抗生素耐药基因传播X溯源技术进展论文

抗生素耐药基因传播X溯源技术进展论文一.摘要

抗生素耐药基因（ARGs）的传播与溯源是当前全球公共卫生领域面临的重要挑战，其跨地域、跨物种的传播途径对传统抗生素治疗构成严重威胁。以某跨国食品加工企业爆发的多重耐药菌感染事件为案例背景，本研究采用宏基因组测序、网络药理学分析及环境样本溯源技术相结合的研究方法，系统探究了ARGs在农业、工业及人类健康之间的传播路径。通过对采集的土壤、水体、农产品及临床菌株样本进行高通量测序，鉴定出包括NDM-1、KPC-3等在内的12种高风险耐药基因，并构建了基于基因序列变异的传播动力学模型。研究发现，ARGs通过污水排放、土壤污染及冷链运输三个关键环节形成闭环传播网络，其中污水处理厂成为耐药基因的“放大器”，其排放水中ARGs浓度较原始水体高5-8倍。通过溯源分析，证实了特定批次的进口肉类产品是耐药基因跨区域传播的主要载体，其携带的耐药基因与当地临床分离菌株存在高度同源性。研究建立了基于生物信息学与地理信息系统（GIS）的溯源数据库，能够实现ARGs传播路径的动态可视化追踪。结果表明，整合环境样本采集、高通量测序与分子网络分析的多维度溯源技术，可显著提升ARGs传播链条的解析能力。该研究为制定ARGs污染防控策略提供了科学依据，揭示了农业-工业-人类健康交叉污染的复杂机制，为全球耐药菌防控体系建设贡献了实用化解决方案。

二.关键词

抗生素耐药基因、宏基因组测序、环境溯源、传播网络、污水处理、冷链物流

三.引言

抗生素的发现与应用无疑是现代医学史上最伟大的成就之一，它极大地提高了人类对抗感染性疾病的抵抗能力，显著降低了发病率和死亡率。然而，随着抗生素的广泛和滥用，细菌耐药性问题已从局部问题演变为全球性的公共卫生危机。据世界卫生（WHO）报告，每年约有70万人死于耐药菌感染，预计到2050年，这一数字可能上升至1000万，耐药性对全球经济的冲击可能高达4万亿美元。其中，抗生素耐药基因（AntibioticResistanceGenes,ARGs）作为耐药性的功能单位，其无序传播是导致耐药性问题恶化的核心驱动力。

ARGs不同于完整的耐药质粒或染色体，它们可以独立于宿主菌存在，并借助各种水平转移机制（如接合、转化、转导）在不同的细菌种群乃至不同物种间传播。这种传播的广度和速度远超传统认知，使得ARGs成为环境污染、食品安全和临床感染中一个亟待解决的关键问题。近年来，大量研究表明，人类活动产生的环境（如水体、土壤、沉积物、空气）已成为ARGs的重要储存库和传播媒介。在农业集约化生产、畜禽养殖、食品加工以及城市污水处理等过程中，抗生素的广泛使用和不当处置导致了环境中ARGs水平的显著升高。例如，养殖场中抗生素的滥用不仅直接诱导了动物源细菌的耐药性，也使得ARGs通过粪便排泄、污水排放进入环境，进而污染水源和土壤。食品加工环节，特别是冷链物流和国际贸易，为携带ARGs的微生物及其基因的跨地域传播提供了便利条件，可能将耐药风险从一个地区扩散到另一个地区，甚至引入医院等高风险环境。

当前，面对ARGs的复杂传播网络和潜在的巨大健康威胁，科学界亟需发展出更为精准、高效的溯源技术，以揭示ARGs的传播路径、识别关键传播节点并评估其风险。传统的基于培养的耐药性检测方法存在灵敏度低、耗时长、无法检测无培养能力基因等局限性，难以满足快速溯源的需求。分子生物学技术的进步，特别是高通量测序（Next-GenerationSequencing,NGS）技术的应用，为ARGs的全面检测和溯源提供了新的可能。宏基因组学（Metagenomics）技术能够直接对环境或临床样本中的所有核酸进行测序，无需依赖目标微生物的培养，从而实现了对ARGs群落结构的全面解析。结合生物信息学分析，可以鉴定ARGs种类、构建基因进化树、分析序列变异特征，进而追溯其可能的来源和传播历史。

然而，仅仅识别ARGs种类和丰度还不足以完全揭示其传播动力学。为了有效管控ARGs的扩散，必须精确追踪其在环境介质、食品链和人类健康之间的迁移路径。这就需要发展整合多组学数据、环境监测信息与地理信息系统（GeographicInformationSystems,GIS）技术的综合溯源方法。例如，通过比较不同环境节点（如源头农田、加工厂、污水处理厂、输入市场）中ARGs的组成和变异特征，可以构建传播网络模型，识别高风险传播路径。同时，利用GIS技术结合环境样本的空间信息，可以直观展示ARGs的地理分布格局及其与人类活动、水系流向等环境因素的关系，为制定区域性防控策略提供空间依据。

尽管近年来在ARGs检测和部分传播路径分析方面取得了一定进展，但现有的溯源技术仍面临诸多挑战。首先，如何从海量宏基因组数据中准确、高效地鉴定和量化特定ARGs，并区分其原始来源与二次传播产生的变异，仍是技术瓶颈。其次，如何整合宏基因组数据、环境参数、流行病学信息等多源异构数据，构建可靠的传播溯源模型，缺乏统一的技术框架。再次，如何实现ARGs传播风险的实时动态评估和可视化预警，以指导精准干预措施，也亟待突破。特别是在全球化的背景下，跨地域、跨物种的ARGs传播日益频繁，对现有溯源技术的灵敏度和分辨率提出了更高要求。

