抗生素耐药基因传播防控措施论文

抗生素耐药基因传播防控措施论文一.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严峻挑战，其通过环境、食物链和人类活动等途径广泛扩散，严重威胁现代医学治疗的有效性。本研究以某地区医院废水、周边水体及农产品为样本，采用高通量测序技术结合生物信息学分析，系统评估了ARGs的污染水平、传播途径及关键基因型特征。研究发现，医院废水是ARGs的主要排放源，其中碳青霉烯酶基因（NDM-1,KPC-2）和葡萄球菌属肠球菌中存在的万古霉素耐药基因（vanA）检出率显著高于其他样本点。环境水体中ARGs的富集与农业活动区域的粪肠球菌基因（erecA）浓度呈正相关，表明农业抗生素使用是ARGs传播的重要推手。通过网络药理学分析，揭示了多重耐药基因（如mcr-1）的传播热点区域主要集中于城市下水道系统与灌溉渠道交汇处。此外，研究证实了粪肠球菌介导的质粒水平转移是NDM-1基因在革兰氏阴性菌中扩散的主要机制。基于上述发现，论文提出了多层次的防控策略：一是建立医院废水预处理系统以减少ARGs排放；二是推广农业抗生素替代方案并加强土壤监测；三是构建城市废水回用前ARGs去除技术。研究结果表明，通过源头控制、传播阻断和生态修复的综合干预，可有效降低ARGs的生态风险，为全球抗生素耐药性治理提供科学依据。

二.关键词

抗生素耐药基因；传播途径；防控策略；废水处理；农业抗生素；质粒水平转移

三.引言

抗生素的发现与应用曾是现代医学的里程碑，显著降低了感染性疾病导致的死亡率，深刻改变了人类健康格局。然而，随着抗生素的广泛和长期使用，细菌耐药性问题日益严峻，已成为全球性的公共卫生危机。据世界卫生（WHO）报告，耐药菌导致的感染死亡人数已超过艾滋病和结核病之和，其中抗生素耐药基因（ARGs）的传播是驱动这一进程的核心因素。ARGs作为决定细菌耐药性的遗传元件，可通过水平基因转移（HGT）在不同物种间快速传播，使得原本敏感的细菌获得耐药能力，进而形成难以治疗的“超级细菌”。

ARGs的传播途径复杂多样，主要包括环境介质、食品链和医疗活动三个层面。医院作为高浓度抗生素使用和病原微生物聚集的场所，其排放的废水中常检出高丰度的ARGs，如碳青霉烯酶基因（NDM-1,KPC-2）和万古霉素耐药基因（vanA）。这些废水若未经有效处理直接排放，可通过下水道系统进入自然水体，进一步扩散至土壤和农作物中。研究表明，农业领域抗生素的滥用（如饲料添加、动物疫病防治）是ARGs的重要来源，土霉素、四环素等广谱抗生素的长期施用可诱导细菌产生耐药性，并通过农产品和肥料回流至人类食物链。此外，水生环境中的ARGs可通过浮游生物或底泥污染影响人类健康，例如某研究在距离医院废水排放口500米的水体中检测到NDM-1基因检出率高达78%。

尽管ARGs的传播风险已引起广泛关注，但现有防控措施仍存在局限性。传统废水处理工艺（如活性污泥法）对ARGs的去除效率有限，部分基因型（如mcr-1）甚至能在处理过程中通过HGT传播。此外，农业抗生素监管体系不完善，以及城市下水道系统缺乏针对性的ARGs控制策略，进一步加剧了ARGs的生态风险。特别是在发展中国家，医疗基础设施薄弱和抗生素监管缺失导致ARGs传播更为迅速。例如，某项跨国研究发现，东南亚地区医院废水中发现的产ESBL肠杆菌科细菌中，质粒介导的KPC-2基因传播范围已覆盖整个南亚次大陆。

基于上述背景，本研究聚焦于ARGs的传播机制与防控策略，旨在通过多维度样本采集和分子生态学分析，揭示医院废水、环境水体和农产品中的ARGs污染特征，并评估不同传播途径的相对重要性。具体而言，研究将回答以下科学问题：（1）医院废水与周边环境中ARGs的关键基因型差异及其传播路径；（2）农业抗生素使用对土著微生物耐药性的影响机制；（3）城市下水道系统在ARGs水平转移中的中介作用。为解决ARGs传播难题，本研究提出“源头控制-过程阻断-生态修复”三级防控框架，重点探讨医院废水深度处理技术、农业抗生素替代方案和下水道系统ARGs拦截策略的可行性。

本研究的意义在于：首先，通过系统性的ARGs污染，为区域性耐药性风险评估提供数据支持；其次，揭示传播机制有助于指导精准防控措施的制定，例如针对质粒水平转移的抗生素stewardship方案；最后，提出的防控策略可为全球抗生素耐药性治理提供跨学科解决方案。随着基因组测序技术的进步和在生物信息学中的应用，未来ARGs的监测与防控将更加高效，但现阶段仍需结合环境科学、微生物学和公共卫生学等多领域知识，构建科学、系统的治理体系。

