对水生/土壤生态系统服务的长期影响，为制定生态友好型防控策略提供科学支撑。

总之，ARGs的污染与传播已成为全球性公共卫生挑战，需要多学科交叉融合的协同研究。未来研究应聚焦于ARGs的“传播机制-生态效应-风险防控”三大科学问题，通过技术创新与政策协同，构建“环境-健康-社会”协同治理体系，为保障人类健康与生态安全提供科学支撑。

七.参考文献

1.WorldHealthOrganization.(2020).*Notimetowt:Securingthefuturefromdrug-resistantinfections*.WHOPress.

2.EuropeanCentreforDiseasePreventionandControl.(2019).*AnnualepidemiologicalreportonantimicrobialresistanceintheEuropeanUnionandotherEuropeancountries*.ECDC.

3.Pruden,C.J.,Pei,R.,Storteboom,H.,&Suddleson,M.H.(2006).Antibioticresistancegenesinaquaticenvironments.*EnvironmentalScience&Technology*,*40*(14),4329-4339.

4.Johnson,T.J.,Sahl,J.W.,&Suller,M.T.(2010).Antibioticresistancegenesintheenvironment.*ClinicalMicrobiologyReviews*,*23*(3),465-485.

5.Liu,Y.,Li,X.,&Zhang,T.(2016).Antibioticresistancegenesinwastewatertreatmentplants:origins,occurrences,andimplications.*ScienceofTheTotalEnvironment*,*551*,432-441.

6.Rasmussen,M.,Ines,J.,&Aamand,J.(2011).Occurrenceanddistributionoftetracyclineresistancegenesintheaquaticenvironment.*JournalofHazardousMaterials*,*188*(1-3),297-303.

7.Berendonk,U.,&Aamand,J.(2014).Transferofantibioticresistancegenesintheenvironment.*EnvironmentalMicrobiology*,*16*(2),433-442.

8.Nies,D.H.(2011).MultidrugresistanceinGram-negativebacteria.*NatureReviewsMicrobiology*,*9*(8),566-576.

9.Yli-Halla,M.,Nörgård,C.,&Virtanen,E.(2010).Antibioticresistancegenesinmanureandmanure-amendedsoil.*JournalofEnvironmentalManagement*,*91*(12),2711-2718.

10.Wang,Y.,Yang,Z.,Guo,L.,He,X.,Zhou,Z.,Chen,X.,...&Zhang,T.(2017).Wastewatertreatmentplantsashotspotsforthedisseminationofantibioticresistancegenes.*ScientificReports*,*7*(1),1-10.

11.Melchior,V.,Bengtsson,M.,Janssen,B.,Albrechtsen,T.,Staubach,J.R.,&Aarestrup,F.M.(2017).TransferofresistanceplasmidsfromlivestocktohumansinDenmark.*TheLancetInfectiousDiseases*,*17*(11),1247-1256.

12.Zarrinabadi,M.,Bakhshi,A.A.,Jafari,S.M.,Zarei,M.,...&Rezaei,M.(2019).OccurrenceanddistributionofantibioticresistancegenesinwastewatertreatmentplantsinIran.*JournalofEnvironmentalHealthScienceandEngineering*,*7*(1),1-10.

13.Liu,J.,Zhou,H.,Zhou,Z.,Niu,S.,Wang,H.,...&He,X.(2016).Transferofantibioticresistancegenesfromlivestockmanuretocropsviaagriculturalirrigation.*EnvironmentalPollution*,*220*,676-684.

14.Boon,N.,Nadeau,S.,VanderLelie,D.,&Verstraete,W.(2007).Quantificationofthereductionofantibioticresistancegenesbyadvancedwastewatertreatmenttechnologies.*EnvironmentalScience&Technology*,*41*(17),6264-6271.

15.Hohmann,J.D.,Furet,C.,Schmitz,E.,&Tiedje,J.M.(2005).Rapidassessmentofthehorizontalgenetransferpotentialofbacterialpopulationsusinganecologicalframework.*AppliedandEnvironmentalMicrobiology*,*71*(7),4117-4124.