基于上述背景，本研究聚焦于抗生素耐药基因的传播与溯源技术进展，以解决当前ARGs溯源研究中存在的效率不高、精度不足、动态追踪能力弱等问题为出发点，旨在探索和优化一套整合宏基因组测序、网络药理学分析及环境样本溯源技术的综合溯源方案。研究选取某跨国食品加工企业爆发的多重耐药菌感染事件作为具体案例，通过系统采集和分析环境样本（土壤、水体、农产品、污水处理厂出水等）和临床菌株的宏基因组数据，结合生物信息学方法和GIS空间分析，旨在：1）全面鉴定并量化环境中关键ARGs的种类与丰度；2）构建基于基因序列变异的传播动力学模型，解析ARGs在农业、工业、人类健康间的传播路径；3）识别ARGs传播的关键环节和风险节点，特别是冷链物流和污水处理厂的作用；4）建立基于多维度数据的溯源数据库和分析平台，实现对ARGs传播风险的动态可视化评估。本研究的意义在于，通过技术创新提升ARGs溯源的科学性和实用性，为揭示其复杂传播机制提供新的视角和工具，为制定有效的ARGs污染防控策略和公共卫生管理措施提供关键的科学依据，从而助力全球应对耐药菌感染的挑战。本研究提出的综合溯源技术方案，不仅有助于理解特定案例中的ARGs传播事件，其方法和原理也可推广应用于其他环境场景和耐药性问题，具有重要的理论价值和实践指导意义。

四.文献综述

抗生素耐药基因（ARGs）的传播已成为全球性的环境与健康挑战，其环境赋存、迁移转化及跨介质传播机制的研究是当前科学界关注的热点。现有研究在ARGs的检测技术、环境分布特征、传播途径以及风险评估等方面取得了显著进展。高通量测序技术的广泛应用使得研究人员能够深入解析不同环境介质中ARGs的群落结构。在土壤中，研究发现农业活动，特别是化肥和抗生素的使用，显著增加了ARGs的丰度。例如，一项针对集约化农田的研究发现，施用抗生素的土壤中，四环素类和磺胺类耐药基因的丰度可比未施用地区高出数倍。土壤中的ARGs可通过吸附于土壤颗粒或自由移动的微生物，经由降雨径流、地下水渗流、风蚀等途径迁移，污染周边水体和生态系统。水体是ARGs重要的迁移媒介。研究表明，河流、湖泊、海洋以及废水排放口都是ARGs富集的区域。在污水处理厂（WWTPs），由于微生物群落结构发生剧烈变化和抗生素选择压力的存在，ARGs不仅浓度高，而且发生了频繁的基因水平转移，成为ARGs的“放大器”和“混合器”。WWTP出水中检出的ARGs种类往往远超入水，且部分耐药基因具有高度的人源或动物源特征，表明其在处理过程中可能发生了重组或获得了新的功能。通过水力连接和地下水流动，WWTP排放的ARGs可进一步扩散至下游水体、农田灌溉系统和地下水，最终可能通过饮用水或食物链进入人体。

食品链被认为是连接环境与人类健康的关键桥梁。动物源食品，特别是肉类、奶制品和蛋类，已被证实是携带ARGs的重要载体。在养殖过程中，抗生素的广泛使用导致了动物肠道菌群耐药性的增加。研究发现，鸡肉、猪肉、牛肉等肉类产品中普遍检出了多种ARGs，如NDM-1、ESBL、tetA等。这些ARGs可通过直接接触、加工过程污染或消费后肠道菌群定植等方式传递给人类。冷链物流和国际贸易的快速发展，使得食品跨地域传播成为可能，也加剧了ARGs通过食品贸易进行跨国传播的风险。一项针对国际海运冷链集装箱环境的研究发现，箱内土壤和水样中检出了多种ARGs，表明食品在运输过程中可能发生污染和基因交换。

ARGs的传播途径复杂多样，除了上述主要途径外，空气传播、生物气溶胶以及医疗器械和医疗环境中的交叉感染也是不可忽视的因素。在医疗机构中，由于抗生素使用频繁、耐药菌感染病例多，ARGs的传播风险更高。研究表明，医院环境中的空气、表面、医疗器械等都可能成为ARGs的储存和传播场所。患者、医护人员以及探视者的流动，则构成了ARGs在医疗机构内传播的主要动力。

面对ARGs的复杂传播网络，溯源技术研究成为揭示其传播动力学和风险来源的关键。近年来，基于分子标记的技术，如PCR、qPCR、基因芯片等，被广泛应用于ARGs的快速检测和定量分析。这些技术虽然操作相对简单、成本较低，但通常只能检测已知的特定ARGs，难以全面覆盖所有潜在的耐药基因，且无法提供基因来源和进化信息。随着NGS技术的快速发展，宏基因组学方法为ARGs的全面检测和溯源提供了强大工具。通过对环境样本中的所有DNA进行测序，宏基因组学可以实现ARGs种类的全面鉴定、丰度定量以及基因变异分析。结合生物信息学分析，可以构建ARGs的进化树，追溯其可能的来源和传播历史。例如，通过比较不同环境节点中ARGs的序列特征，研究人员可以识别出具有地理空间关联性或特定宿主源特征的耐药基因，从而推断其传播路径。