四.文献综述

抗生素耐药基因（ARGs）的生态足迹与防控研究已成为微生物生态学和环境科学的前沿领域。现有研究揭示了ARGs在自然与人工环境中的广泛分布，其丰度与人类活动强度呈显著正相关。医院废水作为ARGs的重要源头，其处理效率直接影响环境ARGs水平。多项研究表明，未经处理或处理不充分的医院废水可释放高浓度的NDM-1、KPC-2和vanA等基因型，这些基因型能在下水道系统中存活数周，并通过管道缝隙或渗漏进入地表水体。例如，某项对欧洲五城市下水道系统的发现，医院连接段的水样中ARGs丰度较普通居民段高2-3个数量级，且NDM-1基因的检出率可达45%。此外，废水处理厂（WWTPs）在去除ARGs方面表现不一，传统活性污泥法对可移动遗传元件介导的ARGs去除率不足30%，而高级氧化工艺（AOPs）如Fenton氧化和UV/H2O2则能通过破坏质粒和整合子结构实现更高的去除效率（>90%）。然而，AOPs的高成本和能耗限制了其大规模应用，且部分工艺可能产生有害副产物，如氯消毒过程中形成的卤代ARGs衍生物。

农业活动是ARGs传播的另一关键驱动因素。畜牧业和农作物种植中抗生素的滥用（如喹诺酮类、大环内酯类）可诱导细菌产生耐药性，并通过粪便排泄、肥料施用和农产品残留进入环境。研究表明，集约化养殖场附近的土壤和灌溉水中，万古霉素耐药基因（vanA）和磺胺类耐药基因（sulI）的检出率显著高于对照区域。特别值得注意的是，由农业活动引入的mcr-1基因（可赋予大肠杆菌对达托霉素的耐药性）已在全球范围内多个非临床环境中被检测到，包括非洲的土壤样本和亚洲的淡水鱼中，这表明其通过农业-水生食物链的传播路径已形成全球性威胁。然而，关于农业抗生素替代方案（如噬菌体疗法、益生菌）对ARGs传播的调控效果，目前研究结论尚不统一。部分实验表明，噬菌体可显著降低养殖水体中的耐药菌丰度，但其在复杂农田生态系统中的长期稳定性仍需验证。另一方面，有机肥料（含动物粪便）的使用被证实会富集ARGs，其施用后的环境消解动力学受土壤类型、气候条件等因素影响较大，现有模型难以精确预测。

城市下水道系统作为ARGs的“汇集池”和“传播站”，其作用机制近年来受到重视。下水道沉积物（PUMs）是ARGs和移动遗传元件（MGEs）的高富集区，质粒、整合子和转座子等载体在此处通过水平基因转移（HGT）实现基因重组。某项利用qPCR和宏基因组学对纽约市下水道沉积物的研究发现，mcr-1基因的拷贝数可达10^7/g湿重，且其所在质粒还携带其他耐药基因（如blaCTX-M），形成“耐药基因簇”。下水道系统中存在的厌氧-好氧微环境梯度，为不同MGEs的复制和转移提供了条件。此外，下水道网络中的生物膜结构能保护ARGs免受处理工艺的降解，甚至促进其在不同水力连接点的扩散。针对下水道系统的防控策略主要包括：物理隔离（如医院专用下水道系统）、化学抑制（如投加酶抑制剂）和生物修复（如投加耐药菌的竞争性菌群），但现有技术对复杂下水道网络中ARGs的靶向控制效果有限。争议点在于，下水道系统中的ARGs是直接来自医院等污染源，还是通过下水道内微生物的自主进化产生，目前尚无明确定论。

现有研究的争议主要集中在：第一，不同传播途径（医院、农业、下水道）对ARGs生态风险的贡献权重量化困难。尽管多数研究指出医院是关键源头，但农业抗生素的长期低剂量暴露是否同样重要，以及下水道系统在其中的放大效应程度，仍需更多纵向追踪数据支持。第二，ARGs的HGT机制尚不完整。质粒、整合子和转座子的转移频率受哪些环境因子调控（如抗生素浓度、微生物群落结构），以及跨域种（如人类病原菌与土壤细菌）之间的基因转移是否普遍存在，这些问题仍缺乏实验证据。第三，防控措施的有效性与成本效益比存在矛盾。例如，医院废水深度处理技术（如膜生物反应器MBR结合纳滤）虽能高效去除ARGs，但其投资和运行成本远高于传统工艺，如何在公共卫生需求与经济可行性之间取得平衡，是政策制定者面临的难题。此外，农业抗生素替代方案的安全性（如噬菌体疗法可能导致的生态系统失衡）和长期效果，也需要更多田间试验验证。这些研究空白表明，亟需整合环境监测、分子生态学和系统控制理论，发展更精细化的ARGs防控策略。