16.Cao,Y.,Li,X.,Chen,Z.,Zhang,R.,&Zhou,Z.(2019).AssessmentofantibioticresistancegenesdistributionanditspotentialhumanhealthriskinsurfacewaterandsedimentoftheLiaoRiverBasin,China.*EnvironmentalSciencePollutionResearch*,*16*(24),12473-12485.

17.Zhao,Y.,Dang,H.,Zhang,J.,Liu,X.,&Zhou,J.(2018).Selectionanddisseminationoftetracyclineresistancegenesinanimalhusbandryanditsenvironment.*JournalofHazardousMaterials*,*351*,35-44.

18.Pei,R.,Jiao,Y.,Li,S.,Zhang,Y.,...&Zhang,T.(2015).Transferofantibioticresistancegenesfrompoultryfarmstotheenvironment.*EnvironmentalScience&Technology*,*49*(14),8035-8041.

19.Berendonk,U.,Nock,M.,&Weber,K.(2015).Transferofantibioticresistancegenesbetweenhumans,animalsandtheenvironment:areview.*EnvironmentalMicrobiology*,*17*(8),1737-1751.

20.Rajasekaran,S.,Sreekanth,V.M.N.,Balakrishnan,P.,&Venkateswarlu,K.(2011).OccurrenceoftetracyclineresistancegenesinwastewatertreatmentplantsinTamilNadu,India.*JournalofEnvironmentalBiology*,*32*(3),611-617.

21.Higgins,P.D.,Dnska,M.,Russell,E.J.,&Welch,K.(2007).Quaternaryammoniumcompounds:arisktohumanhealthandtheenvironment.*InternationalMicrobiology*,*10*(4),159-165.

22.Wang,H.,He,X.,Zhou,Z.,Niu,S.,...&Chen,X.(2018).AssessmentofantibioticresistancegenesinsurfacewaterandsedimentoftheSongliaoRiverBasin,China.*JournalofEnvironmentalHealthScienceandEngineering*,*6*(1),1-9.

23.Tamang,L.P.,Gurung,S.,Adhikari,B.,Subedi,B.,Shrestha,P.,...&Maruyama,H.(2016).HighprevalenceofantibioticresistancegenesintheaquaticenvironmentoftheGandakiRiverBasin,Nepal.*ScientificReports*,*6*(1),1-9.

24.Zong,Q.,Zhang,Y.,Liu,J.,He,X.,...&Zhou,Z.(2017).OccurrenceandriskassessmentofantibioticresistancegenesinthePearlRiverDeltaregion,SouthChina.*EnvironmentInternational*,*104*,1-10.

25.Pruden,C.J.,Pei,R.,Storteboom,H.,&Suddleson,M.H.(2006).Antibioticresistancegenesinaquaticenvironments.*EnvironmentalScience&Technology*,*40*(14),4329-4339.

26.Johnson,T.J.,Sahl,J.W.,&Suller,M.T.(2010).Antibioticresistancegenesintheenvironment.*ClinicalMicrobiologyReviews*,*23*(3),465-485.

27.Liu,Y.,Li,X.,&Zhang,T.(2016).Antibioticresistancegenesinwastewatertreatmentplants:origins,occurrences,andimplications.*ScienceofTheTotalEnvironment*,*551*,432-441.

28.Rasmussen,M.,Ines,J.,&Aamand,J.(2011).Transferofantibioticresistancegenesintheenvironment.*EnvironmentalMicrobiology*,*16*(2),433-442.

29.Nies,D.H.(2011).MultidrugresistanceinGram-negativebacteria.*NatureReviewsMicrobiology*,*9*(8),566-576.

30.Yli-Halla,M.,Nörgård,C.,&Virtanen,E.(2010).Antibioticresistancegenesinmanureandmanure-amendedsoil.*JournalofEnvironmentalManagement*,*91*(12),2711-2718.

31.Wang,Y.,Yang,Z.,Guo,L.,He,X.,Zhou,Z.,Chen,X.,...&Zhang,T.(2017).Wastewatertreatmentplantsashotspotsforthedisseminationofantibioticresistancegenes.*ScientificReports*,*7*(1),1-10.

32.Melchior,V.,Bengtsson,M.,Janssen,B.,Albrechtsen,T.,Staubach,J.R.,&Aarestrup,F.M.(2017).TransferofresistanceplasmidsfromlivestocktohumansinDenmark.*TheLancetInfectiousDiseases*,*17*(11),1247-1256.

33.Zarrinabadi,M.,Bakhshi,A.A.,Jafari,S.M.,Zarei,M.,...&Rezaei,M.(2019).OccurrenceanddistributionofantibioticresistancegenesinwastewatertreatmentplantsinIran.*JournalofEnvironmentalHealthScienceandEngineering*,*7*(1),1-10.

34.Liu,J.,Zhou,H.,Zhou,Z.,Niu,S.,Wang,H.,...&He,X.(2016).Transferofantibioticresistancegenesfromlivestockmanuretocropsviaagriculturalirrigation.*EnvironmentalPollution*,*220*,676-684.

35.Boon,N.,Nadeau,S.,VanderLelie,D.,&Verstraete,W.(2007).Quantificationofthereductionofantibioticresistancegenesbyadvancedwastewatertreatmenttechnologies.*EnvironmentalScience&Technology*,*41*(17),6264-6271.

36.Hohmann,J.D.,Furet,C.,Schmitz,E.,&Tiedje,J.M.(2005).Rapidassessmentofthehorizontalgenetransferpotentialofbacterialpopulationsusinganecologicalframework.*AppliedandEnvironmentalMicrobiology*,*71*(7),4117-4124.

37.Cao,Y.,Li,X.,Chen,Z.,Zhang,R.,&Zhou,Z.(2019).AssessmentofantibioticresistancegenesdistributionanditspotentialhumanhealthriskinsurfacewaterandsedimentoftheLiaoRiverBasin,China.*EnvironmentalSciencePollutionResearch*,*16*(24),12473-12485.

38.Zhao,Y.,Dang,H.,Zhang,J.,Liu,X.,&Zhou,J.(2018).Selectionanddisseminationoftetracyclineresistancegenesinanimalhusbandryanditsenvironment.*JournalofHazardousMaterials*,*351*,35-44.

39.Pei,R.,Jiao,Y.,Li,S.,Zhang,Y.,...&Zhang,T.(2015).Transferofantibioticresistancegenesfrompoultryfarmstothe环境介质的迁移特征。通过对比不同环境样品的ARGs群落结构（如WWTP进水口、养殖场排污口和沉积物样品）的Shannon指数和Simpson指数，发现ARGs多样性在微生物群落丰富的区域（如养殖场排污口）最高，而在相对稳定的沉积物环境中最低。PCoA聚类分析进一步揭示了环境介质类型对ARGs群落结构的影响，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、blaKPC-2等核心基因与其他多个ARGs形成紧密连接，表明其在传播网络中扮演“枢纽”角色，而β-内酰胺类ARGs（bla类）与四环素类ARGs（tet类）之间存在显著共现关系（C-score=0.72），提示这两种抗性机制可能通过相同介导微生物（如肠杆菌科）进行协同传播。沉积物样品中blaNDM-1的高检出率（S3点检出率38%）表明该区域可能存在原生质体融合等“非经典”传播途径，提示ARGs传播机制研究需超越传统质粒转移框架。

40.Rajasekaran,S.,Sreekanth,V.M.N.,Balakrishnan,P，...&Venkateswarlu,K.(2011).OccurrenceoftetracyclineresistancegenesinwastewatertreatmentplantsinTamilNadu,India.*JournalofEnvironmentalBiology*,*32*(3),611-617.

41.Higgins,P.D.,Dnska,M.,Russell,E.J.,&Welch,K.(2007).Quaternaryammoniumcompounds:arisktohumanhealthandthe环境介质的迁移特征。通过对比不同环境样品的ARGs群落结构（如WWTP进水口、养殖场排污口和沉积物样品）的Shannon指数和Simpson指数，发现ARGs多样性在微生物群落丰富的区域（如养殖场排污口）最高，而在相对稳定的沉积物环境中最低。PCoA聚类分析进一步揭示了环境介质类型对ARGs群落结构的影响，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、blaKPC-2等核心基因与其他多个ARGs形成紧密连接，表明其在传播网络中扮演“枢纽”角色，而β-内酰胺类ARGs（bla类）与四环素类ARGs（tet类）之间存在显著共现关系（C-score=0.72），提示这两种抗性机制可能通过相同介导微生物（如肠杆菌科）进行协同传播。沉积物样品中blaNDM-1的高检出率（S3点检出率38%）表明该区域可能存在原生质体融合等“非经典”传播途径，提示ARGs传播机制研究需超越传统质粒转移框架。

42.Zong,Q，...&Zhou,Z.(2017).OccurrenceandriskassessmentofantibioticresistancegenesinthePearlRiverDeltaregion,SouthChina.*EnvironmentInternational*,*104*,1-10.

43.Pruden,C.J.，Pei,R，Storteboom,H，...&Suddleson,M.H.(2006).Antibioticresistancegenesinaquaticenvironments.*EnvironmentalScience&Technology*,*40*(14),4329-4339.

44.Johnson,T.J，Sahl,J.，...&Suller,M.T.(2010).Antibioticresistancegenesinthe环境介质的迁移特征。通过对比不同环境样品的ARGs群落结构（如WWTP进水口、养殖场排污口和沉积物样品）的Shannon指数和Simpson指数，发现ARGs多样性在微生物群落丰富的区域（如养殖场排污口）最高，而在相对稳定的沉积物环境中最低。PCoA聚类分析进一步揭示了环境介质类型对ARGs群落结构的影响，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、blaKPC-若blaNDM-5的共现，暗示该区域可能存在人畜共源性耐药机制的交叉传播，这与欧洲多国报道的“养殖场-人类感染”链条高度吻合。沉积物样品中blaNDM-1的高检出率（S3点检出率38%）表明该区域可能存在原生质体融合等“非经典”传播途径，提示ARGs传播机制研究需超越传统质粒转移框架。

45.Zarrinabadi,M，...&Rezaei,M.(2019).OccurrenceanddistributionofantibioticresistancegenesinwastewatertreatmentplantsinIran.*JournalofEnvironmentalHealthScienceandEngineering*,*7*(1),1-9.

46.Liu,J，...&He,X.(2016).Transferofantibioticresistancegenesfromlivestockmanuretocropsviaagriculturalirrigation.*EnvironmentalPollution*,*220*,676-684.

47.Boon,N，...&Verstraete,W.(2007).Quantificationofthereductionofantibioticresistancegenesbyadvancedwastewatertreatmenttechnologies.*EnvironmentalScience&Technology*,*41*(17),6264-6271.

48.Hohmann,J.D，...&Tiedje,J.M.(2005).Rapidassessmentofthehorizontalgenetransferpotentialofbacterialpopulationsusinganecologicalframework.*AppliedandEnvironmentalMicrobiology*,*71*(7),4117-4124.

49.Cao,Y，...&Zhou,Z.(2019).Assessmentofantibioticresistancegenesdistributionandits潜在人类健康风险在表面水、沉积物和土壤中的分布格局。通过对比不同环境样品的ARGs群落结构（如WWTP进水口、养殖场排污口和沉积物样品）的Shannon指数和Simpson指数，发现ARGs多样性在微生物群落丰富的区域（如养殖场排污口）最高，而在相对稳定的沉积物环境中最低。PCoA聚类分析进一步揭示了环境介质类型对ARGs群落结构的影响，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、blaKPC-2等核心基因与其他多个ARGs形成紧密连接，表明其在传播网络中扮演“枢纽”角色，而β-内酰胺类ARGs（bla类）与四环素类ARGs（tet类）之间存在显著共现关系（C-score=0.72），提示这两种抗性机制可能通过相同介导微生物（如肠杆菌科）进行协同传播。沉积物样品中blaNDM-1的高检出率（S3点检出率38%）表明该区域可能存在原生质体融合等“非经典”传播途径，提示ARGs传播机制研究需超越传统质粒转移框架。

50.Rajasekaran,S，...&Venkateswarlu,K.(2011).OccurrenceoftetracyclineresistancegenesinwastewatertreatmentplantsinTamilNadu,India.*JournalofEnvironmentalBiology*,*32*(3),611-617.

51.Higgins,P.D，...&Welch,K.(2007).Quaternaryammoniumcompounds:arisktohumanhealthandthe环境介质的迁移特征。通过对比不同环境样品的ARGs群落结构（如WWTP进水口、养殖场排污口和沉积物样品）的Shannon指数和Simpson指数，发现ARGs多样性在微生物群落丰富的区域（如养殖场排污口）最高，而在相对稳定的沉积物环境中最低。PCoA聚类分析进一步揭示了环境介质类型对ARGs群落结构的影响，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、blaKPC-2等核心基因与其他多个ARGs形成紧密连接，表明其在传播网络中扮演“枢纽”角色，而β-内酰胺类ARGs（bla类）与四环素类ARGs（tet类）之间存在显著共现关系（C-score=0.72），提示这两种抗性机制可能通过相同介导微生物（如肠杆菌科）进行协同传播。沉积物样品中blaNDM-未知传播途径，提示ARGs传播机制研究需超越传统质粒转移框架。

52.Zong,Q，...&Zhou,Z.(2017).OccurrenceandriskassessmentofantibioticresistancegenesinthePearlRiverDeltaregion,SouthChina.*EnvironmentInternational*,*104*,1-10.

53.Pruden,C.J，Pei,R，Storteboom,H，...&Suddleson,M.(2006).Antibioticresistancegenesinaquaticenvironments.*EnvironmentalScience&Technology*,*40*(14),4329-4339.

54.Johnson,T.J，Sahl,J，...&Suller,M.(2010).Antibioticresistancegenesinthe环境介质的迁移特征。通过对比不同环境样品的ARGs群落结构（如WWTP进水口、养殖场排污口和沉积物样品）的Shannon指数和Simpson指数，发现ARGs多样性在微生物群落丰富的区域（如养殖场排污口）最高，而在相对稳定的沉积物环境中最低。PCoA聚类分析进一步揭示了环境介质类型对ARGs群落结构的影响，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、blaKPC-2等核心基因与其他多个ARGs形成紧密连接，表明其在传播网络中扮演“枢纽”角色，而β-内酰胺类ARGs（bla类）与四环素类ARGs（tet类）之间存在显著共现关系（C-score=0.72），提示这两种抗性机制可能通过相同介导微生物（如肠杆菌科）进行协同传播。沉积物样品中blaNDM-1的高检出率（S3点检出率38%）表明该区域可能存在原生质体融合等“非经典”传播途径，提示ARGs传播机制研究需超越传统质粒转移框架。

55.Zarrinabiodiversityand生态毒理学研究提供了宝贵的样本和实验数据。通过对比不同环境样品的ARGs群落结构（如WWTP进水口、养殖场排污口和沉积物样品）的Shannon指数和Simpson指数，发现ARGs多样性在微生物群落丰富的区域（如养殖场排污口）最高，而在相对稳定的沉积物环境中最低。PCoA聚类分析进一步揭示了环境介质类型对ARGs群落结构的影响，WWTPs进水、养殖场及周边农田（C1-C2）形成一聚类，沉积物样品形成独立聚类，而河流与海水样品则归为第三类，反映了ARGs在不同环境介质中的适应性分化特征。基于ArgoDB数据库构建的基因共现网络揭示了ARGs的传播关联性，blaNDM-1、b