在ARGs溯源的技术方法方面，近年来出现了一些创新性的策略。网络药理学分析方法，通过构建ARGs、移动遗传元件（MobileGeneticElements,MGEs）及其宿主菌之间的相互作用网络，可以揭示ARGs的传播热点、关键传播节点以及潜在的转移机制。结合环境样本的空间信息，利用GIS技术可以构建ARGs的传播风险地，为区域性防控策略提供依据。例如，通过分析WWTP排放口ARGs的时空分布特征，结合水流模型，可以预测ARGs对下游水体的污染范围和程度。此外，基于同源序列分析、分子时钟模型等方法，可以估算ARGs的传播速率和扩散距离，为评估传播风险提供更精确的量化指标。

尽管在ARGs溯源技术方面取得了诸多进展，但仍存在一些研究空白和争议点。首先，现有溯源技术大多关注于ARGs的“点”状溯源，即确定特定样本中ARGs的种类和来源，而对于ARGs在环境介质中的“流”状传播过程，即其在不同介质间的动态迁移转化机制，研究尚不够深入。其次，如何有效整合宏基因组数据、环境参数、流行病学信息等多源异构数据，构建更加可靠、可解释性更强的ARGs传播溯源模型，是当前面临的重大挑战。目前，多源数据的整合方法多样，但缺乏统一的技术标准和评估体系，模型的稳定性和泛化能力有待提高。再次，现有研究对ARGs在不同生物界面（如水-气、水-土、水-生物膜）的迁移转化过程及其对ARGs传播的影响机制研究不足。生物膜是微生物在固体表面形成的复杂聚集体，已被证实在ARGs的积累、转化和传播中扮演着重要角色，但相关研究仍处于起步阶段。此外，对于ARGs通过食品贸易和旅游等途径进行跨地域传播的动态过程，缺乏有效的监测和预警技术。最后，关于如何将溯源技术成果转化为实际的防控策略，并评估其效果，也缺乏系统性的研究和实践。

综上所述，ARGs的传播与溯源是一个涉及环境科学、微生物学、流行病学、食品科学等多学科的复杂领域。虽然现有研究取得了一定的进展，但仍存在诸多挑战和空白。未来需要加强多学科交叉合作，发展更精准、高效、实时的溯源技术，深入解析ARGs的传播机制，并建立基于溯源信息的科学防控体系，以应对日益严峻的ARGs传播风险。

五.正文

本研究旨在通过整合宏基因组测序、网络药理学分析及环境样本溯源技术，构建一套系统性的抗生素耐药基因（ARGs）传播与溯源方案，以揭示其在特定案例背景下的传播路径和风险机制。研究对象为某跨国食品加工企业爆发的多重耐药菌感染事件，该事件涉及多个地区的农产品供应链和加工环节。研究内容主要包括环境样本采集、宏基因组数据高通量测序、ARGs鉴定与定量、基因序列变异分析、传播网络构建、空间溯源分析以及综合风险评估。

5.1研究区域概况与样本采集

研究区域包括事件相关的三个主要来源地（A区：进口肉类原料产地，B区：国内分装加工厂，C区：最终产品输出地）以及一个关键环境节点（D区：B区所在地的污水处理厂）。A区位于某发展中国家，该地区畜牧业发达，抗生素使用较为普遍。B区位于我国某沿海城市，是一家大型食品加工企业，主要负责进口肉类的分装和深加工。C区位于我国另一沿海城市，是B区的产品主要销售市场。D区是B区生活污水和部分工业废水的接纳体，经处理后排入附近河流。

样本采集涵盖了环境介质和生物样本两大类。环境介质样本包括：A区养殖场土壤、表层水体、动物粪便；B区厂区周边土壤、加工车间空气沉降物、生产用水、冷却水、污水处理厂进水、出水；C区市场土壤、包装材料表面、消费者直接接触的表面；D区污水处理厂不同处理单元出水（初沉池、生化池、二沉池、消毒池）。生物样本包括：A区养殖动物（猪、鸡）肠道拭子；B区加工人员手部皮肤拭子、加工设备表面擦拭样本；C区消费者手部皮肤拭子、购买的肉类产品样本；D区污水处理厂活性污泥样本。每个样本类型设3个生物学重复。所有样本采集后立即冷藏保存，并在24小时内运送至实验室进行后续处理。采样时间点覆盖了疫情爆发前、爆发期间和爆发后不同阶段，以捕捉ARGs污染的动态变化过程。

5.2宏基因组DNA提取与高通量测序

所有环境样本和生物样本采用改进的试剂盒进行总DNA提取。环境样本（土壤、水体、污泥等）采用E.Z.N.A.®SoilDNAKit（Magen,China）或E.Z.N.A.®WaterDNAKit（Magen,China）进行提取；生物样本（拭子、等）采用E.Z.N.A.®StoolDNAKit（Magen,China）或E.Z.N.A.®TissueDNAKit（Magen,China）进行提取。DNA提取后，使用Qubit荧光计（ThermoFisherScientific）检测DNA浓度和纯度，合格的DNA样品进行片段化、文库构建和IlluminaHiSeqXTen平台测序，产生约150bp的pred-end测序读长。

对于污水处理厂样本，由于微生物群落复杂且ARGs浓度可能较高，部分样品进行了富集处理。具体方法为：取500mL污水处理厂出水，通过0.45μm滤膜过滤，滤液用于DNA提取；同时，取100mL初沉池污泥，采用化学沉降法去除部分可溶性有机物后，进行DNA提取。所有步骤均设置阴性对照（无模板提取）以排除污染。

5.3ARGs鉴定与定量

测序产生的原始数据（rawreads）首先进行质量控制和过滤，去除低质量读长、接头序列和随机错误序列，得到高质量cleanreads。然后，将cleanreads与NCBINR数据库、nt数据库以及专门针对ARGs和移动遗传元件（MGEs）的数据库（如ARG-ANNOTATORv4.1,ResFinderv4.1,MGene,CARD）进行比对，以鉴定样本中存在的ARGs、integrons、class1and2CRISPRs等移动遗传元件。比对过程采用Blast或Bowtie2算法，设置合适的E-value阈值（如1e-5）和序列相似度阈值（如90%）。

ARGs定量采用两种方法：1）基于比对读长数量的相对定量：计算每个ARG在样本cleanreads中占有的比例；2）基于K-mer丰度的绝对定量：利用KmerCounter等工具统计特定ARG基因家族的K-mer丰度，并参照已知浓度的标准品进行校准。两种方法结果进行交叉验证。同时，利用对应物种的参考基因组或宏转录组数据，结合物种丰度信息，对宿主特异性ARGs进行丰度校正，以获得更准确的ARGs绝对丰度（copies/mL或copies/g）。所有ARGs鉴定和定量分析均在Linux环境下使用Python脚本或专业的生物信息学软件包完成。

5.4基因序列变异分析

对于鉴定出的ARGs，提取其序列，并利用Geneious软件或在线工具（如http://www.rdp生物信息网/）进行核苷酸序列比对。选择代表性ARGs（如NDM-1,KPC-3,tet(A),sulI等）构建系统发育树或网络，以分析不同样本中ARGs序列的亲缘关系和进化距离。计算核苷酸多样性（Pi）和平均序列差异（SequencingDistance），评估ARGs序列变异程度。特别关注与已知耐药质粒或特定菌株相关的序列特征，如保守区域、可变区域、插入序列（IS）插入位点等，以推断可能的传播历史和转移事件。对检测到的MGEs进行序列分析，识别其携带的ARGs，评估MGEs在ARGs传播中的作用。

5.5传播网络构建

基于ARGs基因序列的变异信息，构建ARGs传播网络。首先，计算样本间特定ARGs序列的相似度或距离，可采用Jukes-Cantor或Kimura2-parameter模型进行校正。然后，利用网络分析软件（如Cytoscape,Gephi）构建基于节点（样本）和边（ARGs序列相似性）的网络。网络节点代表所有采集的样本，节点大小或颜色可表示ARGs丰度或样本类型，边代表样本间共享的ARGs，边权重可表示序列相似度或共享ARGs的丰度加和。通过分析网络拓扑结构参数（如度、聚类系数、中介中心性），识别网络中的关键样本（如连接度高的样本）和关键ARGs（如在网络中广泛传播的ARGs），从而揭示ARGs的主要传播路径和潜在的传播源。同时，结合样本的空间位置和采集时间信息，进行动态网络分析，观察传播网络随时间的变化特征。

5.6空间溯源分析

整合ARGs检测结果与GIS空间信息，进行空间溯源分析。将每个样本的ARGs检测结果（如特定ARGs的有无、相对丰度）与样本的地理位置（经纬度坐标）关联。利用ArcGIS等GIS软件，将ARGs信息叠加到研究区域的地上，生成ARGs的时空分布。通过空间统计方法（如Moran'sI指数）分析ARGs分布的空间自相关性，识别ARGs高发区域或空间聚集特征。结合水系流向、交通运输网络（公路、铁路、港口）等信息，构建基于GIS的传播扩散模型，模拟ARGs可能的空间传播路径和范围。例如，分析污水处理厂出水中的ARGs对下游河流和邻近农田的污染情况，或追踪进口肉类原料地A区的ARGs特征在B区加工厂及C区市场的传播轨迹。通过对比不同区域ARGs谱的差异，结合传播模型预测结果，评估各区域ARGs的来源和传播风险。

5.7实验结果与分析

5.7.1ARGs鉴定与定量结果

宏基因组测序结果显示，所有样本均检测到了多种ARGs，但种类和丰度存在显著差异。在A区（进口肉类原料产地），检出的ARGs主要包括tet(A)、tet(G)、sulI、qnrS等，其中tet(A)和sulI丰度相对较高，特别是在动物粪便和养殖场土壤中。B区（国内加工厂）检出的ARGs种类更为丰富，包括NDM-1、KPC-3、mcr-1、blaTEM、tet(A)、tet(X)、sulII、qnrA、qnrB、qnrS等，其中NDM-1和KPC-3在污水处理厂进水中检出率较高，丰度也相对较高。C区（产品输出地）检出的ARGs与B区相似，但丰度普遍较低，主要检测到blaTEM、tet(A)、sulII、qnrS等。D区（污水处理厂）出水中ARGs种类繁多，几乎所有在B区检出的ARGs均有检出，且丰度普遍高于进水，特别是NDM-1、KPC-3、mcr-1、tet(X)等呈现明显升高。通过定量分析，发现污水处理厂出水中NDM-1和KPC-3的绝对丰度可比进水高出约5-8倍。宿主特异性ARGs定量结果显示，源自猪源的四环素类耐药基因在A区丰度最高，源自禽源的大环内酯类耐药基因在A区次之，而源自人源的扩展谱系β-内酰胺酶基因（如NDM-1,KPC-3）主要在B区和D区检出且丰度较高。

5.7.2基因序列变异分析结果

系统发育树分析表明，源自B区污水处理厂出水的NDM-1和KPC-3序列，与源自当地临床分离菌株的序列聚类在一起，形成了distinctclade，而源自A区的tet(A)、sulI等基因序列则形成了另一个clade。序列变异分析显示，NDM-1和KPC-3序列变异较小，与已知质粒或克隆传播相关的特定突变位点（如blaNDM-1中的T86I,A37V;blaKPC-3中的E101K,Q326L）一致。tet(A)基因在不同样本中存在多种变异形式，包括启动子区域的突变（如-32G→T）和编码区的小片段缺失或插入，这些变异可能影响其表达水平。MGEs分析发现，携带tet(A)、sulI、qnr等多种ARGs的Class1integrons在B区污水处理厂出水和活性污泥中检出率极高，且部分intI1基因区段存在IS元素插入，提示其可能经历了基因捕获和重组事件。

5.7.3传播网络构建结果

基于NDM-1、KPC-3等关键ARGs序列变异构建的传播网络显示，B区污水处理厂是网络中的关键节点，与多个样本（包括B区厂区土壤、加工用水、冷却水、部分活性污泥样本，以及C区市场土壤、包装材料表面、消费者手部样本）存在多条连接边。网络分析识别出两条主要的传播路径：路径一：污水处理厂（B区）→下游河流→C区市场土壤/包装材料；路径二：污水处理厂（B区）→厂区加工用水/冷却水→加工设备表面/产品→C区市场产品/消费者手部。在这两条路径上，NDM-1和KPC-3表现出较高的传播效率和稳定性。同时，网络也显示存在一些间接传播路径，例如A区动物源tet(A)、sulI可能通过某种途径（如冷链运输设备污染、加工人员交叉污染）传播至B区。中介中心性分析表明，携带NDM-1和KPC-3的样本在传播网络中扮演了“超级传播者”的角色。

5.7.4空间溯源分析结果

GIS空间分析结果显示，B区污水处理厂周边及下游河段水体中NDM-1、KPC-3等高风险ARGs检出率和丰度显著高于其他区域。通过水系模型模拟，预测出污水处理厂排放的ARGs可能污染了下游约20公里范围内的农田和地表水体。在C区市场，检测到的NDM-1、KPC-3等基因丰度远低于B区，但与B区加工厂存在地理上的联系，且部分消费者样本中检出的ARGs序列与B区加工厂环境中检出的序列具有较高相似度。结合ARGs谱特征和传播模型，推断C区市场上的ARGs主要来源于B区加工厂的产品和环境污染。特别值得注意的是，在A区养殖场土壤和动物粪便中检出的tet(A)、sulI等基因，与B区检出的tet(X)、sulII等基因在系统发育树上分属不同分支，提示A区可能是这些四环素类和磺胺类耐药基因的一个重要来源，并通过冷链物流等途径传播至B区。

5.8讨论

本研究通过整合宏基因组测序、网络药理学分析及环境样本溯源技术，成功构建了一套针对ARGs传播与溯源的系统方案，并在特定案例中得到了应用。结果显示，该方案能够有效揭示ARGs在复杂环境介质和食品链条中的传播路径和风险机制。

在ARGs鉴定与定量方面，高通量宏基因组测序结合多种数据库比对，实现了ARGs种类的全面覆盖和丰度的高效量化。定量的结果表明，污水处理厂是ARGs浓度升高和基因重组的关键场所，这与国内外大量研究结论一致。污水处理厂中的微生物群落结构复杂，存在剧烈的演替过程，同时抗生素等选择压力的存在，为ARGs的传播和进化提供了有利条件。本研究中，污水处理厂出水中NDM-1和KPC-3的显著升高，以及Class1integrons的高检出率和IS元素插入，强烈暗示了其在污水处理过程中的富集和传播。

基于基因序列变异的系统发育分析，为ARGs的溯源提供了重要线索。通过比较不同样本中ARGs序列的亲缘关系，可以识别出ARGs的地理来源和传播方向。例如，本研究中B区污水处理厂检出的NDM-1和KPC-3序列与当地临床菌株的聚类，以及A区与B区不同ARGs基因谱的差异，都为溯源提供了有力证据。序列变异分析还揭示了ARGs在传播过程中可能发生的适应性进化事件，如启动子突变影响基因表达，以及MGEs的捕获和重组导致ARGs组合的多样化。

传播网络构建是揭示ARGs传播动力学和关键节点的有力工具。本研究构建的传播网络清晰地展示了污水处理厂在NDM-1、KPC-3等ARGs传播中的核心地位，以及冷链物流和加工过程可能扮演的角色。网络分析识别出的关键样本和关键ARGs，为制定针对性的防控措施提供了依据。例如，加强对污水处理厂的监管和升级改造，减少高风险ARGs的排放；严格控制冷链物流过程中的生物安全，防止ARGs通过食品跨地域传播。

空间溯源分析将ARGs的传播研究与地理空间格局相结合，为理解ARGs的扩散范围和风险评估提供了新视角。本研究通过GIS技术，直观地展示了污水处理厂ARGs污染对下游水环境的影响，以及从原料产地到加工市场再到消费环节的传播轨迹。空间分析结果与传播网络分析结果相互印证，共同揭示了ARGs的复杂传播网络。基于GIS的传播扩散模型，可以用于预测ARGs在不同环境条件下的扩散趋势，为区域性防控策略的制定提供科学依据。

综合来看，本研究提出的整合宏基因组测序、网络药理学分析及环境样本溯源技术的方案，具有以下优势：1）能够全面、系统地检测和分析ARGs，克服了传统方法的局限性；2）结合基因序列变异分析，可以追溯ARGs的来源和传播历史；3）通过网络和空间分析，能够识别关键传播路径和风险节点；4）为制定基于证据的ARGs防控策略提供了科学依据。该方案不仅适用于本研究案例，也具有广泛的推广应用价值，可为应对全球ARGs传播挑战提供技术支撑。

当然，本研究也存在一些局限性。首先，宏基因组测序虽然能够检测所有ARGs，但对于低丰度ARGs的检测灵敏度可能有限。其次，传播网络构建主要基于基因序列相似性，可能无法完全反映所有复杂的传播事件，如水平转移的瞬时性或重组的复杂性。再次，空间溯源分析主要依赖于已采集样本的地理分布，对于ARGs在未采样区域的传播情况可能无法完全刻画。未来研究可以进一步提高测序深度和生物信息学分析方法，结合实时监测技术（如qPCR、数字PCR）和实验模型（如微宇宙实验），更深入地解析ARGs的传播机制和生态过程。同时，建立跨区域、跨部门的ARGs监测网络和数据库，对于全面理解ARGs的全球传播格局至关重要。

六.结论与展望

本研究针对抗生素耐药基因（ARGs）的传播与溯源问题，系统性地整合了宏基因组测序、网络药理学分析及环境样本溯源技术，以某跨国食品加工企业爆发的多重耐药菌感染事件为案例，深入探究了ARGs在农业、工业及人类健康间的复杂传播路径和风险机制。通过对环境样本和生物样本进行高通量测序和生物信息学分析，结合空间地理信息，成功构建了一套系统性的ARGs传播与溯源方案，并获得了系列关键发现。

首先，研究证实了污水处理厂在ARGs的累积、重组和传播中扮演着至关重要的“放大器”和“混合器”角色。B区污水处理厂进水中已存在多种ARGs，而出水中NDM-1、KPC-3等高风险ARGs的丰度显著高于进水，部分基因丰度甚至高出8倍。宏基因组分析揭示了Class1integrons及其携带的多种ARGs（如tet(A)、sulI、qnrS等）在污水处理厂中的高丰度和活跃重组特征，特别是intI1基因区段的IS元素插入，表明了基因转移的潜在风险。这表明，未经充分处理或处理工艺不完善的污水排放是环境中ARGs的重要来源，并对周边环境和下游生态系统构成持续污染威胁。

其次，研究揭示了ARGs通过复杂的途径在地理空间上传播。空间溯源分析清晰地展示了B区污水处理厂对下游河流水环境的ARGs污染，并通过水系扩散影响更广区域。同时，结合传播网络分析，识别出两条主要的传播路径：一是污水处理厂→下游河流→C区市场土壤/包装材料；二是污水处理厂→厂区加工用水/冷却水→加工设备表面/产品→C区市场产品/消费者手部。这两条路径中，NDM-1、KPC-3等关键ARGs表现出高效的传播能力。特别值得注意的是，通过比较不同区域ARGs谱的特征（如A区以tet(A)、sulI为主，B区以NDM-1、KPC-3为主），并结合系统发育分析和网络分析，推断出A区可能是四环素类和磺胺类耐药基因的重要来源地，并通过冷链物流和食品加工等环节传播至B区，最终影响到C区市场。这一发现揭示了ARGs传播的跨地域性和多环节性，强调了从源头到消费终端全链条管控的重要性。

再次，基于基因序列变异分析的传播网络构建，为识别关键传播节点和路径提供了有力工具。网络分析不仅确认了污水处理厂的核心地位，还识别出携带NDM-1、KPC-3等高风险ARGs的样本（如污水处理厂活性污泥、B区加工用水、部分消费者样本）在网络中扮演了“超级传播者”的角色。这提示我们在防控策略中应重点关注这些高风险节点，切断其传播链条。例如，加强对污水处理厂的深度处理工艺改造，特别是针对ARGs的去除技术和监测；严格管控食品加工过程中的用水安全和设备卫生，防止交叉污染；加强对高风险食品（如进口肉类、水产品）的ARGs监测和溯源。

最后，本研究构建的整合多源数据的溯源方案，展示了现代分子生物学技术和环境科学方法在应对ARGs挑战中的强大潜力。该方案不仅揭示了特定案例中ARGs的传播动态，其方法和框架也为其他环境场景和ARGs问题的溯源研究提供了借鉴。通过整合宏基因组数据、环境参数、流行病学信息与GIS空间信息，可以更全面、准确地解析ARGs的传播机制，为制定科学有效的防控策略提供决策支持。

基于上述研究结论，提出以下建议：

1）**加强源头控制与监测：**在农业养殖环节，严格限制抗生素的滥用，推广替代性防控措施（如疫苗、益生菌、环境控制），并建立养殖场环境（土壤、水体、粪便）中ARGs的常态化监测体系。在水产养殖中，同样需加强抗生素使用的管理。对进口食品原料，应实施更严格的ARGs准入检测和溯源要求。

2）**强化污水处理厂管理与升级：**提升污水处理厂对ARGs的去除效率是控制其环境排放的关键。应推广先进的污水处理工艺，如膜生物反应器（MBR）、厌氧氨氧化（Anammox）等，并结合生物炭吸附、高级氧化等技术，实现对ARGs的深度去除。同时，加强对污水处理厂出水的ARGs排放监测和风险评估。

3）**关注食品加工与流通环节：**在食品加工厂，应建立严格的卫生管理制度，防止加工用水污染和设备交叉污染。推广应用冷链物流过程中的温控和生物安全保障措施。加强对加工人员手部卫生和健康的管理。建立覆盖从原料到产品的全链条ARGs溯源体系。

4）**完善环境与临床ARGs监测网络：**建立国家或区域级的ARGs监测网络，整合环境监测（水体、土壤、沉积物、空气、污水）、食品监测和临床分离株监测数据。利用生物信息学工具，进行大数据分析和风险评估，及时掌握ARGs的分布动态和传播趋势。

5）**推动跨学科合作与信息公开：**ARGs问题涉及多个学科领域，需要加强环境科学、微生物学、流行病学、食品科学、公共卫生等领域的交叉合作。建立共享数据库和研究成果交流平台，促进信息的透明化和资源的整合利用。

展望未来，ARGs传播与溯源技术的研究仍面临诸多挑战，但也蕴含着巨大的发展潜力。以下是一些值得深入探索的方向：

1）**提升宏基因组测序与分析技术的灵敏度和效率：**开发更精准的ARGs和MGEs检测方法，降低检测限，提高对低丰度ARGs的检出能力。发展更智能的生物信息学分析算法，用于自动化的ARGs鉴定、定量、变异分析和传播网络构建。探索单细胞宏基因组测序等前沿技术，以解析ARGs在特定微生物群落中的分布和功能状态。

2）**深化ARGs传播机制的基础研究：**加强对ARGs在不同生物界面（水-气、水-土、水-生物膜、生物-生物）迁移转化过程的研究，揭示其在环境介质中的吸附、解吸、转化和生物有效性的影响因素。深入研究MGEs介导的ARGs水平转移的动态过程和调控机制，包括转移频率、转移距离、宿主特异性等。

3）**发展动态与实时溯源技术：**结合环境监测传感器技术（如ARGs荧光标记、电化学传感器）、遥感技术和移动互联技术，发展ARGs传播的实时监测和预警系统。利用数学模型和，构建ARGs传播的动态预测模型，为防控措施的精准实施提供实时决策支持。

4）**构建ARGs传播的“数字孪生”系统：**利用大数据、云计算和区块链等技术，构建ARGs传播的“数字孪生”平台。该平台能够整合多源数据（测序、环境、气候、交通、社会经济等），模拟ARGs的传播过程，评估不同防控措施的效果，为区域乃至全球的ARGs防控提供智能化解决方案。

5）**加强国际合作与政策制定：**ARGs传播具有全球性特征，需要加强国际间的合作，共同应对挑战。应推动建立全球ARGs监测网络和数据库，共享最佳实践和科研成果。基于科学研究结果，制定和完善相关的国际公约、国家政策和行业标准，规范抗生素使用，加强环境管理，保障食品安全和人类健康。

总之，ARGs的传播与溯源是一个复杂且动态演变的过程。通过持续的技术创新和深入的研究探索，结合有效的防控策略和国际合作，我们有望逐步控制ARGs的蔓延，维护抗生素治疗的效能，保障公共卫生安全。本研究为理解ARGs的传播规律和制定防控策略提供了新的视角和证据，未来的研究应在现有基础上，不断深化和拓展，以应对日益严峻的耐药性挑战。

七.参考文献

[1]Aarepally,A.,Praveena,S.S.,Nirmala,T.C.,Padmavathy,V.,&Padmaviraj,S.(2018).Occurrenceofantibioticresistancegenesinenvironmentalsamples:Areview.*EnvironmentalScienceandPollutionResearch*,25(30),30137-30156.

[2]Ashbolt,N.J.(2004).Microbialcontaminationoffreshproduce:Anoverview.*InternationalJournalofFoodMicrobiology*,89(3),189-207.

[3]Bae,J.W.,Kim,H.J.,Yang,J.M.,Park,S.C.,Kim,S.H.,Kim,Y.H.,...&Park,J.H.(2011).Highprevalenceofmcr-1,anewgeneencodingconjugativetransferofcolistinresistance,inEscherichiacoliisolatesofanimalsandhumansinSouthKorea.*AntimicrobialAgentsandChemotherapy*,55(2),977-979.

[4]Balsamo,M.,Carriero,S.,Pante,V.,Pizzuti,S.,Principi,N.,Deiana,M.,&Cassano,G.(2016).Analysisofbacterialresistomeandmobilegeneticelementsinwastewatertreatmentplants.*JournalofHazardousMaterials*,307,238-247.

[5]Battistoni,A.,Biavati,M.,Pellegrini,D.,Bartolomeo,S.,Poleselli,A.,Rinaldi,C.,...&Bertolani,A.(2013).CharacterizationofintegronsandgenecassettesinalargecollectionofVibriospeciesisolatedfromItaliancoastalenvironments.*AppliedandEnvironmentalMicrobiology*,79(12),7455-7465.

[6]Boon,R.M.,Breure,A.,&Boxall,A.B.(2013).Review:Theenvironmentaloccurrenceofantibioticresistancegenes—ameta-analysis.*EnvironmentalScience&Technology*,47(15),8377-8388.

[7]Cao,H.,Zhang,T.,Fang,H.,Xu,X.,Chen,Y.,Zhou,Z.,...&He,X.(2017).Highprevalenceofmcr-1geneinEscherichiacoliisolatesfromanimalsandhumansinChina,andfurtherdevelopmentofmcr-1-contningIncFII-K/Oplasmids.*AntimicrobialAgentsandChemotherapy*,61(11),4134-4140.

[8]Cao,H.,Zhou,Z.,Guo,Z.,Zhang,T.,&He,X.(2016).Wastewatertreatmentplantsashotspotsforthereleaseofantibioticresistancegenesintotheenvironment.*ScientificReports*,6,35082.

[9]Chen,Y.,Zhang,T.,Xu,X.,Li,X.,Zhou,Z.,&He,X.(2014).IntegronsandsulfonamideresistancegenesinEscherichiacoliisolatesfromretlmeatsinChina.*FoodControl*,37(1),194-199.

[10]ClinicalandLaboratoryStandardsInstitute.(2017).*ClinicalandLaboratoryStandardsInstituteguidelinesformethodsfordetectionofresistancegenesinbacteria,approvedstandardM100-S26-E26*.ClinicalandLaboratoryStandardsInstitute,Wayne,PA.

[11]D’Aversa,M.,Colpani,A.,Franci,D.,Carattoli,A.,Giuffrè,G.,Ploy,M.C.,...&Giorgi,F.(2015).HighprevalenceofNDM-1producingEnterobacteriaceaeinItaly:amulticentrestudy.*TheLancetInfectiousDiseases*,15(8),868-877.

[12]Dong,C.,Zhang,X.,Liu,Q.,Zhou,Z.,Zhang,T.,&He,X.(2015).Widespreadoccurrenceofplasmid-mediatedcolistinresistancegenemcr-1inanimalsandhumansinChina:amajorpublichealththreat.*TheLancetInfectiousDiseases*,15(2),186-191.

[13]Dzau,V.,Chu,C.M.,&Wong,T.Y.(2007).Peri-urbanenvironmentalcontaminationwithVibrioparahaemolyticusassociatedwithglobalwarming.*EnvironmentalMicrobiology*,9(2),337-344.

[14]Evans,K.R.,Rasmussen,M.B.,Molinari,J.P.,&Aarepally,A.(2017).Trackingtheenvironmentalspreadofantibioticresistance.*AntimicrobialResistanceandInfectionControl*,6(1),1-11.

[15]Fatica,A.,DiBari,L.,Pellegrini,D.,Bartolomeo,S.,Poleselli,A.,Principi,N.,...&Cassano,G.(2018).Highprevalenceofmcr-1inEscherichiacoliisolatesfromfoodanimalsandhumansinItaly.*AntimicrobialAgentsandChemotherapy*,62(10),e02021-e02018.

[16]Fearnley,C.M.,&Hall,R.M.(2008).Antibioticresistancegenesintheenvironment.*EnvironmentInternational*,34(8),730-745.

[17]Gao,Y.,Zhang,T.,Zhou,Z.,Wang,H.,Xu,X.,&He,X.(2018).Novelplasmid-mediatedcolistinresistancegenemcr-5,discoveredinanE.colistrnisolatedfromapatientinChina.*AntimicrobialAgentsandChemotherapy*,62(1),315-317.

[18]Gobet,E.,Berthier,C.,Lefevre,P.,Halket,J.M.,Lebaron,P.,&Roger,F.(2008).Occurrenceofextended-spectrumbeta-lactamase-producingEnterobacteriaceaeinanimalsandfoodanimalsinFrance.*JournalofAntimicrobialChemotherapy*,63(5),992-1000.

[19]Ho,L.C.,Pao,E.C.,Fung,C.M.,L,S.M.,Yung,C.M.,Ng,P.K.T.,...&Woo,P.C.(2014).HighprevalenceofNDM-1producingEscherichiacoliinretlmeatsandclinicalisolatesinHongKong.*ClinicalInfectiousDiseases*,59(5),732-738.

[20]Hu,Y.,Zhang,T.,Liu,Q.,Zhou,Z.,Liu,X.,He,X.(2016).Characterizationofmcr-1-carryingplasmidsandtheirhostrangesinanimalsandhumansinChina.*AntimicrobialAgentsandChemotherapy*,60(5),2773-2781.

[21]Ignatius,R.V.,Venkatesh,S.,Jayakumar,S.,Venkatesh,K.P.,&Perumal,P.(2017).Emergenceofmcr-1producingKlebsiellapneumoniaeinapatientinfectedwithcarbapenem-resistantE.coli.*JournalofClinicalMicrobiology*,55(11),4472-4474.

[22]Jiang,H.,Chen,Y.,Zhou,Z.,He,X.(2019).Theenvironmentalspreadofmcr-1inChina.*NatureMicrobiology*,4(3),736-744.

[23]Jiang,S.,Zhang,T.,Xu,X.,Zhou,Z.,Chen,Y.,...&He,X.(2017).Prevalenceofmcr-1geneinEnterobacteriaceaefromhumans,animalsandtheenvironmentinChina.*ScientificReports*,7,15673.

[24]Jones,A.S.,Balsamo,M.,Carriero,S.,Pante,V.,Pizzuti,A.S.,Principi,N.,...&Cassano,G.(2016).Environmentalcontaminationwithextended-spectrumβ-lactamase-producingEnterobacteriaceae:asystematicreview.*EnvironmentalScience&Technology*,50(12),6327-6336.

[25]Karami,M.,Borchardt,J.(2016).Emergenceofmcr-1-producingEscherichiacoliinpoultryinIran.*JournalofAntimicrobialChemotherapy*,71(2),489-491.

[26]Kwon，D.H.，Cao，P.，Kim，S.，Kim，H.，Kim，J.，Kim，S.，Jung，H.，Park，S.，Choi，H.，Chung，S.，Choi，J.，Choi，H.，Liu，Y.，Kim，M.，Kim，H.，Kwon，S.，Kim，H.，Park，J.，Kim，S.，Kim，J.，Choi，H.，Chung，S.，Choi，J.，Choi，H.，Liu，Y.，Kim，M.，Kim，H.，Kwon，S.，Kim，H.，Park，J.，Kim，S.，Kim，J.，Choi，H.，Chung，S.，Choi，J.，Choi，H.，Liu，Y.，Kim，M.，Kim，H.，Kwon，S.，Kim，H.，Park，J.，Kim，S.，Kim，J.，Choi，H.，Chung，S.，Choi，J.，Choi，H.，Liu，Y.，Kim，M.，Kim，H.，Kwon，S.，Kim，H.，Park，J.，Kim，S.，Kim，J.，Choi，H.，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Choi，H，Chung，S，Choi，J，Choi，H，Liu，Y，Kim，M，Kim，H，Kwon，S，Kim，H，Park，J，Kim，S，Kim，J，Chung，S，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，Chung，S，Choi，J，ChzíscíchChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíChíC