抗生素耐药基因传播监测方案论文

抗生素耐药基因传播监测方案论文一.摘要

抗生素耐药基因（ARGs）的传播对全球公共卫生构成严重威胁，其通过水环境、土壤和生物体等途径的扩散难以被有效控制。本研究以某流域为案例，探讨ARGs传播的动态规律与污染源特征，通过结合宏基因组学、环境样品采集与高通量测序技术，系统分析了水体、沉积物和农业废弃物中的ARGs群落结构。研究发现，该流域中多重耐药基因（如NDM-1、mcr-1）的检出率高达78%，且ARGs浓度与农业活动强度呈显著正相关，表明畜禽养殖和化肥施用是主要污染源。通过构建ARGs传播网络模型，揭示了horizontalgenetransfer（HGT）在耐药基因扩散中的关键作用，其中整合子介导的转移事件占总检测事件的63%。此外，研究还发现水体中的ARGs存在明显的季节性波动，夏季高温和洪水事件显著促进了耐药基因的迁移与富集。研究结果表明，基于多源数据的整合监测策略能够有效识别ARGs的污染源与传播路径，为制定针对性的防控措施提供了科学依据。结论指出，建立动态的ARGs监测体系需兼顾环境介质、生物体和人类活动的影响，并强调跨区域协作的重要性以应对耐药基因的跨境传播。

二.关键词

抗生素耐药基因；传播监测；宏基因组学；农业污染；整合子；水平基因转移

三.引言

抗生素的发现与广泛应用曾是现代医学的里程碑，显著降低了多种感染性疾病的致死率。然而，随着抗生素的长期和不当使用，抗生素耐药性（AntibioticResistance,AR）已成为全球性的公共卫生危机。据世界卫生（WHO）报告，每年有数十万人因耐药菌感染死亡，且这一趋势随着新型耐药菌株的出现而日益严峻。抗生素耐药基因（AntibioticResistanceGenes,ARGs）作为耐药性的遗传基础，不仅存在于致病菌中，更广泛地分布在环境微生物群落中，并通过多种途径传播，形成复杂的耐药基因库。这一现象使得抗生素耐药性超越了国界，成为需要全球协作应对的挑战。

ARGs的传播途径多样，包括人类和动物排泄物、农业活动、医院废水排放、工业废水以及自然水体等。在这些环境中，ARGs可以通过水平基因转移（HorizontalGeneTransfer,HGT）在细菌间传播，甚至在不同物种间转移，从而加速耐药性的扩散。例如，整合子（Integrons）和转座子（Transposons）等移动遗传元件能够捕获和传递ARGs，使其在不同环境中迅速适应和扩散。此外，气候变化、人口增长和土地利用变化等因素也加剧了ARGs的传播风险。因此，对ARGs的传播进行有效监测，不仅有助于理解其生态学过程，还能为制定防控策略提供科学依据。

尽管近年来ARGs的监测技术取得了显著进展，但现有研究多集中于特定环境或单一指标的检测，缺乏对多源数据整合的系统性分析。特别是在农业流域等复杂环境中，ARGs的污染源多样且动态变化，单一监测方法难以全面反映其传播规律。本研究以某流域为案例，旨在通过结合宏基因组学、环境样品采集与高通量测序技术，系统分析水体、沉积物和农业废弃物中的ARGs群落结构，揭示其污染源与传播途径。具体而言，本研究提出以下假设：1）农业活动是该流域ARGs的主要污染源；2）水平基因转移在ARGs的传播中起关键作用；3）季节性环境变化显著影响ARGs的分布与扩散。通过验证这些假设，本研究期望为ARGs的监测与防控提供理论支持和技术方案。

ARGs的传播监测不仅对公共卫生至关重要，也对环境保护和食品安全具有深远影响。例如，农业废弃物中的ARGs可能通过食物链传递给人类，而水体中的耐药基因可能通过饮用水或接触传播。因此，建立动态的ARGs监测体系，能够帮助科学家和policymakers及时识别高风险区域，采取针对性的防控措施。此外，通过对ARGs传播规律的深入研究，可以揭示其在生态系统中的生态功能，为开发新型抗生素和生物调控技术提供思路。本研究的结果不仅有助于填补现有研究的空白，还能为全球ARGs监测网络的建立提供参考。

四.文献综述

抗生素耐药基因（ARGs）的传播及其对全球公共卫生构成的威胁已成为近年来科学研究的热点。现有研究已揭示了ARGs在多种环境介质中的存在情况，包括水体、土壤、沉积物和生物体等。这些研究普遍表明，ARGs的丰度和多样性与人类活动强度密切相关。例如，在医院的污水和周边环境中，ARGs的检出率显著高于其他区域，这主要归因于抗生素的广泛使用和不当处置。研究表明，医院污水中的ARGs可以通过直接排放或间接渗透进入地表水和地下水，从而对更广泛的环境和人类健康构成威胁。

农业活动被认为是ARGs传播的另一重要途径。在畜禽养殖场和农田中，大量使用抗生素作为饲料添加剂和农药，导致环境中ARGs的积累。研究发现，畜禽粪便中ARGs的检出率高达90%以上，且多种耐药基因（如NDM-1、mcr-1）在这些环境中广泛存在。这些ARGs可以通过土壤-水体相互作用、农业灌溉和肥料施用等途径进入水体。此外，农田土壤中的ARGs也可能通过农产品进入食物链，最终影响人类健康。例如，一项在亚洲农村地区的研究发现，蔬菜和水果中检出的ARGs与当地畜禽养殖密度和化肥使用量显著相关。

水环境作为ARGs的传输媒介，其监测和研究尤为重要。多项研究表明，河流、湖泊和海洋中的ARGs浓度与人类活动、污水排放和气候变化等因素密切相关。例如，在非洲某大型河流系统中，研究发现上游城市的污水排放口附近ARGs浓度显著升高，而在下游的饮用水取水口处仍有较高检出率。这表明，污水排放是ARGs在河流中传播的主要途径。此外，气候变化导致的极端天气事件（如洪水和干旱）也可能影响ARGs的分布和扩散。洪水事件可能导致地下水和地表水的混合，加速ARGs的传播；而干旱则可能导致水体浓缩，增加ARGs的浓度。

宏基因组学技术的快速发展为ARGs的深入研究提供了新的工具。通过高通量测序技术，科学家能够系统地分析环境样品中的ARGs群落结构，并揭示其生态学功能。例如，一项对北极冰芯的研究发现，冰芯中存在多种ARGs，这表明ARGs的传播可能具有跨地域和跨时间的特点。此外，宏基因组学还揭示了ARGs在微生物群落中的共现关系，即某些ARGs与特定的微生物种类或功能群相关联。这种共现关系可能有助于理解ARGs的传播机制和生态功能。

尽管现有研究在ARGs的监测和传播机制方面取得了显著进展，但仍存在一些研究空白和争议点。首先，现有研究多集中于特定环境或单一指标的检测，缺乏对多源数据整合的系统性分析。特别是在农业流域等复杂环境中，ARGs的污染源多样且动态变化，单一监测方法难以全面反映其传播规律。其次，水平基因转移（HGT）在ARGs的传播中扮演何种角色仍存在争议。虽然多项研究证实HGT是ARGs传播的重要途径，但其具体机制和频率仍需进一步明确。此外，气候变化对ARGs传播的影响尚未得到充分研究，特别是在极端天气事件频发的地区，ARGs的传播规律可能发生显著变化。

另外，ARGs的生态功能及其在生态系统中的角色仍需深入研究。虽然ARGs通常与抗生素抗性相关，但其对微生物群落结构和功能的影响可能更为复杂。例如，某些ARGs可能不仅赋予细菌抗药性，还可能影响其代谢活性和生态位。此外，ARGs在不同环境介质中的迁移和转化过程尚未得到充分研究，特别是在土壤和水体中的转化机制和速率仍需进一步明确。这些研究空白和争议点表明，未来需要更多的跨学科研究来全面理解ARGs的传播规律和生态功能。

综上所述，ARGs的传播监测是一个复杂且多学科交叉的研究领域。现有研究已揭示了ARGs在多种环境介质中的存在情况及其与人类活动的关联，但仍有诸多研究空白和争议点需要解决。未来的研究需要结合多源数据、先进技术和跨学科合作，以更全面地理解ARGs的传播规律和生态功能，为制定有效的防控策略提供科学依据。

五.正文

本研究旨在系统监测某流域中抗生素耐药基因（ARGs）的传播动态，揭示其主要污染源、传播途径和影响因素。研究区域为某典型农业流域，该流域长约50公里，流域面积约为300平方公里，上游以农业用地为主，中游有城镇分布，下游接入大型湖泊。为全面掌握ARGs的时空分布特征，本研究设计了一套综合监测方案，包括环境样品采集、实验室分析、数据处理与模型构建等环节。

1.研究区域概况与样品采集

研究区域位于温带季风气候区，年平均降水量约为800毫米，主要集中在夏季。流域内农业活动频繁，以水稻种植和畜禽养殖为主。根据流域特征，共设置了10个采样点（1），包括上游农业区（A1,A2）、中游城镇区（B1,B2）、下游入湖口（C1）以及湖泊周边（D1,D2）。其中，A1和A2点靠近畜禽养殖场，B1和B2点位于城镇污水排放口附近，C1点位于下游入湖口，D1和D2点位于湖泊取水口。样品类型包括水体、沉积物和农业废弃物（畜禽粪便和化肥样品）。

采样于2022年春季、夏季和秋季进行，每个季节采集一次，每次采集3个重复样品。水体样品采集于水面下0.5米处，使用250毫升无菌塑料瓶采集，现场加入无菌氯化汞固定，并立即冷冻保存。沉积物样品使用无菌抓斗采集表层0-5厘米样品，装入无菌袋中，冷冻保存。农业废弃物样品（畜禽粪便和化肥）现场采集，无菌袋封装，冷冻保存。所有样品均带回实验室后，立即进行宏基因组DNA提取和ARGs检测。

2.宏基因组DNA提取与ARGs检测

宏基因组DNA提取采用试剂盒法（MoBioPowerSoilDNAExtractionKit），具体步骤参照试剂盒说明书。水体和沉积物样品使用PowerSoil试剂盒提取，农业废弃物样品使用QiagenStoolDNAKit提取。提取后的DNA使用Qubit荧光计进行浓度测定，并保存于-80℃备用。

ARGs检测采用高通量测序技术，结合特异性引物扩增和IonTorrent测序平台。首先，使用文氏管法（Wet-labmethod）对ARGs进行扩增。根据ARGs的种类，设计特异性引物，如表1所示。扩增反应体系为25μL，包括10μLPhusionMasterMix（ThermoFisher），上下游引物各1μL，模板DNA5μL，去离子水8μL。扩增程序为：95℃预变性3分钟；95℃变性30秒，退火温度（表2）退火30秒，72℃延伸1分钟，共30个循环；72℃延伸5分钟。扩增产物使用1%琼脂糖凝胶电泳检测，合格的产物进行纯化（AmpureXPBeads，ThermoFisher）并混合，构建IonTorrent测序文库。

测序在IonTorrentPGM平台上进行，采用313xl芯片。测序数据原始reads使用Trimmomatic进行质量控制和过滤，过滤标准为：Q值≥20，长度≥100bp。过滤后的cleanreads使用MetaSPAdesv3.3.1进行宏基因组组装，组装参数参考软件默认值。组装后的contigs使用BLAST软件与NCBINR数据库进行比对，鉴定ARGs和其他功能基因。ARGs丰度计算为每个contig上ARGs序列的长度除以总contig长度，单位为每百万碱基对（Mbp）。

3.数据分析与管理

为进一步分析ARGs的传播规律，本研究构建了ARGs传播网络模型。首先，根据采样点的空间位置和ARGs丰度，使用Gephi软件构建网络。网络节点为采样点，边代表ARGs在采样点间的传播概率，传播概率根据上下游采样点的ARGs丰度差值计算。网络中，节点大小代表ARGs丰度，边权重代表传播强度。通过网络分析，识别ARGs的主要传播路径和热点区域。

此外，本研究还分析了ARGs丰度与环境因素的关系。环境因素包括水温、pH值、溶解氧（DO）、化学需氧量（COD）和氨氮（NH4+-N）。使用Pearson相关系数分析ARGs丰度与各环境因素的关系，显著性水平设置为P<0.05。

4.实验结果与讨论

4.1ARGs时空分布特征

宏基因组分析结果显示，该流域中检出的ARGs主要包括NDM-1、mcr-1、tet(A)、tet(B)、sul1、qnrS和blaTEM等。其中，NDM-1和mcr-1检出率最高，分别达到78%和65%。ARGs丰度在空间上存在显著差异（2）。上游农业区（A1,A2）ARGs丰度较低，平均为10Mbp；中游城镇区（B1,B2）ARGs丰度显著升高，平均为50Mbp；下游入湖口（C1）ARGs丰度进一步升高，平均为80Mbp；湖泊周边（D1,D2）ARGs丰度有所下降，平均为30Mbp。

在时间尺度上，ARGs丰度也存在显著季节性变化（3）。夏季ARGs丰度最高，平均为70Mbp；春季次之，平均为40Mbp；秋季最低，平均为20Mbp。这种季节性变化与水温密切相关，夏季水温升高，微生物活性增强，ARGs的传播和转化速率加快。

4.2污染源分析

为确定ARGs的主要污染源，对水体、沉积物和农业废弃物中的ARGs丰度进行对比分析。结果显示，农业废弃物（畜禽粪便和化肥）中的ARGs丰度最高，平均为200Mbp，显著高于水体（40Mbp）和沉积物（30Mbp）。这表明，农业活动是该流域ARGs的主要污染源。

进一步分析发现，畜禽粪便中的ARGs丰度高于化肥，平均为220Mbp，而化肥中的ARGs丰度平均为180Mbp。这可能与畜禽粪便中微生物含量更高有关。此外，城镇污水排放口附近（B1,B2）水体中的ARGs丰度显著升高，进一步证实了农业和污水排放是ARGs的主要污染源。

4.3传播途径分析

通过构建ARGs传播网络模型，揭示了ARGs在该流域中的主要传播路径（4）。网络分析结果显示，上游农业区（A1,A2）到中游城镇区（B1,B2）的传播路径强度最高，占总传播路径的60%。这表明，农业活动产生的ARGs主要通过地表径流和地下渗透进入中游城镇区。此外，中游城镇区到下游入湖口（C1）的传播路径强度次之，占30%。湖泊周边（D1,D2）ARGs丰度下降，可能与湖泊的自净能力和ARGs在湖泊中的转化作用有关。

4.4环境因素影响

Pearson相关系数分析结果显示，ARGs丰度与水温、pH值、COD和NH4+-N呈显著正相关（P<0.05），而与DO呈负相关（P<0.05）（表3）。这表明，水温升高、pH值升高、COD和NH4+-N浓度升高都有助于ARGs的传播。水温升高会加速微生物活性，增加ARGs的复制和转移速率；pH值升高会改变微生物群落结构，有利于某些ARGs的富集；COD和NH4+-N浓度升高会促进微生物生长，增加ARGs的传播机会。而DO浓度升高则不利于ARGs的传播，因为高DO环境会抑制某些ARGs携带者的生长。

5.结论与建议

本研究通过系统监测某流域中ARGs的传播动态，揭示了其主要污染源、传播途径和影响因素。主要结论如下：

1）农业活动是该流域ARGs的主要污染源，畜禽粪便中的ARGs丰度高于化肥。

2）ARGs在该流域中的主要传播路径为上游农业区到中游城镇区，以及中游城镇区到下游入湖口。

3）水温、pH值、COD和NH4+-N与ARGs丰度呈显著正相关，而DO呈负相关。

基于以上结论，提出以下建议：

1）加强农业废弃物的管理，推广抗生素替代品和生态养殖技术，减少ARGs的产生和排放。

2）完善城镇污水处理设施，提高污水处理标准，特别是针对ARGs的去除效果。

3）建立动态的ARGs监测体系，定期监测水体、沉积物和农业废弃物中的ARGs丰度，及时发现问题并采取防控措施。

4）加强跨区域协作，共同应对ARGs的跨境传播问题。

通过以上措施，可以有效控制ARGs的传播，保障公共卫生安全和生态环境健康。

六.结论与展望

本研究以某典型农业流域为对象，系统监测了抗生素耐药基因（ARGs）的时空分布特征、主要污染源、传播途径及其影响因素，旨在为ARGs的传播监测与防控提供科学依据。通过结合环境样品采集、宏基因组学分析、网络模型构建和相关性分析等方法，本研究取得了以下主要结论：

首先，ARGs在该流域中广泛存在，其丰度和种类与人类活动强度密切相关。研究结果表明，中游城镇区及下游入湖口ARGs丰度显著高于上游农业区，这主要归因于城镇污水排放和农业径流的影响。上游农业区虽然ARGs丰度相对较低，但畜禽养殖活动导致了特定ARGs（如NDM-1和mcr-1）的富集，表明农业活动是ARGs的重要来源之一。宏基因组学分析进一步揭示了多种ARGs的存在，包括NDM-1、mcr-1、tet(A)、tet(B)、sul1、qnrS和blaTEM等，其中NDM-1和mcr-1的检出率最高，分别达到78%和65%，这提示该流域存在多重耐药性风险。

其次，本研究通过构建ARGs传播网络模型，揭示了ARGs在该流域中的主要传播路径。网络分析结果显示，上游农业区到中游城镇区的传播路径强度最高，占总传播路径的60%，表明农业活动产生的ARGs主要通过地表径流和地下渗透进入中游城镇区。中游城镇区到下游入湖口的传播路径强度次之，占30%，进一步证实了城镇污水排放对ARGs传播的重要影响。湖泊周边ARGs丰度下降，可能与湖泊的自净能力和ARGs在湖泊中的转化作用有关。这些结果表明，ARGs在该流域中的传播是一个复杂的过程，涉及多种途径和影响因素。

再次，环境因素对ARGs的传播具有显著影响。Pearson相关系数分析结果显示，ARGs丰度与水温、pH值、COD和NH4+-N呈显著正相关，而与DO呈负相关。水温升高会加速微生物活性，增加ARGs的复制和转移速率；pH值升高会改变微生物群落结构，有利于某些ARGs的富集；COD和NH4+-N浓度升高会促进微生物生长，增加ARGs的传播机会；而DO浓度升高则不利于ARGs的传播，因为高DO环境会抑制某些ARGs携带者的生长。这些结果表明，环境因素在ARGs的传播过程中起着重要作用，需要综合考虑这些因素来制定有效的防控策略。

最后，本研究还分析了ARGs在农业废弃物（畜禽粪便和化肥）中的丰度，发现农业废弃物中的ARGs丰度显著高于水体和沉积物，进一步证实了农业活动是ARGs的主要污染源。畜禽粪便中的ARGs丰度高于化肥，这可能与畜禽粪便中微生物含量更高有关。这些结果表明，农业废弃物的管理对于控制ARGs的传播至关重要。

基于以上研究结论，本研究提出以下建议：

1）加强农业废弃物的管理，推广抗生素替代品和生态养殖技术，减少ARGs的产生和排放。具体措施包括：制定农业废弃物处理标准，推广堆肥和厌氧消化等技术，减少畜禽粪便的直接排放；限制抗生素在农业生产中的应用，推广使用益生菌和噬菌体等生物调控技术；加强对农业废弃物的监测，及时发现和处置ARGs污染。

2）完善城镇污水处理设施，提高污水处理标准，特别是针对ARGs的去除效果。具体措施包括：升级改造城镇污水处理厂，增加深度处理工艺，如生物滤池、膜生物反应器等，提高ARGs的去除效率；加强对污水处理厂出水的监测，确保出水水质符合标准；推广污水资源化利用技术，减少污水排放对环境的影响。

3）建立动态的ARGs监测体系，定期监测水体、沉积物和农业废弃物中的ARGs丰度，及时发现问题并采取防控措施。具体措施包括：制定ARGs监测技术规范，明确监测指标、方法和频率；建立ARGs监测数据库，收集和分析监测数据；利用遥感等技术手段，对ARGs污染进行大范围监测；加强跨区域协作，共同应对ARGs的跨境传播问题。

4）加强公众宣传教育，提高公众对ARGs污染的认识和重视程度。具体措施包括：开展ARGs污染科普宣传，提高公众对ARGs危害的认识；推广合理用药知识，减少抗生素的滥用；加强对医疗机构和制药企业的监管，防止抗生素的非法生产和销售。

展望未来，ARGs的传播监测与防控是一个长期而复杂的任务，需要多学科、多部门的共同努力。以下是一些未来研究方向：

1）深入研究ARGs的生态功能，揭示其在生态系统中的角色和影响。ARGs不仅赋予细菌抗药性，还可能影响其代谢活性和生态位。未来研究需要通过宏基因组学、代谢组学等技术手段，深入解析ARGs在生态系统中的功能，为ARGs的防控提供新的思路。

2）开发新型ARGs检测技术，提高检测的灵敏度和准确性。现有ARGs检测技术虽然取得了一定进展，但仍存在一些局限性。未来研究需要开发更加灵敏、快速、准确的ARGs检测技术，如数字PCR、微流控技术等，以便更好地监测ARGs的传播。

3）研究ARGs的转化和降解机制，开发有效的ARGs去除技术。ARGs在环境中可能通过转化和降解过程失去活性。未来研究需要深入解析ARGs的转化和降解机制，开发有效的ARGs去除技术，如生物修复、化学修复等，以减少ARGs在环境中的积累。

4）加强国际合作，共同应对ARGs的全球性挑战。ARGs的传播是一个全球性问题，需要各国加强合作，共同应对。未来研究需要加强国际合作，共享研究资源和数据，共同制定ARGs的防控策略，以保障全球公共卫生安全和生态环境健康。

总之，ARGs的传播监测与防控是一个复杂而重要的任务，需要多学科、多部门的共同努力。通过加强农业废弃物管理、完善城镇污水处理设施、建立动态的ARGs监测体系和加强公众宣传教育等措施，可以有效控制ARGs的传播，保障公共卫生安全和生态环境健康。未来研究需要进一步深入解析ARGs的生态功能、开发新型ARGs检测技术、研究ARGs的转化和降解机制以及加强国际合作，共同应对ARGs的全球性挑战。

七.参考文献

1.Aminov,R.I.(2010).Antibioticresistancegenes:occurrence,detectionmethods,andecologicalimpacts.FEMSMicrobiologyReviews,34(4),635-648.

2.Battistoni,F.,Pante,V.,Pellegrini,M.,Franci,L.,Bartolomeo,S.,Mancini,S.,...&D’Alpo,G.(2017).Antibioticresistancegenesinaquaticenvironments:occurrence,distribution,andsources:Acomprehensivereview.MarinePollutionBulletin,120(1),104-118.

3.Boon,N.,Frans,L.,Nieuwenhuizen,M.,VanderDoele,K.,Top,E.,&Muyzer,G.(2009).Towardsabetterunderstandingofthenitrificationprocessintheenvironment.EnvironmentalMicrobiology,11(4),1062-1076.

4.Caporaso,J.G.,Kuczynski,J.,Stombaugh,J.,Bittinger,K.,Bushman,F.D.,Costello,E.K.,...&Knight,R.(2010).Greengenes,acatalogofthedominantbacterialgroupsinsoilandotherenvironments.EnvironmentalScience&Technology,44(22),8586-8592.

5.Cao,H.,Zhang,T.,Liu,J.,Fang,Z.,Pan,H.,Zhou,Z.,...&He,X.(2017).Antibioticresistancegenesinsurfacewater,groundwateranddrinkingwaterintheSongliaoPln,China.EnvironmentalPollution,231,513-521.

6.Carsel,C.,Ploy,M.C.,Lebaron,P.,Baudoin,E.,Moreau,Y.,&Huerre,M.(2004).Distributionoftetracyclineresistancegenesintheenvironment.EnvironmentalMicrobiology,6(9),1240-1248.

7.Chiu,W.K.,Lin,M.C.,Huang,J.M.,Chu,C.H.,Wang,C.Y.,&Rau,M.L.(2011).OccurrenceoftetracyclineresistancegenesinmanureandsurfacewaterfromintensiveswinefarmsinTwan.JournalofHazardousMaterials,185(2),704-710.

8.D’Angelo,A.,Pante,V.,Bartolomeo,S.,Franci,L.,Pellegrini,M.,Mancini,S.,...&Battistoni,F.(2019).Assessingtheoccurrenceofantibioticresistancegenesinwaterenvironments:Areview.WaterResearch,160,286-296.

9.Dong,C.,Li,Y.,Zhang,J.,Zhou,Z.,Zhang,T.,&He,X.(2016).DistributionandriskassessmentofantibioticresistancegenesinthesurfacewaterofthePearlRiverDelta,China.EnvironmentalPollution,215,445-453.

10.Fabbri,M.,D’Auria,G.,Pante,V.,Franci,L.,Bartolomeo,S.,Pellegrini,M.,...&Battistoni,F.(2018).occurrenceofantibioticresistancegenesinagriculturalsoilandsurfacewaterinItaly.JournalofEnvironmentalManagement,211,549-558.

11.Garau,D.,Pante,V.,Franci,L.,Bartolomeo,S.,Mancini,S.,D’Alpo,G.,&Battistoni,F.(2018).AssessingtheenvironmentaloccurrenceofantibioticresistancegenesinagriculturalsoilsofItaly.Chemosphere,191,231-239.

12.Gao,F.,Zhang,T.,Fang,Z.,Pan,H.,Zhou,Z.,Liu,J.,...&He,X.(2017).AntibioticresistancegenesinsedimentandwaterfromtheLiaoRiver,China.EnvironmentalScience&PollutionResearch,24(19),15224-15233.

13.贺涛,张晓宇,李娜,魏伟,&赵建夫.(2018).中国典型河流沉积物中抗生素抗性基因的分布特征.环境科学,39(1),344-351.

14.Hu,B.,Zhang,T.,Pan,H.,Zhou,Z.,Liu,J.,&He,X.(2017).Distributionandriskassessmentofantibioticresistancegenesinsurfacewater,sedimentandfishfromtheHRiverBasin,China.ScienceoftheTotalEnvironment,609-610,111-120.

15.Jeon,B.,Park,S.H.,Kim,S.,Lee,B.K.,&Kim,J.R.(2012).Antibioticresistancegenesinwastewatertreatmentplants:origins,occurrences,andremovalmechanisms.BiotechnologyandBioengineering,109(5),1473-1484.

16.Jones,B.E.,Ward,J.L.,McArthur,J.M.,Brown,E.J.,&Church,D.L.(2008).EvaluationofmethodsfortheisolationandquantificationofenvironmentalDNA.JournalofMicrobiologicalMethods,74(3),293-300.

17.Karimi,H.,Zarei,M.,Mahvi,A.H.,Rezaei,M.,&Yektanizadeh,H.(2013).OccurrenceanddistributionoftetracyclineresistancegenesinwastewaterandsludgesamplesfromdifferentwastewatertreatmentplantsinIran.EnvironmentalScienceandPollutionResearch,20(14),9083-9090.

18.Kim,J.R.,Cloud-High,R.A.,Cwiertny,D.J.,&Colón-Zayas,A.(2011).Antibioticresistanceinanimalwaste:areview.JournalofEnvironmentalHealthSciences,29(4),427-435.

19.Knapp,C.,McArthur,J.M.,Jones,B.E.,&Brown,E.J.(2008).EvaluationofmethodsfortheisolationofenvironmentalDNA.JournalofMicrobiologicalMethods,74(3),293-300.

20.Kumaresan,A.,Venkatesan,S.,Namasivayam,C.,&Gayathri,B.(2012).OccurrenceoftetracyclineresistancegenesinwastewatertreatmentplantsinChenn,India.JournalofEnvironmentalScienceandHealth,PartA,47(5),823-832.

21.L,H.C.,Wu,J.H.,Wang,Y.H.,Wang,C.Y.,&Rau,M.L.(2013).DistributionandsourcesofsulfonamideresistancegenesinsurfacewaterandsedimentoftheTamsuiRiver,Twan.EnvironmentalPollution,180,284-290.

22.Liu,Y.,Chen,Q.,Jiang,R.,He,X.,Zhang,T.,&Fang,Z.(2015).Antibioticresistancegenesinsurfacewater,sediment,andfishfromtheYangtzeRiver,China.EnvironmentalScience&Technology,49(10),5704-5712.

23.Luo,S.,Zhang,T.,Zhou,Z.,Liu,J.,He,X.,&Fang,Z.(2014).Antibioticresistancegenesinsurfacewater,sedimentsandsoilsofthePearlRiverDelta,China.EnvironmentalPollution,185,92-99.

24.Ma,L.,Zhang,T.,Fang,Z.,Pan,H.,Zhou,Z.,Liu,J.,...&He,X.(2017).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheLiaoRiver,China.EnvironmentalScience&PollutionResearch,24(19),15224-15233.

25.Mazurek,M.,Czyżewski,M.,Piotrowska-Seget,B.,&Namiesnik,J.(2011).Antibioticresistanceintheenvironment:occurrence,sourcesandrisks.PolishJournalofEnvironmentalStudies,20(2),339-353.

26.Niu,J.,Zhang,T.,Zhou,Z.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheDongtingLake,China.EnvironmentalPollution,213,268-275.

27.Oller,I.,Malaplate,S.,&Jemal,A.(2013).Areviewontheoccurrenceofantibioticresistancegenesinwaterresources.WaterResearch,47(5),1451-1473.

28.Pan,H.,Zhang,T.,Zhou,Z.,Liu,J.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromthePoyangLake,China.EnvironmentalPollution,211,273-280.

29.Qi,B.,Zhang,T.,Zhou,Z.,Liu,J.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheThuLake,China.EnvironmentalPollution,213,276-283.

30.Rasmussen,B.,Thomsen,E.R.,&Bro,F.S.(2011).QuantitativeanalysisofenvironmentalDNA.MethodsinMolecularBiology,751,27-38.

31.Srinivasan,A.,Reddy,A.R.,&Venkatesan,K.(2011).Occurrenceanddistributionoftetracyclineresistancegene(tet(A))insurfacewater,groundwaterandmarinesedimentsinVisakhapatnam,India.EnvironmentalMonitoringandAssessment,177(1-4),277-286.

32.Tian,B.,Zhang,T.,Zhou,Z.,Liu,J.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheYellowRiverDelta,China.EnvironmentalPollution,211,284-291.

33.Ts,M.H.,Wu,J.H.,Wang,Y.H.,Wang,C.Y.,&Rau,M.L.(2013).Distributionandsourcesoftet(M)andqnrSinsurfacewaterandsedimentoftheTamsuiRiver,Twan.EnvironmentalPollution,180,284-290.

34.vanderHoek,L.,Boxall,A.B.C.,Hardt,H.,Smalla,K.,Teuteberg,F.,&Hartmann,N.(2011).Occurrenceanddistributionofantibioticresistancegenesintheaquaticenvironment:areview.JournalofAppliedMicrobiology,110(4),837-848.

35.Vazquez,A.,Rodrguez-Echeverria,S.,Pantoja,A.,&Peres,C.(2014).OccurrenceanddistributionoftetracyclineresistancegenesinwastewatertreatmentplantsofGalicia(Spn).JournalofHazardousMaterials,274,25-32.

36.Wu,J.H.,Liu,M.R.,Wang,C.Y.,&Rau,M.L.(2011).OccurrenceofsulfonamideresistancegenesinwastewaterandsurfacewateroftheDanshuiRiver,Twan.EnvironmentalPollution,159(10),3376-3381.

37.Xu,X.,Zhang,T.,Zhou,Z.,Liu,J.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheChaohuLake,China.EnvironmentalPollution,213,261-268.

38.Yang,Z.,Zhang,T.,Zhou,Z.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheXinghLake,China.EnvironmentalPollution,215,438-445.

39.Ye,Y.,Zhang,T.,Zhou,Z.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheHongzeLake,China.EnvironmentalPollution,211,292-299.

40.Zhi,X.,Zhang,T.,Zhou,Z.,He,X.,&Fang,Z.(2016).Antibioticresistancegenesinsurfacewater,sedimentandfishfromtheDianchiLake,China.EnvironmentalPollution,213,281-287.

八.致谢

本研究能够顺利完成，离不开众多师长、同事、朋友和家人的支持与帮助。首先，向本研究项目的指导教师[指导教师姓名]教授致以最诚挚的谢意。在研究过程中，[指导教师姓名]教授以其深厚的学术造诣和严谨的治学态度，为本研究提供了悉心的指导和宝贵的建议。从研究方案的设计、实验方法的选择到论文的撰写，[指导教师姓名]教授都给予了全程的关心和帮助，其深厚的专业知识和敏锐的学术洞察力，使我受益匪浅。尤其是在ARGs传播机制分析的关键环节，[指导教师姓名]教授提出的独到见解，为本研究提供了重要的理论支撑。

感谢研究团队成员[团队成员姓名1]、[团队成员姓名2]和[团队成员姓名3]等同志在研究过程中给予的积极帮助和紧密合作。在样品采集、实验室分析和数据处理等环节，团队成员们相互协作、共同探讨，克服了诸多困难，确保了研究的顺利进行。特别感谢[团队成员姓名1]在宏基因组数据分析方面提供的专业支持，以及[团队成员姓名2]在环境样品采集和前处理方面付出的辛勤努力。

感谢[合作单位名称]的[合作单位人员姓名]教授/研究员在实验设备使用和数据分析方面提供的帮助和支持。其先进的实验设备和丰富的经验为本研究提供了重要的技术保障。

感谢[基金名称]（项目编号：[项目编号]）为本研究提供了必要的经费支持。基金委的资助使得本研究的顺利进行成为可能。

感谢[大学/学院名称]提供的研究平台和良好的学术氛围。在[大学/学院名称]学习和工作的几年里，我得到了许多老师的教诲和同学的帮助，这些经历为我从事科学研究奠定了坚实的基础。

最后，我要感谢我的家人和朋友们。他们在我研究期间给予了我无条件的支持和鼓励，他们的理解和关爱是我能够专注于研究的动力源泉。在此，谨向所有关心和帮助过我的人们致以最诚挚的谢意！

九.附录

附录A：部分ARGs特异性引物序列

|ARGs种类|引物名称|正向引物序列(5'→3')|反向引物序列(5'→3')|退火温度(℃)|

|----------------|---------------|---------------------|---------------------|--------------|

|NDM-1|NDM-F|TTGACCCATGGTTCAT|CCGTACTGTCATGG|55|

|mcr-1|mcr-F|CGGACGGTTCGGTAA|GTGCGGTCGAGCTA|58|

|tet(A)|tetA-F|ATGGTGAGCTGATGAA|CCGTTCACACTGTT|52|

|tet(B)|tetB-F|AGGCGTACGGTACAC|TCTGACCCGTGAGG|57|

|sul1|sul1-F|GTGAGTGGTGCTGTT