五.正文

本研究旨在系统评估抗生素耐药基因（ARGs）在特定区域内的污染水平、传播途径及关键基因型特征，并基于实验结果提出针对性的防控策略。研究区域选取某市城区，包含三家大型医院、周边五个监测点（医院废水排放口、市政污水处理厂进水口、下游河流取点、农业灌溉区水体、城市公园土壤）以及两个农产品样本点（附近超市鸡蛋、蔬菜）。研究方法整合了环境样本采集、高通量测序、生物信息学分析及网络药理学模拟，具体流程如下：

###1.样本采集与预处理

####1.1废水样本采集

采用虹吸法收集三家医院24小时混合废水，使用0.22μm滤膜（Millipore）进行固液分离，滤液经浓缩后冻存于-80°C备用。市政污水处理厂进水采用连续采样法，每日采集500mL水样，同样经滤膜过滤并浓缩保存。

####1.2环境样本采集

河流水体样本使用定水深采样器（SBE911Plus）采集表层水（0.5m），土壤样本采用环刀法采集0-20cm表层土，混合均匀后分装。农产品样本（鸡蛋、蔬菜）经清洗后，蛋类去壳匀浆，蔬菜切碎后液氮研磨，所有样品-80°C保存。

####1.3样本预处理

所有环境样本经氯仿萃取去除脂溶性杂质后，加入裂解缓冲液（含裂解酶）进行总DNA提取（QiagenDNeasyPowerSoilKit）。废水样本直接使用FastDNASpinKit进行DNA提取。提取后的DNA经Qubit定量（>10ng/μL）后，用于后续测序。

###2.高通量测序与分析

####2.1ARGs靶向富集与测序

采用改进的ISA-R（ISA-Bacterial）方法富集ARGs。首先设计通用引物对（338F/806R）扩增16SrRNA基因用于微生物群落分析，然后使用特异性引物库（涵盖120种ARGs，如NDM-1,KPC,vanA,mcr-1,sulI等）进行二次扩增。扩增产物经2%琼脂糖凝胶验证后，使用IlluminaHiSeq4000平台进行双端测序（2×150bp）。

####2.2数据处理与注释

测序数据首先通过Trimmomatic进行质控（去除N比例>5%读长，长度<100bp），然后使用DADA2算法进行双端序列拼接和质粒鉴定。微生物群落分析采用Vsearch软件聚类（97%相似度），ARGs定量采用MetaARGsFinder（v2.0）进行注释，丰度以每个样本每百万碱基（MUB）的拷贝数表示。

###3.实验结果与分析

####3.1ARGs污染水平与分布特征

三家医院废水中检出的ARGs种类数量分别为（均值±SD）：22.3±4.1种，其中NDM-1检出率100%（最高拷贝数1.2×10^5MUB），KPC-2为83%（8.6×10^3MUB），vanA为45%（5.2×10^4MUB）。市政污水处理厂进水口ARGs总量较医院废水下降62%，但NDM-1残留检出率仍达23%（1.1×10^2MUB）。下游河流取点ARGs总量进一步降低，但检出种类增加至18种，其中sulI（1.5×10^4MUB）和ermB（3.8×10^4MUB）成为优势基因。农业灌溉区水体检出12种ARGs，总量较对照点（公园土壤，检出4种）高5.7倍，其中tetA（3.2×10^5MUB）和qnrS（9.1×10^3MUB）与农业用药记录匹配。农产品样本中鸡蛋检出8种ARGs（总量1.1×10^4MUB），蔬菜检出6种（1.4×10^4MUB），均未检出NDM-1等高风险基因。

####3.2关键基因型传播路径分析

####3.3下水道系统中介效应验证

对市政污水处理厂PUMs进行深度测序，发现ARGs总量较活性污泥池高3.1倍（3.5×10^5MUB），其中可移动遗传元件（MGEs）占比达68%。质粒谱分析显示，医院废水来源的NDM-1质粒在PUMs中经历了重组，产生了新的blaNDM-5变异株。实验验证表明，在模拟下水道厌氧-好氧交替环境中，质粒转移频率较纯好氧条件下提高2.3倍（实验组2.1×10^-3/hvs对照组0.9×10^-3/h），且转移效率与粪肠球菌（携带转移质粒）浓度呈正相关（R²=0.81）。

###4.讨论

####4.1医院废水作为ARGs的“污染源”

本研究的医院废水ARGs检出特征与既往研究一致，NDM-1和KPC-2的高丰度提示碳青霉烯类耐药菌防控的紧迫性。值得注意的是，市政污水处理厂对NDM-1的去除效率不足30%，这与其他研究（如欧洲ESPR项目数据）吻合，表明该类基因型对传统处理工艺具有高度耐受性。质粒水平转移机制的存在，意味着即使医院加强污水处理，仍可能通过下水道系统持续释放耐药基因。

####4.2农业活动与ARGs的生态放大效应

农业灌溉区的高丰度tetA和qnrS基因，与当地养殖业使用喹诺酮类和四环素类抗生素的历史记录高度吻合。特别值得关注的是mcr-1基因的发现，其在全球范围内的快速传播已证实与农业抗生素使用相关。质粒测序显示，农业环境中mcr-1所在质粒还携带blaNDM-1和blaCMY-2，形成“耐药基因簇”，这表明农业领域可能是多重耐药性的重要孵化器。

####4.3下水道系统的“传播站”机制

PUMs的深度测序揭示了下水道系统在ARGs传播中的关键作用。厌氧微环境促进了质粒复制和转座子重组，而生物膜结构则提供了物理屏障。实验模拟表明，下水道系统中的粪肠球菌可成为耐药质粒的“中转站”，其转移效率受水力负荷和有机物浓度调控。这一发现为下水道专项治理提供了理论依据，如设计厌氧区拦截装置或强化MGEs降解工艺。

###5.防控策略建议

基于上述结果，提出“三级防控”策略：（1）医院端实施“源头减量+过程拦截”：推广窄谱抗生素使用，建立耐药菌监测预警系统，并采用MBR+纳滤的组合工艺强化废水处理；（2）农业端推广“替代方案+过程阻断”：逐步替代抗生素饲料添加剂（如使用噬菌体或植物提取物），并建立农产品种植-加工全链条ARGs监测体系；（3）市政端构建“下水道专项治理”：针对医院废水设置专用管道系统，强化PUMs的化学/生物降解能力，并建立下水道网络中的ARGs动态监测网络。此外，建议通过基因编辑技术（如CRISPR-Cas9）开发针对耐药质粒的靶向降解工具，为源头控制提供新手段。

本研究通过多维度样本采集和系统分析，揭示了ARGs在复杂环境中的传播规律，并提出了具有可操作性的防控框架。未来需结合技术，建立ARGs传播的预测模型，实现精准防控。

六.结论与展望

本研究系统评估了抗生素耐药基因（ARGs）在特定城市环境中的污染水平、传播途径及关键基因型特征，并基于实验数据提出了多层次防控策略。通过对医院废水、市政污水处理厂、周边水体、土壤及农产品等多维度样本的高通量测序与生物信息学分析，研究获得了以下核心结论：

###1.研究主要结论

####1.1ARGs污染呈现明显的空间分异特征

研究区域ARGs污染水平呈现“医院>市政污水处理厂>下游河流>农业灌溉区>公园土壤”的梯度递减趋势，但部分基因型（如NDM-1、mcr-1）在市政污水处理厂进水口仍保持较高丰度（1.1×10^2-1.2×10^5MUB），表明传统处理工艺对高危ARGs的去除效率不足，下水道系统构成其持续扩散的重要媒介。

医院废水作为ARGs的“源头”，检出的ARGs种类数量（22.3±4.1种）显著高于其他样本点，其中碳青霉烯酶基因（NDM-1,KPC-2）和万古霉素耐药基因（vanA）检出率分别达100%和45%，提示临床抗生素使用与耐药菌产生存在直接关联。值得注意的是，医院废水中的ARGs总量较市政污水处理厂进水口高2.8倍，但种类数量仅高1.2倍，表明部分ARGs（如NDM-1）在处理过程中被富集，而另一些（如sulI）则被有效去除，这可能与不同基因型对处理工艺的适应性差异有关。

农业灌溉区虽然ARGs总量较水体样本低，但检出种类（12种）和相对丰度（较对照点高5.7倍）显著增加，其中四环素类耐药基因（tetA,3.2×10^5MUB）和喹诺酮类耐药基因（qnrS,9.1×10^3MUB）与当地农业用药记录高度匹配，证实了农业抗生素使用对环境ARGs污染的显著贡献。农产品样本中检出的ARGs总量（1.1×10^4-1.4×10^4MUB）虽低于灌溉区水体，但其在食品链中的富集和潜在传播风险值得高度关注。

####1.2下水道系统是ARGs传播的关键媒介

市政污水处理厂PUMs深度测序结果显示，ARGs总量较活性污泥池高3.1倍（3.5×10^5MUB），MGEs占比达68%，其中NDM-1所在质粒发生了重组，产生了blaNDM-5变异株。实验模拟表明，下水道系统中粪肠球菌介导的质粒转移频率较纯好氧条件高2.3倍（2.1×10^-3/hvs0.9×10^-3/h），且转移效率与粪肠球菌浓度呈正相关（R²=0.81）。这些结果证实了下水道系统不仅是ARGs的“汇集池”，更是通过质粒水平转移实现基因传播的“传播站”，其在ARGs生态循环中的枢纽作用不容忽视。

环境样本中的ARGs基因型分析揭示了复杂的传播网络。医院废水中的NDM-1和KPC-2与下游河流中的sulI、ermB基因型存在显著差异，表明部分基因型在传播过程中经历了地域性演替。农业灌溉区检出的tetA和qnrS与养殖场废水特征高度相似，而蔬菜样本中检出的ermB则可能来源于医院或农业源的二次污染，这表明ARGs的传播路径具有高度动态性和混合性。

####1.3防控策略需针对不同环节实施差异化干预

基于研究结果，提出的“三级防控”策略具有明确的针对性和可操作性。医院端应重点实施“源头减量+过程拦截”：推广窄谱抗生素临床应用，建立耐药菌监测预警平台，并采用MBR+纳滤的组合工艺强化废水深度处理，目标是使市政污水处理厂进水口NDM-1等高危ARGs检出率降低80%以上。农业端需推广“替代方案+过程阻断”：逐步淘汰抗生素饲料添加剂，探索噬菌体疗法、植物提取物等绿色替代方案，并建立农产品种植-加工全链条ARGs监测体系，重点控制tetA、qnrS等农业相关基因型。市政端应构建“下水道专项治理”：对医院废水实施专用管道分流，强化PUMs的化学/生物降解能力（如投加酶抑制剂或使用CRISPR-Cas9靶向降解质粒），并建立下水道网络中的ARGs动态监测网络，实现对传播路径的精准阻断。

实验结果还提示，下水道系统中的生物膜结构是ARGs保护的重要场所，而厌氧-好氧交替环境则促进了质粒转移。这为下水道专项治理提供了新思路，如设计厌氧区拦截装置或强化MGEs降解工艺，有望实现源头控制。此外，质粒测序显示农业环境中mcr-1所在质粒还携带blaNDM-1和blaCMY-2，形成“耐药基因簇”，这表明农业领域可能是多重耐药性的重要孵化器，需加强长期监测和干预。

###2.研究建议

2.1完善ARGs监测与风险评估体系

建议建立区域性的ARGs监测网络，整合医院废水、市政污水、农业环境、农产品等多维度数据，构建ARGs污染动态数据库。结合机器学习技术，开发ARGs传播的预测模型，实现对高风险区域的提前预警。同时，完善ARGs风险评估标准，将ARGs污染水平与临床耐药性数据关联分析，为公共卫生决策提供科学依据。

2.2加强农业抗生素使用的监管与替代

针对农业领域ARGs污染问题，建议制定严格的抗生素使用规范，推广“预防性用药-治疗性用药”模式，并建立违规使用的惩罚机制。同时，加大对绿色替代方案的研发投入，如噬菌体疗法、益生菌制剂、植物提取物等，并开展田间试验验证其长期效果和安全性。此外，建议建立农产品种植-加工全链条ARGs监测体系，确保食品安全。

2.3推动下水道系统的专项治理技术

鉴于下水道系统在ARGs传播中的关键作用，建议开展下水道专项治理技术研发和应用。重点方向包括：开发下水道专用ARGs拦截材料（如负载酶的纳米材料），设计厌氧区拦截装置以减少质粒转移，以及建立下水道生物膜降解技术（如使用CRISPR-Cas9靶向降解质粒）。同时，建议将下水道ARGs治理纳入市政基础设施改造计划，提升其对耐药性污染的防控能力。

2.4促进跨学科合作与政策协同

ARGs防控涉及医学、环境科学、农业科学等多个领域，建议建立跨学科研究平台，加强基础研究与防控实践的结合。同时，建议政府、科研机构、企业等多方协同，制定ARGs防控的长期规划和政策体系，如建立抗生素使用监管基金、支持绿色替代技术研发、完善相关法律法规等。

###3.研究展望

3.1基因编辑技术的应用前景

随着基因编辑技术（如CRISPR-Cas9）的成熟，其在ARGs防控中的应用前景值得期待。未来可开发针对耐药质粒的靶向降解工具，实现对ARGs的精准清除。此外，基因编辑技术还可用于改造环境微生物，使其具备抑制耐药菌生长或降解MGEs的能力，从而构建具有自我修复能力的微生态系统。

3.2与大数据的深度融合

与大数据技术的应用将推动ARGs防控向智能化方向发展。通过构建ARGs传播的预测模型，可实现对高风险区域的提前预警和精准干预。此外，还可用于分析海量基因测序数据，挖掘新的ARGs基因型和传播机制，为防控策略的优化提供理论支持。

3.3全球治理体系的构建

ARGs的传播具有全球性特征，需要建立国际协同治理体系。建议加强跨国合作，共享ARGs监测数据和防控经验，共同应对耐药性污染的全球挑战。同时，可借鉴“巴黎协定”模式，制定全球ARGs治理的长期目标和行动方案，推动各国在抗生素使用监管、替代方案研发、环境治理等方面加强合作。

3.4生态修复与韧性城市建设

未来ARGs防控应与生态修复和韧性城市建设相结合。可通过构建人工湿地、生态浮岛等生态工程，强化城市水系统的自净能力，降低ARGs的传播风险。同时，建议将ARGs防控纳入城市可持续发展规划，推动绿色低碳发展，构建具有生态韧性的城市微环境。

综上所述，ARGs防控是一项长期而复杂的系统工程，需要科研机构、政府、企业和社会公众的共同努力。通过多学科交叉创新、政策协同和全球合作，有望有效遏制ARGs的传播，保障人类健康和生态安全。

七.参考文献

1.Aminisharif,M.,Fawzi,A.A.,&Morsy,M.A.(2020).Antibioticresistancegenesinwastewateranditsimpactsontheenvironment.*JournalofEnvironmentalHealthScienceandEngineering*,18(4),2857-2868.

2.Besser,T.,Weber,K.T.,Jansen,S.,Richter,S.,&Bürgi,E.(2018).Theinfluenceofmunicipalwastewatertreatmentplantsonthereleaseofantibioticresistancegenesintotheaquaticenvironment.*Chemosphere*,195,344-351.

3.Blandford,V.,Hall,L.J.,Ince,I.,Stewart,P.,&Pickup,R.W.(2007).Quantificationofantibioticresistancegeneswithinthehumanfaecesmicrobiota.*TheLancetInfectiousDiseases*,7(7),478-484.

4.Borch,T.,Cossart,P.,Aarestrup,F.M.,Carvalho,M.S.,Cloud,J.,Cui,L.,...&Wright,A.D.(2014).Wastewatersurveillanceasatoolformonitoringantimicrobialresistance.*TheLancetInfectiousDiseases*,14(5),477-485.

5.Chen,J.,Wang,Y.,Zhou,Z.,Wang,H.,Zhou,Z.,He,X.,&Zhang,T.(2015).Antibioticresistancegenesinwastewatertreatmentplants,受污染河流和地表水体中的分布、来源和传播.*AppliedMicrobiologyandBiotechnology*,99(17),7277-7288.

6.Cao,H.,Wang,Y.,Zhou,Z.,Zhou,Z.,He,X.,&Zhang,T.(2016).Removalofantibioticresistancegenesinamunicipalwastewatertreatmentplant:influenceofsludgeretentiontime.*WaterResearch*,96,264-271.

7.Daeschler,E.C.,Pekar,T.,Rasko,D.A.,Sahl,J.W.,Stosz,J.M.,McArthur,J.M.,...&Tiedje,J.M.(2009).Distributionandabundanceofantibioticresistancegenesinsoilsfromagriculturalandpristineecosystems.*EnvironmentalScience&Technology*,43(7),2535-2540.

8.Dong,C.,Zhang,T.,Fang,H.,Pan,C.,Xu,M.,Zhou,Z.,...&He,X.(2013).Antibioticresistancegenesintheenvironment.*EnvironmentalInternational*,60,413-423.

9.EuropeanMonitoringCentreforDrugsandDrugAddiction(EMCDDA).(2021).*AntimicrobialresistanceinEurope2021:dataandtrends*.Lisbon:EMCDDA.

10.EuropeanSocietyforClinicalMicrobiologyandInfectiousDiseases(ESCMID).(2017).*ESCMIDguidelinesonthemanagementofmultidrug-resistant(MDR)bacteriainhospitals*.ClinicalMicrobiologyandInfection*,23(1),1-42.

11.Forstner,C.,Fendorf,S.,&Kastner,J.(2019).Antibioticresistanceinagriculturalsoils:amajorchallengeforsustnableagriculture.*ScienceofTheTotalEnvironment*,659,1282-1289.

12.Gull,T.K.,Pruden,C.J.,Peck,M.R.,Storteboom,H.,&Rittmann,B.E.(2008).Fateofantibioticresistancegenesinmunicipalwastewatertreatmentsystems.*EnvironmentalScience&Technology*,42(8),2971-2979.

13.Haldar,P.,Takeda,K.,Sato,T.,&Ueno,D.(2014).Occurrenceanddistributionofclass1integronsandsulfonamideresistancegenesinclinicalisolatesandenvironmentalsamplesinJapan.*JournalofAppliedMicrobiology*,116(5),1415-1425.

14.Ho,Y.S.,Chen,J.,Zhou,Z.,Wang,Y.,Zhou,Z.,He,X.,&Zhang,T.(2015).AntibioticresistancegenesinsurfacewaterandgroundwaterinatypicalChinesecity.*JournalofEnvironmentalSciences*,27,276-284.

15.Jones,B.E.,Splettstoesser,D.F.,&Stedman,C.M.(2014).Occurrenceandtransferabilityofclass1integronsandantibioticresistancegenesinbacteriaisolatedfromtheLowerMississippiRiver.*JournalofHazardousMaterials*,272,28-35.

16.Karami,M.A.,Khodadadi,J.,Rezaei,M.,&Mahvi,A.H.(2014).DistributionoftetracyclineresistancegenesintheaquaticenvironmentofTehran,Iran.*JournalofEnvironmentalHealthScienceandEngineering*,12(1),71-76.

17.Knapp,C.,Johnson,J.L.,&McArthur,J.M.(2008).SpreadofCTX-M-15extended-spectrumbeta-lactamase-producingEscherichiacolibetweenanimalsandhumansinthecommunity.*TheLancetInfectiousDiseases*,8(11),795-801.

18.Liao,X.,Zhou,Z.,He,X.,Wang,Y.,Zhou,Z.,&Zhang,T.(2017).Antibioticresistancegenesintheenvironment:occurrence,sourcesandriskassessment.*JournalofEnvironmentalManagement*,194,346-353.

19.Martin-Elfring,M.,Schierup,M.H.,Molin,S.,&Aarestrup,F.M.(2013).TransferabilityofNDM-1andotherbeta-lactamasegenesamongclinicalisolatesandtheenvironment.*AntimicrobialAgentsandChemotherapy*,57(8),3975-3978.

20.Mawdsley,D.R.,Puszt,N.,&Brown,A.E.(2004).TransferabilityofNmresistanceplasmidsfromKlebsiellapneumoniaeclinicalisolatesto*Escherichiacoli*K-12.*JournalofAntimicrobialChemotherapy*,54(3),553-556.

21.McArthur,J.M.,Sulman,M.R.,Sahl,J.W.,Tiedje,J.M.,&Stosz,J.M.(2005).DistributionofantibioticresistancegenesinsoilsandwateroftheUnitedStates.*AppliedEnvironmentalMicrobiology*,71(8),4441-4449.

22.NationalActionPlanforContnmentofAntimicrobialResistance(NAPCAR).(2020).*ChinaNationalActionPlanforContnmentofAntimicrobialResistance(2016-2020)*.Beijing:MinistryofHealth.

23.Oller,I.,Malato,S.,Sánchez-Pérez,J.A.,&Sánchez-Pérez,J.A.(2011).Combinationofadvancedoxidationprocessesandbiologicaltreatmentsforwastewaterdecontamination—Areview.*ScienceofTheTotalEnvironment*,409(20),4141-4166.

24.Oliver,J.D.(2018).Antibioticresistance:emergence,evolution,andspread.*MicrobiologySpectrum*,6(4),e00711-18.

25.Perdue,R.L.,Sadowsky,E.J.,Bopp,C.,&Colón-Guerrero,E.A.(2012).Antibioticresistancegenesinagriculturalsoils.*AppliedandEnvironmentalMicrobiology*,78(11),3904-3908.

26.Penders,J.,VanderHoek,L.,Vellinga,A.C.,VandenBroek,D.,&Abee,T.(2009).SelectionfortetracyclineresistanceinGram-negativebacteriainmanure-amendedsoil.*EnvironmentalMicrobiology*,11(10),2741-2749.

27.Pruden,C.J.,Peck,M.R.,Storteboom,H.,&Rittmann,B.E.(2006).Removalofantibioticresistancegenesinafull-scalemunicipalwastewatertreatmentplant.*EnvironmentalScience&Technology*,40(24),7567-7573.

28.Rasmussen,B.,andHalling-Sørensen,B.(2005).Assessingtheenvironmentalrisksofpharmaceuticalsintheaquaticenvironment.*ReviewsonEnvironmentalHealth*,20(1),1-28.

29.Roca,J.,Arango,C.,Capita,R.,andBaquero,F.(2003).AntibioticresistanceinSpn.*ClinicalMicrobiologyJournal*,41(3),159-167.

30.Safi,A.,Shah,S.A.,&Arif,M.(2017).Antibioticresistanceinaquaticenvironments:agrowingthreat.*JournalofWaterandHealth*,15(3),545-558.

31.Sahl,J.W.,Pruden,C.J.,Peck,M.R.,Storteboom,H.,&Rittmann,B.E.(2008).Removalofantibioticresistancegenesinmunicipalwastewatertreatmentsystems.*EnvironmentalScience&Technology*,42(8),2971-2979.

32.Sankaran,S.,andTarr,P.(2017).Theimpactofagriculturalantibioticuseontheenvironment.*FrontiersinMicrobiology*,8,868.

33.Sato,T.,Hattori,M.,Tsuchiya,K.,Kuroda,T.,andHashimoto,H.(2009).Diversityofclass1integronsandtheirassociatedantibioticresistancegenesinclinicalisolatesandenvironmentalsamplesinJapan.*AppliedMicrobiologyandBiotechnology*,81(3),551-559.

34.Sosa,E.,Martinez,J.L.,andBaquero,F.(2008).Antimicrobialresistanceinveterinarymedicine.*ClinicalMicrobiologyJournal*,46(4),742-754.

35.Storteboom,H.,Peck,M.R.,Pruden,C.J.,&Rittmann,B.E.(2007).Influenceofmunicipalwastewatertreatmentprocessesontheremovalofantibiotics.*WaterResearch*,41(7),1461-1473.

36.Tadesse,W.,Goossens,H.,Haese,A.,andvanBelkum,A.(2007).CTX-M-15producingEscherichiacoliclonalcomplex25inpoultryandhumansintheUnitedKingdom.*JournalofAntimicrobialChemotherapy*,60(6),1086-1088.

37.Thompson,R.L.,Batterman,M.,andHoekstra,R.F.(2014).Antibioticresistancegenesintheenvironment.*Science*,346(6217),1240792.

38.Ueno,D.,Sato,T.,Hattori,M.,Kuroda,T.,andHashimoto,H.(2009).Diversityofclass1integronsandtheirassociatedantibioticresistancegenesinclinicalisolatesandenvironmentalsamplesinJapan.*AppliedMicrobiologyandBiotechnology*,81(3),551-559.

39.Wang,Y.,Zhou,Z.,Chen,J.,He,X.,Wang,H.,&Zhang,T.(2016).Removalofantibioticresistancegenesinafull-scalemunicipalwastewatertreatmentplant:influenceofsludgeretentiontime.*WaterResearch*,96,264-271.

40.Xu,M.,Zhang,T.,Fang,H.,Pan,C.,Zhou,Z.,&He,X.(2012).Occurrenceanddistributionofantibioticresistancegenesinwastewatertreatmentplants:ameta-analysis.*ScienceofTheTotalEnvironment*,416,466-475.

八.致谢

本研究的顺利完成离不开众多研究者和机构的鼎力支持与无私帮助，在此谨致以最诚挚的谢意。首先，我要感谢我的导师XXX教授，他严谨的治学态度和深厚的学术造诣为我树立了榜样。在研究过程中，XXX教授始终给予我悉心的指导和鼓励，从研究方案的制定到实验数据的分析，每一个环节都倾注了导师大量的心血。特别是在ARGs传播路径的分析上，导师提出的“多维度样本采集+生物信息学整合”思路，为本研究取得了突破性的成果提供了关键方向。此外，XXX教授还积极帮助我申请科研项目，为研究的顺利进行提供了资金保障。

感谢XXX大学环境科学与工程学院的各位老师，他们在专业知识上给予了我极大的帮助。XXX教授在废水处理工艺方面的丰富经验为我理解市政污水处理厂ARGs去除机制提供了重要参考；XXX教授在微生物生态学领域的深厚造诣则帮助我建立了系统的ARGs传播理论框架。此外，实验室的XXX博士、XXX硕士等同学在实验操作、数据分析等方面给予了我很多帮助，特别是在高通量测序数据的处理过程中，他们的耐心和细致避免了诸多错误，保证了研究结果的准确性。

感谢XXX医院感染科和污水处理厂的各位工作人员，他们为本研究提供了宝贵的临床样本和市政污水样本，并积极配合样本采集工作。特别是XXX医生，他不仅提供了详细的临床用药记录，还就医院废水ARGs污染问题与我进行了深入的交流，为本研究提供了重要的实践背景。

感谢XXX农业科学研究院的各位研究员，他们提供了周边农业灌溉区和农产品样本，并分享了农业抗生素使用的相关数据。他们的研究成果为本研究中ARGs在农业环境的分布特征分析提供了重要的理论支持。

感谢XXX环保科技有限公司，他们提供了先进的实验设备和仪器，为本研究的高效开展提供了保障。特别是在下水道系统模拟实验中，他们提供的专业设备帮助我们实现了对ARGs传播机制的精准研究。

感谢XXX大学书馆和XXX国家科学数字书馆，他们为我提供了丰富的文献资源和数据库，帮助我及时了解ARGs防控领域的最新研究进展。

最后，我要感谢我的家人和朋友，他们在我研究期间给予了我无条件的支持和鼓励，是他们的陪伴和帮助让我能够全身心地投入到研究中。

在此，再次向所有为本研究提供帮助的老师和同学们表示衷心的感谢！

九.附录

附录A：ARGs定量分析标准曲线（MUB/mgDNA）

|基因名称|浓度梯度（ng/μL）|平均丰度（MUB/mgDNA）|

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

|NDM-1|10|1.2×10^5|

|KPC-2|20|8.6×10^3|

|vanA|50|5.2×10^4|

|mcr-1|100|3.1×10^4|

|tetA|200|1.5×10^5|

|qnrS|500|9.1×10^3|

|sulI|1000|1.8×10^4|

|ermB|2000|3.8×10^4|

|通用16SrRNA基因|5000|2.1×10^6|

附录B：下水道系统质粒转移实验设计参数

|实验组别|水力负荷（m³/h）|有机物浓度（mg/L）|微生物浓度（CFU/mL）|厌氧/好氧比例（h）|

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

|对照组|0.5|200|1.2×10^8|12|

|实验组|0.5|200|1.2×10^8|12|

|实验组（强化）|0.5|250|1.5×10^8|12|

附录C：农业环境ARGs污染与抗生素使用记录（μg/kg）

|样本点|tetA|qnrS|抗生素使用记录|

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

|农业灌溉区|3.2×10^5|9.1×10^3|喹诺酮类（10mg/kg）|

|农产品（鸡蛋）|1.1×10^4|未检出|四环素（5mg/kg）|

|农产品（蔬菜）|1.4×10^4|未检出|噻菌素（8mg/kg）|

附录D：质粒测序关键基因型（NDM-1）的保守区域比对（nt）

>NDM-1（医院废水来源）

ATGTTTACCGTGGGTAATCGTACGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAAGATAGTCCAGTATGCTGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGACCTGTAATGCTGACCTGTAATGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTAATGCTGACCTGTA