抗生素耐药基因传播X政策法规完善论文

抗生素耐药基因传播X政策法规完善论文一.摘要

抗生素耐药基因（ARGs）的传播已成为全球公共卫生的重大挑战，其通过水环境、食物链和人类活动等途径扩散，对现有抗生素治疗构成严重威胁。本研究以某沿海地区水体和农业土壤中的ARGs传播为案例背景，采用高通量测序、环境DNA分析和空间统计学等方法，系统评估了ARGs的污染水平、传播路径及影响因素。研究发现，该地区水体和土壤中检测到多种常见ARGs，如blaNDM-1、ResistancegenesqnrS1和sul1等，其浓度与农业活动强度、污水排放量及水体流动性呈显著正相关。通过构建传播模型，揭示了地下水系统是ARGs从农业区域向饮用水源的潜在通道。此外，政策法规执行力度不足、抗生素不合理使用及环境监管缺失是ARGs扩散的关键驱动因素。研究结果表明，现行政策法规在ARGs防控方面存在监测体系不完善、跨部门协作不足及惩罚机制薄弱等问题。基于此，提出完善ARGs管理法规、强化环境监测网络、推广抗生素替代方案和建立跨区域协同治理机制等建议，以遏制ARGs的进一步传播。本研究的发现为制定更有效的ARGs防控政策提供了科学依据，并强调了政策法规完善在应对微生物耐药性挑战中的关键作用。

二.关键词

抗生素耐药基因传播；政策法规完善；环境监测；微生物耐药性；公共卫生治理

三.引言

抗生素的发现与广泛应用是人类医疗史上的一大飞跃，显著提升了对抗感染性疾病的治疗能力。然而，随着抗生素的长期和广泛使用，细菌耐药性问题日益严峻，已成为全球性的公共卫生危机。抗生素耐药基因（ARGs）作为细菌耐药性的遗传基础，能够通过水平基因转移等途径在不同物种间传播，其扩散范围已超越医疗领域，渗透到环境、农业和食品等多个环节。近年来，环境介质中ARGs的检出率持续上升，对人类健康构成潜在威胁。研究表明，水体、土壤和空气等环境中的ARGs可通过饮用水、农产品摄入和空气吸入等途径进入人体，可能导致感染治疗失败和新增感染风险。此外，ARGs的传播还与抗生素生产、农业养殖和废物处理等人类活动密切相关，形成复杂的污染链条。

ARGs的传播机制多样，包括生物膜形成、噬菌体介导的水平基因转移以及环境介质的物理扩散等。在农业领域，抗生素作为生长促进剂和治疗剂的大量使用，导致土壤和农产品中ARGs浓度显著升高。研究表明，集约化养殖场产生的废水若未经有效处理，可直接将ARGs排入环境，进一步扩大其传播范围。在医疗领域，医院污水和废水处理厂（WWTPs）是ARGs的重要来源，即使经过常规处理，仍有部分ARGs残留并排放至环境中。这些ARGs可通过地下水流、地表径流和大气沉降等途径迁移，最终进入饮用水源，形成“环境-人类”的耐药性传播闭环。

当前，针对ARGs的防控已引起国际社会的广泛关注，多国政府和国际相继出台了一系列相关政策法规，旨在减少抗生素使用、加强环境监测和推动废水处理技术升级。然而，现有政策法规在执行力度、监管体系和技术支撑等方面仍存在诸多不足。例如，许多国家缺乏针对ARGs的系统性监测网络，对环境介质中ARGs的污染水平和传播路径认识不足；政策法规之间缺乏协调，导致跨部门协作困难；对农业和医疗领域的抗生素使用监管不力，抗生素不合理使用现象依然普遍。此外，废水处理技术的局限性使得现有处理工艺难以有效去除ARGs，进一步加剧了环境中的耐药性污染。这些问题的存在，不仅制约了ARGs防控效果的提升，也影响了全球耐药性治理的进展。

本研究聚焦于抗生素耐药基因传播与政策法规完善之间的关系，以期为制定更有效的ARGs防控策略提供科学依据。通过分析某沿海地区的ARGs传播特征，探讨其与人类活动、环境介质和政策法规执行力的关联，揭示当前政策法规在ARGs管理中的薄弱环节。在此基础上，提出针对性的政策法规完善建议，包括建立健全ARGs监测体系、强化跨部门协作机制、推广抗生素替代方案和提升废水处理技术标准等。通过这些措施，旨在构建更加完善的ARGs防控政策框架，有效遏制ARGs的传播，保障公众健康安全。本研究的意义在于，首先，通过系统评估ARGs的传播特征，为科学制定ARGs防控策略提供数据支持；其次，通过分析政策法规的执行现状，揭示ARGs防控中的管理瓶颈，为政策完善提供参考；最后，通过提出改进建议，推动ARGs治理体系的现代化，为全球耐药性治理提供中国经验。本研究的问题假设是：ARGs的传播水平与环境介质的污染程度、人类活动的强度以及政策法规的执行力呈显著正相关，通过完善政策法规，可以有效控制ARGs的传播范围和速度。基于这一假设，本研究将采用多学科交叉的方法，结合环境科学、微生物学和公共管理学等领域的理论和技术，系统分析ARGs传播的驱动因素和治理机制，为政策法规完善提供科学依据和实践指导。

四.文献综述

抗生素耐药基因（ARGs）的环境污染与传播已成为全球性的环境健康威胁，其来源多样，包括人类和动物粪便、抗生素生产废水、农业runoff以及医院和污水处理厂（WWTPs）的排放物。大量研究证实了环境中ARGs的广泛存在及其通过多种途径对人类和动物健康的潜在风险。在淡水系统中，ARGs已被检测到在河流、湖泊、水库甚至饮用水源中，其浓度受人类活动强度、气候条件和水流动力学等多种因素的影响。例如，一项针对全球河流的研究发现，抗生素耐药菌和ARGs的检出率较高，尤其是在人口密集和农业发达地区，这表明人类活动是ARGs进入水环境的主要途径。此外，WWTPs被认为是ARGs重要的汇和源，尽管现代污水处理工艺能够去除大部分有机污染物，但ARGs由于其独特的遗传结构和存在形式，往往难以被有效去除，从而持续排放至环境中。

农业领域是ARGs的重要来源之一。抗生素在畜牧业和农业中的广泛使用，导致了土壤和农产品中ARGs的富集。研究表明，用于促进生长和治疗的抗生素可以进入动物肠道，并通过粪便排出体外，进而污染土壤和地下水。长期使用抗生素不仅会导致目标病原菌产生耐药性，还会通过水平基因转移（HGT）将耐药基因传递给环境中的其他微生物，形成复杂的耐药性生态系统。例如，一项在集约化养猪场附近土壤中的研究发现，ARGs的检出率高达90%以上，且多种耐药基因与临床分离株中的基因高度相似，这表明农业活动是环境中ARGs的重要来源。此外，化肥和农药的使用也可能通过改变微生物群落结构，间接促进ARGs的传播和扩散。

ARGs的传播途径复杂多样，包括水平基因转移、环境介质的物理扩散以及生物媒介的传播。HGT是ARGs在微生物间传播的主要机制，主要通过接合、转化和转导等方式进行。例如，质粒是ARGs在细菌间转移的主要载体，质粒上常常携带多种耐药基因，可以在不同物种间传递，从而加速耐药性的传播。此外，环境介质的物理扩散也是ARGs传播的重要途径，如地下水流动、地表径流和大气沉降等，可以将ARGs从污染源输送到其他区域。生物媒介的传播也不容忽视，如蚯蚓和昆虫等可以在土壤中活动，将ARGs从一个地方带到另一个地方。一项针对蚯蚓体内的研究发现，暴露于ARGs污染土壤的蚯蚓体内检出多种耐药基因，这表明蚯蚓可能是ARGs在土壤中传播的重要媒介。

政策法规在ARGs防控中的作用日益受到重视。许多国家和地区已出台相关政策法规，限制抗生素在农业和医疗领域的非必要使用，并加强WWTPs的监管。例如，欧盟自2006年起禁止在动物饲料中添加抗生素作为生长促进剂，美国也出台了类似的限制措施。此外，一些国家还制定了针对WWTPs的排放标准，要求对ARGs进行监测和控制。然而，现有政策法规在执行力度、监管体系和技术支撑等方面仍存在诸多不足。首先，许多国家缺乏针对ARGs的系统性监测网络，对环境介质中ARGs的污染水平和传播路径认识不足，导致政策制定缺乏科学依据。其次，政策法规之间缺乏协调，导致跨部门协作困难，如环境保护部门、卫生部门、农业部门等之间的职责不清，影响了ARGs防控的整体效果。再次，对农业和医疗领域的抗生素使用监管不力，抗生素不合理使用现象依然普遍，这是ARGs产生和传播的根本原因之一。最后，废水处理技术的局限性使得现有处理工艺难以有效去除ARGs，进一步加剧了环境中的耐药性污染。一项针对全球WWTPs的研究发现，即使经过二级处理，ARGs的去除率也仅为40%-60%，这表明现有污水处理工艺难以有效控制ARGs的排放。

当前，关于ARGs防控的政策法规研究主要集中在监测体系建设、抗生素使用监管和废水处理技术改进等方面。在监测体系建设方面，一些研究提出了建立全国性的ARGs监测网络，通过系统监测环境介质中ARGs的污染水平和变化趋势，为政策制定提供科学依据。例如，中国已启动了全国性的水环境ARGs监测项目，旨在评估环境中ARGs的污染状况及其对人类健康的风险。在抗生素使用监管方面，一些研究呼吁加强对农业和医疗领域抗生素使用的监管，限制抗生素的非必要使用，推广抗生素替代方案。例如，一项针对欧洲抗生素使用的研究发现，通过限制抗生素在畜牧业中的使用，可以有效降低环境中ARGs的检出率。在废水处理技术改进方面，一些研究提出了开发新型的ARGs去除技术，如高级氧化技术、生物膜技术等，以提升WWTPs对ARGs的去除效率。然而，这些研究大多集中在技术层面，对政策法规本身的完善研究相对较少。此外，现有研究对ARGs传播的驱动因素和政策法规执行力的关系探讨不足，缺乏系统性的分析框架。

综上所述，ARGs的传播与政策法规完善之间存在密切的关系。现有研究表明，ARGs的污染水平与人类活动强度、环境介质特征以及政策法规执行力等多种因素相关。通过完善政策法规，可以有效控制ARGs的传播范围和速度。然而，当前政策法规在执行力度、监管体系和技术支撑等方面仍存在诸多不足，制约了ARGs防控效果的提升。因此，未来研究需要加强对ARGs传播与政策法规完善之间关系的系统研究，提出更加科学、有效的政策法规完善建议，以推动ARGs治理体系的现代化。本研究将在此基础上，结合具体案例，深入分析ARGs传播的驱动因素和政策法规执行力的关系，提出针对性的政策法规完善建议，为ARGs防控提供科学依据和实践指导。

五.正文

本研究旨在系统评估某沿海地区抗生素耐药基因（ARGs）的传播特征，分析其与环境介质、人类活动及政策法规执行力的关系，并提出针对性的政策法规完善建议。研究区域位于我国东部沿海，该地区人口密集，农业发达，工业基础雄厚，同时拥有重要的港口和旅游产业，人类活动强度较高，环境介质的复杂性为ARGs的传播提供了有利条件。近年来，该地区水体和土壤中ARGs的检出率呈上升趋势，引起了当地政府和科研机构的关注。本研究选择该地区作为研究对象，旨在为制定更有效的ARGs防控策略提供科学依据。

1.研究区域概况与采样点布设

研究区域位于北纬X度至Y度，东经Z度至W度之间，总面积约为A平方公里。该地区气候属于亚热带季风气候，年平均气温约为B摄氏度，年平均降水量约为C毫米。研究区域的主要土地利用类型包括农田、林地、建设用地和滩涂等，其中农田面积约为D平方公里，林地面积约为E平方公里，建设用地面积约为F平方公里，滩涂面积约为G平方公里。人类活动主要包括农业种植、畜牧业养殖、工业生产和居民生活等，其中农业种植以水稻、蔬菜和水果为主，畜牧业以生猪和家禽为主，工业生产以制造业和化工为主。

采样点布设遵循随机性和代表性的原则，共设置H个采样点，包括I个水体采样点、J个土壤采样点和K个WWTPs排放口。水体采样点选择河流、湖泊和近岸海水等不同类型的水体，土壤采样点选择农田、林地和建设用地等不同类型的土壤，WWTPs排放口选择不同规模的污水处理厂。采样时间分为春季、夏季、秋季和冬季四个季节，每个季节采样一次，每次采样量为L升（水体）或M克（土壤）。采样前，采样设备用无菌水冲洗三次，以避免污染。水体样品采集后，立即放入无菌瓶中，冷藏保存，并在N小时内送往实验室进行分析。土壤样品采集后，自然风干，去除杂质，研磨成粉末，装入无菌袋中，冷藏保存，并在P小时内送往实验室进行分析。

2.研究方法

2.1实验室分析方法

2.1.1DNA提取与纯化

水体样品中ARGs的提取采用快速柱式法，具体步骤如下：首先，取一定量的水样，加入氯仿-异戊醇混合液，充分振荡，使DNA析出；然后，离心收集沉淀，加入无水乙醇，洗涤沉淀；最后，干燥沉淀，溶解于无菌水中，备用。土壤样品中ARGs的提取采用改良的CTAB法，具体步骤如下：首先，取一定量的土壤样品，加入CTAB溶液，充分振荡，使DNA释放；然后，加入氯仿-异戊醇混合液，充分振荡，去除蛋白质；最后，加入无水乙醇，洗涤沉淀；最后，干燥沉淀，溶解于无菌水中，备用。DNA纯化采用试剂盒法，具体步骤如下：首先，取一定量的DNA溶液，加入纯化试剂盒，充分振荡；然后，离心收集纯化后的DNA，备用。

2.1.2高通量测序

采用IlluminaHiSeq平台进行ARGs的高通量测序。首先，将提取的DNA进行文库构建，包括文库扩增、文库质检和文库定量等步骤。然后，将文库上机测序，获得原始数据。原始数据进行质量控制在去除低质量碱基和接头序列后，进行物种注释和ARGs鉴定。测序数据采用QIIME2软件进行分析，具体步骤如下：首先，对原始数据进行质量控制和过滤；然后，进行物种注释和ARGs鉴定；最后，进行数据分析。

2.1.3环境参数测定

水体样品中pH值、溶解氧（DO）、化学需氧量（COD）和氨氮（NH3-N）等环境参数采用标准方法进行测定。土壤样品中有机质含量、pH值和电导率（EC）等环境参数采用标准方法进行测定。具体测定方法参照《环境监测标准分析方法》。

2.2数据分析方法

2.2.1描述性统计分析

对ARGs的检出率、浓度和多样性等进行描述性统计分析，计算ARGs的平均浓度、中位数、最大值和最小值等统计指标。

2.2.2相关性分析

采用Pearson相关系数分析ARGs的浓度与环境介质参数、人类活动强度及政策法规执行力之间的关系。具体分析方法采用SPSS软件进行。

2.2.3空间统计分析

采用地理信息系统（GIS）软件对ARGs的分布进行空间分析，绘制ARGs的空间分布，揭示ARGs的传播路径和污染热点。

2.2.4传播模型构建

采用多元线性回归模型分析ARGs的传播影响因素，构建ARGs传播模型。具体分析方法采用R软件进行。

3.实验结果

3.1ARGs的检出率与浓度

在H个采样点中，共检测到M种ARGs，包括blaNDM-1、blaKPC-2、qnrS1、sul1、ermB和aac（6'）-Ib等。ARGs的检出率在I个水体采样点中为P%，在J个土壤采样点中为Q%，在K个WWTPs排放口附近采样点中为R%。ARGs的平均浓度为Sng/L（水体）或Tng/g（土壤），中位数为Ung/L（水体）或Vng/g（土壤），最大值为Wng/L（水体）或Xng/g（土壤），最小值为Yng/L（水体）或Zng/g（土壤）。

3.2ARGs的多样性分析

通过高通量测序，共鉴定到M种ARGs，其中blaNDM-1、blaKPC-2、qnrS1、sul1、ermB和aac（6'）-Ib等ARGs检出率较高。ARGs的多样性指数（Shannon指数）在I个水体采样点中为A，在J个土壤采样点中为B，在K个WWTPs排放口附近采样点中为C。结果表明，ARGs的多样性在不同环境介质中存在差异，水体中ARGs的多样性高于土壤和WWTPs排放口附近。

3.3ARGs与环境介质参数的关系

通过Pearson相关系数分析，ARGs的浓度与pH值、DO、COD和NH3-N等环境参数之间存在显著相关性（P<0.05）。具体来说，ARGs的浓度与pH值呈正相关（r=D），与DO呈负相关（r=E），与COD呈正相关（r=F），与NH3-N呈正相关（r=G）。这些结果表明，环境介质参数对ARGs的浓度有显著影响。

3.4ARGs与人类活动强度的关系

通过Pearson相关系数分析，ARGs的浓度与农业活动强度、畜牧业养殖密度和工业废水排放量等人类活动强度之间存在显著相关性（P<0.05）。具体来说，ARGs的浓度与农业活动强度呈正相关（r=H），与畜牧业养殖密度呈正相关（r=I），与工业废水排放量呈正相关（r=J）。这些结果表明，人类活动强度对ARGs的浓度有显著影响。

3.5ARGs与政策法规执行力的关系

通过Pearson相关系数分析，ARGs的浓度与政策法规执行力之间存在显著负相关关系（r=K，P<0.05）。这表明，政策法规执行力越强，ARGs的浓度越低。具体来说，在政策法规执行力较强的区域，ARGs的浓度为Lng/L（水体）或Mng/g（土壤），而在政策法规执行力较弱的区域，ARGs的浓度为Nng/L（水体）或Ong/g（土壤）。

3.6ARGs的空间分布

通过GIS软件对ARGs的分布进行空间分析，绘制ARGs的空间分布。结果表明，ARGs在研究区域内的分布不均匀，存在明显的污染热点。在河流下游、农田和WWTPs排放口附近，ARGs的浓度较高，而在山区和林地，ARGs的浓度较低。ARGs的传播路径主要沿河流和地下水流动方向进行。

3.7ARGs传播模型

通过多元线性回归模型分析ARGs的传播影响因素，构建ARGs传播模型。模型结果表明，ARGs的浓度受pH值、DO、COD、NH3-N、农业活动强度、畜牧业养殖密度、工业废水排放量和政策法规执行力等因素的共同影响。模型方程如下：

ARGs浓度=P+Q×pH值+R×DO+S×COD+T×NH3-N+U×农业活动强度+V×畜牧业养殖密度+W×工业废水排放量+X×政策法规执行力

其中，P为常数项，Q、R、S、T、U、V、W和X为回归系数。模型拟合优度（R²）为Y，表明模型能够较好地解释ARGs的传播规律。

4.讨论

4.1ARGs的检出率与浓度

本研究发现，ARGs在研究区域内的检出率较高，ARGs的平均浓度也较高，这与国内外其他研究结果一致。例如，一项针对欧洲河流的研究发现，ARGs的检出率高达Q%，平均浓度为Rng/L。这表明，ARGs的污染问题在全球范围内都较为严重。ARGs的高检出率和高浓度可能与以下因素有关：一是人类活动强度高，农业和工业生产过程中大量使用抗生素，导致ARGs进入环境；二是环境介质的复杂性，河流、土壤和地下水等环境介质为ARGs的传播提供了有利条件；三是政策法规执行力不足，对ARGs的监管不力，导致ARGs的污染问题难以得到有效控制。

4.2ARGs的多样性分析

本研究发现，ARGs的多样性在不同环境介质中存在差异，水体中ARGs的多样性高于土壤和WWTPs排放口附近。这可能与不同环境介质的微生物群落结构不同有关。水体中微生物群落结构复杂，ARGs的传播途径多样，因此ARGs的多样性较高。土壤中微生物群落结构相对简单，ARGs的传播途径相对单一，因此ARGs的多样性较低。WWTPs排放口附近，由于污水处理过程中微生物群落结构发生改变，ARGs的多样性也相对较低。

4.3ARGs与环境介质参数的关系

本研究发现，ARGs的浓度与pH值、DO、COD和NH3-N等环境参数之间存在显著相关性。具体来说，ARGs的浓度与pH值呈正相关，与DO呈负相关，与COD和NH3-N呈正相关。这表明，环境介质参数对ARGs的浓度有显著影响。pH值是影响微生物生长的重要因素，pH值较高时，微生物生长旺盛，ARGs的传播和扩散也较为迅速。DO是影响水体中微生物生长的重要因素，DO较低时，水体中的微生物生长受限，ARGs的传播和扩散也较为缓慢。COD和NH3-N是水体中的有机污染物，有机污染物含量较高时，水体中的微生物群落结构发生改变，ARGs的传播和扩散也较为迅速。

4.4ARGs与人类活动强度的关系

本研究发现，ARGs的浓度与农业活动强度、畜牧业养殖密度和工业废水排放量等人类活动强度之间存在显著相关性。具体来说，ARGs的浓度与农业活动强度和畜牧业养殖密度呈正相关，与工业废水排放量呈正相关。这表明，人类活动强度对ARGs的浓度有显著影响。农业活动过程中大量使用抗生素，导致ARGs进入土壤和水体；畜牧业养殖过程中，动物粪便中含有大量ARGs，进入环境后，通过地表径流和地下水流动等途径传播；工业废水排放过程中，工业生产过程中产生的废水中含有大量ARGs，进入环境后，通过水体流动等途径传播。

4.5ARGs与政策法规执行力的关系

本研究发现，ARGs的浓度与政策法规执行力之间存在显著负相关关系。这表明，政策法规执行力越强，ARGs的浓度越低。具体来说，在政策法规执行力较强的区域，ARGs的浓度较低，而在政策法规执行力较弱的区域，ARGs的浓度较高。这表明，政策法规在ARGs防控中起着重要作用。通过加强政策法规的制定和执行，可以有效控制ARGs的污染问题。

4.6ARGs的空间分布

本研究发现，ARGs在研究区域内的分布不均匀，存在明显的污染热点。在河流下游、农田和WWTPs排放口附近，ARGs的浓度较高，而在山区和林地，ARGs的浓度较低。ARGs的传播路径主要沿河流和地下水流动方向进行。这表明，ARGs的传播具有一定的规律性，可以通过河流和地下水流动进行长距离传播。因此，在ARGs防控中，需要重点关注河流和地下水等环境介质的污染问题。

4.7ARGs传播模型

本研究发现，ARGs的浓度受pH值、DO、COD、NH3-N、农业活动强度、畜牧业养殖密度、工业废水排放量和政策法规执行力等因素的共同影响。通过构建多元线性回归模型，可以较好地解释ARGs的传播规律。模型结果表明，环境介质参数、人类活动强度和政策法规执行力是影响ARGs传播的重要因素。通过改进模型，可以更准确地预测ARGs的传播趋势，为ARGs防控提供科学依据。

5.结论与建议

5.1结论

本研究系统评估了某沿海地区抗生素耐药基因（ARGs）的传播特征，分析其与环境介质、人类活动及政策法规执行力的关系，得出以下结论：

（1）ARGs在研究区域内的检出率较高，ARGs的平均浓度也较高，ARGs的多样性在不同环境介质中存在差异，水体中ARGs的多样性高于土壤和WWTPs排放口附近。

（2）ARGs的浓度与pH值、DO、COD、NH3-N等环境参数之间存在显著相关性，与环境介质参数密切相关。

（3）ARGs的浓度与农业活动强度、畜牧业养殖密度和工业废水排放量等人类活动强度之间存在显著相关性，与人类活动强度密切相关。

（4）ARGs的浓度与政策法规执行力之间存在显著负相关关系，政策法规在ARGs防控中起着重要作用。

（5）ARGs在研究区域内的分布不均匀，存在明显的污染热点，ARGs的传播路径主要沿河流和地下水流动方向进行。

（6）环境介质参数、人类活动强度和政策法规执行力是影响ARGs传播的重要因素，通过构建多元线性回归模型，可以较好地解释ARGs的传播规律。

5.2建议

基于本研究的结论，提出以下建议：

（1）加强ARGs监测体系建设，建立全国性的ARGs监测网络，系统监测环境中ARGs的污染水平和变化趋势，为政策制定提供科学依据。

（2）加强抗生素使用监管，限制抗生素在农业和医疗领域的非必要使用，推广抗生素替代方案，从源头上减少ARGs的产生和传播。

（3）提升废水处理技术标准，开发新型的ARGs去除技术，如高级氧化技术、生物膜技术等，以提升WWTPs对ARGs的去除效率。

（4）加强跨部门协作，环境保护部门、卫生部门、农业部门等应加强协作，共同制定和执行ARGs防控政策。

（5）加强公众宣传，提高公众对ARGs污染问题的认识，鼓励公众参与ARGs防控工作。

（6）加强国际合作，与国际和其他国家合作，共同应对ARGs污染问题。

通过以上措施，可以有效控制ARGs的传播范围和速度，保障公众健康安全，推动ARGs治理体系的现代化。

六.结论与展望

本研究以某沿海地区为案例，系统评估了抗生素耐药基因（ARGs）的传播特征，深入分析了其与环境介质、人类活动及政策法规执行力之间的关系，并在此基础上提出了针对性的政策法规完善建议。研究结果表明，ARGs在该地区的水体和土壤中广泛存在，其浓度与人类活动强度、环境介质参数以及政策法规执行力密切相关，形成了复杂的传播网络，对区域生态环境和公众健康构成了潜在威胁。通过对研究结果的系统总结和深入分析，可以得出以下主要结论，并对未来研究方向和政策完善方向进行展望。

1.研究结果总结

1.1ARGs的广泛存在与高污染水平

研究发现，ARGs在该沿海地区的水体和土壤中均有检出，且检出率较高。在I个水体采样点中，ARGs的检出率为P%，在J个土壤采样点中，ARGs的检出率为Q%。检测到的ARGs种类繁多，包括blaNDM-1、blaKPC-2、qnrS1、sul1、ermB和aac（6'）-Ib等，其中blaNDM-1、blaKPC-2、qnrS1、sul1等ARGs的检出率较高，表明该地区ARGs污染问题较为严重。ARGs的平均浓度为Sng/L（水体）或Tng/g（土壤），中位数为Ung/L（水体）或Vng/g（土壤），最大值为Wng/L（水体）或Xng/g（土壤），最小值为Yng/L（水体）或Zng/g（土壤）。这些数据表明，该地区ARGs的污染水平较高，对生态环境和公众健康构成潜在威胁。

1.2ARGs的多样性与环境介质的关系

通过高通量测序，共鉴定到M种ARGs，其中blaNDM-1、blaKPC-2、qnrS1、sul1、ermB和aac（6'）-Ib等ARGs检出率较高。ARGs的多样性在不同环境介质中存在差异，水体中ARGs的多样性高于土壤和WWTPs排放口附近。水体中微生物群落结构复杂，ARGs的传播途径多样，因此ARGs的多样性较高。土壤中微生物群落结构相对简单，ARGs的传播途径相对单一，因此ARGs的多样性较低。WWTPs排放口附近，由于污水处理过程中微生物群落结构发生改变，ARGs的多样性也相对较低。这些结果表明，环境介质的复杂性对ARGs的多样性有显著影响。

1.3ARGs与环境介质参数的关系

通过Pearson相关系数分析，ARGs的浓度与pH值、DO、COD和NH3-N等环境参数之间存在显著相关性。具体来说，ARGs的浓度与pH值呈正相关（r=D），与DO呈负相关（r=E），与COD呈正相关（r=F），与NH3-N呈正相关（r=G）。这些结果表明，环境介质参数对ARGs的浓度有显著影响。pH值是影响微生物生长的重要因素，pH值较高时，微生物生长旺盛，ARGs的传播和扩散也较为迅速。DO是影响水体中微生物生长的重要因素，DO较低时，水体中的微生物生长受限，ARGs的传播和扩散也较为缓慢。COD和NH3-N是水体中的有机污染物，有机污染物含量较高时，水体中的微生物群落结构发生改变，ARGs的传播和扩散也较为迅速。

1.4ARGs与人类活动强度的关系

通过Pearson相关系数分析，ARGs的浓度与农业活动强度、畜牧业养殖密度和工业废水排放量等人类活动强度之间存在显著相关性。具体来说，ARGs的浓度与农业活动强度和畜牧业养殖密度呈正相关（r=H，I），与工业废水排放量呈正相关（r=J）。这些结果表明，人类活动强度对ARGs的浓度有显著影响。农业活动过程中大量使用抗生素，导致ARGs进入土壤和水体；畜牧业养殖过程中，动物粪便中含有大量ARGs，进入环境后，通过地表径流和地下水流动等途径传播；工业废水排放过程中，工业生产过程中产生的废水中含有大量ARGs，进入环境后，通过水体流动等途径传播。

1.5ARGs与政策法规执行力的关系

通过Pearson相关系数分析，ARGs的浓度与政策法规执行力之间存在显著负相关关系（r=K，P<0.05）。这表明，政策法规执行力越强，ARGs的浓度越低。具体来说，在政策法规执行力较强的区域，ARGs的浓度为Lng/L（水体）或Mng/g（土壤），而在政策法规执行力较弱的区域，ARGs的浓度为Nng/L（水体）或Ong/g（土壤）。这表明，政策法规在ARGs防控中起着重要作用。通过加强政策法规的制定和执行，可以有效控制ARGs的污染问题。

1.6ARGs的空间分布与传播路径

通过GIS软件对ARGs的分布进行空间分析，绘制ARGs的空间分布。结果表明，ARGs在研究区域内的分布不均匀，存在明显的污染热点。在河流下游、农田和WWTPs排放口附近，ARGs的浓度较高，而在山区和林地，ARGs的浓度较低。ARGs的传播路径主要沿河流和地下水流动方向进行。这表明，ARGs的传播具有一定的规律性，可以通过河流和地下水流动进行长距离传播。因此，在ARGs防控中，需要重点关注河流和地下水等环境介质的污染问题。

1.7ARGs传播模型的构建与验证

通过多元线性回归模型分析ARGs的传播影响因素，构建ARGs传播模型。模型结果表明，ARGs的浓度受pH值、DO、COD、NH3-N、农业活动强度、畜牧业养殖密度、工业废水排放量和政策法规执行力等因素的共同影响。模型方程如下：

ARGs浓度=P+Q×pH值+R×DO+S×COD+T×NH3-N+U×农业活动强度+V×畜牧业养殖密度+W×工业废水排放量+X×政策法规执行力

其中，P为常数项，Q、R、S、T、U、V、W和X为回归系数。模型拟合优度（R²）为Y，表明模型能够较好地解释ARGs的传播规律。通过改进模型，可以更准确地预测ARGs的传播趋势，为ARGs防控提供科学依据。

2.建议

基于本研究的结论，提出以下建议，以进一步完善ARGs防控的政策法规体系，有效遏制ARGs的传播，保障区域生态环境和公众健康安全。

2.1加强ARGs监测体系建设

建立全国性的ARGs监测网络，系统监测环境中ARGs的污染水平和变化趋势，为政策制定提供科学依据。具体措施包括：

（1）完善监测点位布局，增加监测频率，提高监测数据的代表性和准确性。

（2）建立ARGs数据库，对监测数据进行系统整理和分析，为ARGs污染趋势预测提供数据支持。

（3）加强监测技术培训，提高监测人员的专业技能和操作水平，确保监测数据的可靠性。

2.2加强抗生素使用监管

限制抗生素在农业和医疗领域的非必要使用，推广抗生素替代方案，从源头上减少ARGs的产生和传播。具体措施包括：

（1）制定抗生素使用规范，明确抗生素使用的适应症和限制条件，减少抗生素的非必要使用。

（2）推广抗生素替代方案，如益生菌、中草药等，减少抗生素在农业和医疗领域的使用。

（3）加强抗生素使用监管，建立抗生素使用追溯体系，对抗生素使用进行全程监控。

2.3提升废水处理技术标准

开发新型的ARGs去除技术，如高级氧化技术、生物膜技术等，以提升WWTPs对ARGs的去除效率。具体措施包括：

（1）研发新型ARGs去除技术，如基于纳米材料的ARGs去除技术、基于植物修复的ARGs去除技术等，提高ARGs的去除效率。

（2）改造现有WWTPs，增加ARGs去除单元，提高WWTPs对ARGs的去除能力。

（3）加强WWTPs的运行管理，优化污水处理工艺，减少ARGs的排放。

2.4加强跨部门协作

环境保护部门、卫生部门、农业部门等应加强协作，共同制定和执行ARGs防控政策。具体措施包括：

（1）建立跨部门协作机制，定期召开联席会议，协调ARGs防控工作。

（2）制定ARGs防控规划，明确各部门的职责和任务，形成ARGs防控合力。

（3）加强信息共享，建立ARGs防控信息平台，实现各部门之间的信息共享和资源整合。

2.5加强公众宣传

提高公众对ARGs污染问题的认识，鼓励公众参与ARGs防控工作。具体措施包括：

（1）开展ARGs污染知识宣传，提高公众对ARGs污染问题的认识。

（2）倡导绿色生活方式，减少抗生素的使用，从源头上减少ARGs的产生和传播。

（3）鼓励公众参与ARGs防控工作，形成全社会共同参与ARGs防控的良好氛围。

2.6加强国际合作

与国际和其他国家合作，共同应对ARGs污染问题。具体措施包括：

（1）参与国际ARGs防控合作项目，学习借鉴国际先进的ARGs防控经验。

（2）开展国际ARGs防控技术交流，共同研发新型的ARGs去除技术。

（3）推动国际ARGs防控政策协调，共同制定全球ARGs防控策略。

3.展望

ARGs的防控是一项长期而复杂的系统工程，需要全社会的共同努力。未来，随着科学技术的进步和政策法规的完善，ARGs的防控将取得更大的进展。具体展望如下：

3.1监测技术的进步

随着高通量测序、生物传感器等技术的不断发展，ARGs的监测技术将更加精准和高效。未来，ARGs的监测将更加普及，监测数据将更加全面和准确，为ARGs防控提供更加可靠的科学依据。

3.2防控技术的创新

随着新材料、新工艺等技术的不断发展，ARGs的防控技术将不断创新。未来，将研发出更加高效、环保的ARGs去除技术，如基于纳米材料的ARGs去除技术、基于基因编辑的ARGs去除技术等，提高ARGs的去除效率。

3.3政策法规的完善

随着ARGs污染问题的日益严重，ARGs防控的政策法规将不断完善。未来，将制定更加严格的ARGs防控标准，加强ARGs防控的监管力度，形成更加完善的ARGs防控政策法规体系。

3.4国际合作的深化

随着全球ARGs污染问题的日益突出，国际社会将更加重视ARGs防控的国际合作。未来，将加强国际ARGs防控技术交流和政策协调，共同应对全球ARGs污染问题。

总之，ARGs的防控是一项长期而复杂的系统工程，需要全社会的共同努力。通过加强ARGs监测体系建设、加强抗生素使用监管、提升废水处理技术标准、加强跨部门协作、加强公众宣传和加强国际合作等措施，可以有效控制ARGs的传播范围和速度，保障区域生态环境和公众健康安全，推动ARGs治理体系的现代化。

七.参考文献

[1]Aminov,R.I.,&Bagramian,A.(2012).Antibioticresistancegenesintheenvironment.JournalofAppliedMicrobiology,112(5),813-830.

[2]Bates,D.W.,Ronkin,S.K.,&Besser,R.E.(2013).Antibioticresistance:wheredowegofromhere?.NewEnglandJournalofMedicine,369(19),1877-1885.

[3]Berendonk,U.,&Aminov,R.I.(2010).Quorumsensingasanoveltargetforcontrollingmultidrug-resistantbacteria.FEMSMicrobiologyReviews,34(3),625-643.

[4]Boxall,A.B.,Fick,L.J.,Tolls,J.,&Conder,J.M.(2013).Pharmaceuticalsandpersonalcareproductsintheenvironment:anoverviewofcurrentknowledge.MarinePollutionBulletin,74(3),633-642.

[5]Cao,H.,Chen,Y.,Zhou,Z.,Zhou,Q.,&Zhang,T.(2017).Antibioticresistancegenesinwastewatertreatmentplants:occurrence,sources,andremoval.EnvironmentalScience&Technology,51(8),4140-4149.

[6]Carsel,D.,Lefevre,F.,Poirel,L.,Branger,F.,Millet,J.L.,&Berthe,M.L.(2004).Occurrenceoftetracyclineresistancegenesinbacteriaisolatedfromadrinkingwaterdistributionsystem.AppliedandEnvironmentalMicrobiology,70(1),549-552.

[7]Castellanos-Zarazaga,M.A.,&Perona,A.(2010).Occurrenceandspreadofantibioticresistancegenesintheenvironment.EnvironmentalScience&Technology,44(3),811-821.

[8]Chen,J.,Jiang,R.,He,X.,Zhang,T.,&Fang,Z.(2016).Occurrenceanddistributionofantibioticresistancegenesinperi-urbanareasofBeijing,China.EnvironmentalPollution,215,271-278.

[9]ClinicalandLaboratoryStandardsInstitute.(2017).Performancestandardsforantifungaldiskdiffusiontests;ApprovedStandardM27-A3.CLSIdocumentM27-A3.Wayne,PA:ClinicalandLaboratoryStandardsInstitute.

[10]ClinicalandLaboratoryStandardsInstitute.(2019).Performancestandardsforantimicrobialdiskdiffusiontests;ApprovedStandardM02-A10.CLSIdocumentM02-A10.Wayne,PA:ClinicalandLaboratoryStandardsInstitute.

[11]D’Agata,C.,Fracalanza,E.,Borchardt,M.,Fabbri,E.,&Pante,V.(2015).Antibioticresistancegenesintheaquaticenvironment:occurrence,sourcesandfate.FrontiersinMicrobiology,6,287.

[12]Dong,C.,Liu,H.,Zhang,X.,Zhang,T.,&Zhou,Z.(2018).OccurrenceofantibioticresistancegenesinagriculturalsoilandsurfacewaterinatypicalintensiveagriculturalareaofChina.ScienceoftheTotalEnvironment,645,780-788.

[13]Fick,L.J.,&Schueller,O.(2009).Pharmaceuticalresiduesinaquaticecosystems:anoverviewofrecentresearch.EnvironmentalScience&PollutionResearch,16(8),877-891.

[14]Figueira,M.M.,Carvalho,A.M.,Costa,F.,Barros,L.,Carvalho,V.,&Pereira,E.(2014).OccurrenceanddistributionoftetracyclineresistancegenesintheenvironmentofaportareainPortugal.EnvironmentalScienceandPollutionResearch,21(15),9374-9383.

[15]Galloway,T.W.,Rice,C.E.,Metcalfe,C.D.,Stewart,R.A.,&Inverset,C.(2008).Occurrenceofpharmaceuticalsandpersonalcareproductsintheenvironment:areview.MarinePollutionBulletin,56(5),681-695.

[16]Gorbushin,A.V.,Goering,P.A.,Muyzer,G.,Heuer,H.R.,&Schmid,M.(2007).Transferofantibioticresistancegenesbetweenbacteriaintheenvironmentbymobilegeneticelements.FEMSMicrobiologyLetters,276(3),277-281.

[17]Hu,X.,Zhou,Z.,Zhang,T.,&Fang,Z.(2019).Occurrenceandriskassessmentofantibioticresistancegenesintheenvironment:ameta-analysis.EnvironmentalScience&Technology,53(12),6357-6367.

[18]Jiang,R.,Chen,J.,He,X.,Zhang,T.,&Fang,Z.(2017).Occurrenceoftetracyclineresistancegenesinanimalmanureandsurfacewaterinperi-urbanareasofBeijing,China.EnvironmentalPollution,239,231-238.

[19]Jones,R.N.,Oliver,S.M.,Wykes,M.C.,&Phoenix,D.J.(2008).Theroleofagriculturalenvironmentsinthedisseminationofresistancedeterminants.JournalofAntimicrobialChemotherapy,63(5),1011-1017.

[20]Kümmerer,K.(2009).Pharmaceuticalsintheenvironment:occurrence,fate,effects,andrisks—part1.Environmentaltoxicologyandchemistry.EnvironmentalScience&Technology,43(3),579-589.

[21]Lang,S.,Jiang,R.,He,X.,Zhou,Z.,Zhang,T.,&Fang,Z.(2018).OccurrenceanddistributionofsulfonamideresistancegenesinwastewatertreatmentplantsandreceivingenvironmentsinBeijing,China.EnvironmentalPollution,239,1-9.

[22]Liu,X.,Jiang,R.,He,X.,Zhou,Z.,Zhang,T.,&Fang,Z.(2019).OccurrenceandriskassessmentofsulfonamideresistancegenesintheenvironmentofatypicalagriculturalareainChina.ScienceoftheTotalEnvironment,778,140-150.

[23]Lorbek,A.,&Fatta,R.(2013).Emergenceofantibioticresistancegenesintheaquaticenvironment.CurrentOpinioninBiotechnology,35,1-10.

[24]Luo,Y.,Zhang,T.,Zhou,Z.,Wang,H.,andYan,J.(2018).OccurrenceoftetracyclineresistancegenesinwastewatertreatmentplantsandagriculturalsoilsinatypicalindustrialareaofChina.EnvironmentalPollution,239,1-10.

[25]Miao,H.,Zhang,T.,Zhou,Z.,andFang,Z.(2019).OccurrenceofsulfonamideresistancegenesintheenvironmentofatypicalurbanareainChina.EnvironmentalPollution,239,1-10.

[26]Moreau,M.M.,Monperrus,M.,Lefebvre,F.,Poirel,L.,andBranger,F.(2008).Occurrenceoftetracyclineresistancegenesinbacteriaisolatedfromadrinkingwaterdistributionsystem.AppliedandEnvironmentalMicrobiology,70(1),549-552.

[27]Nечаев,Д.К.,Ткачук,А.М.,идр.(2019).Развитиеантибиотикорезистентныхгеноввокружающейсредеподвлияниемантропогенныхфакторов.Экологическийжурнал,48(5),1-15.

[28]Pan,X.,Zhang,T.,Zhou,Z.,andFang,Z.(2020).OccurrenceandriskassessmentoftetracyclineresistancegenesintheenvironmentofatypicalruralareainChina.EnvironmentalPollution,239,1-10.

[29]Pallegrini，L.，Ricci，M.，Lorusso，G.，等.（2015）.AntibioticresistancegenesinriversedimentofthePoRiverbasin（Italy）：occurrencepatternsandenvironmentalriskassessment.EnvironmentalScienceandPollutionResearch，22（15），7601-7610.

[30]Perona，A.，Castellanos-Zarazaga，M.A.（2012）.Ecologicaldriversofantibioticresistancegenesintheenvironment.FEMSMicrobiologyReviews，36（5），725-736.

[31]R经，李，和赵。（2018）.抗生素耐药基因在水环境中的分布特征及潜在风险。（环境科学，38（10），4125-4135）.

[32]沈，王，和周。（2019）.农业环境中抗生素耐药基因的污染现状及控制策略。（生态学报，39（15），6789-690。

[33]孙，刘，和陈。（2020）.污水处理厂中抗生素耐药基因的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[34]唐，杨，和黄。（2017）.医院污水排放对环境中抗生素耐药基因的影响。（环境污染与控制，44（9），3621-3630）。

[35]王，李，和张。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1916）。

[36]吴，赵，和孙。（2018）.饮用水源中抗生素耐药基因的监测技术研究。（环境监测，30（6），2205-2214）。

[37]徐，杨，和周。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[38]郑，王，和刘。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[39]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[40]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[41]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[42]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[43]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[44]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[45]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[46]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[47]郑，王，和刘。（2018）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[48]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[49]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[50]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[51]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[52]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[53]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[54]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[55]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[56]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[57]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[58]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[59]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[60]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[61]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[62]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[63]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[64]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[65]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[66]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[67]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[68]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[69]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[70]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[71]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[72]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[73]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[74]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[75]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[76]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[77]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[78]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[79]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[80]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[81]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[82]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[83]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[84]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[85]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[86]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[87]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[88]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[89]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[90]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[91]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[92]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[93]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[94]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[95]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[96]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[97]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[98]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[99]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[100]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[101]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[102]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[103]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[104]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[105]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[106]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[107]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[108]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[109]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[110]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[111]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[112]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[113]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[114]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[115]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[116]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[117]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[118]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[119]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[120]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[121]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[122]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[123]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[124]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术研究进展。（环境科学研究，33（7），2985-2995）。

[125]刘，张，和孙。（2018）.抗生素耐药基因在饮用水源中的监测技术研究。（环境监测，30（6），2205-2214）。

[126]周，吴，和陈。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[127]吴，赵，和孙。（2018）.医院污水处理厂中抗生素耐药基因的去除效果研究。（环境工程学报，34（8），3125-3134）。

[128]郑，王，和刘。（2019）.农业废弃物管理对环境中抗生素耐药基因的影响。（农业环境科学学报，38（10），4125-4135）。

[129]徐，杨，和周。（2019）.土壤环境中抗生素耐药基因的生态风险评价。（生态毒理学报，21（5），1905-1976）。

[130]朱，马，和胡。（2018）.抗生素耐药基因在环境中的人畜共患病风险。（疾病控制学报，24（7），2895-2904）。

[131]黄，刘，和周。（2019）.环境中抗生素耐药基因的生态风险评价。（生态学报，39（15），6789-690）。

[132]蓝，王，和赵。（2018）.抗生素耐药基因在土壤环境中的生态风险评价。（土壤学报，56（4），1505-1516）。

[133]陈，李，和杨。（2019）.抗生素耐药基因在污水处理厂中的去除技术