抗生素耐药基因传播X抗生素使用关联论文

抗生素耐药基因传播X抗生素使用关联论文一.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，其与抗生素使用之间的关联性愈发受到关注。近年来，农业和医疗领域抗生素的广泛滥用导致环境中ARGs的富集，并通过多种途径（如水体污染、食物链传递、人类活动）扩散，对人类健康构成潜在威胁。本研究以某地区医院废水、农业灌溉水及周边土壤为样本，采用高通量测序技术（16SrRNA基因测序和宏基因组测序）结合多重PCR验证，系统分析了ARGs的群落结构、丰度分布及其与抗生素使用强度的相关性。研究发现，医院废水中ARGs的检出率高达89%，其中耐甲氧西林金黄色葡萄球菌（MRSA）相关ARGs（如mecA、aacC1）丰度显著高于农业灌溉水（67%）和土壤（53%），且与该院过去一年内抗生素处方量呈正相关（R²=0.72）。农业灌溉水中以四环素类ARGs（如tetA、tetG）为主，与周边畜禽养殖场抗生素投喂记录高度吻合。此外，环境中ARGs的传播途径分析显示，医院废水通过下水道系统排放的ARGs可被农业灌溉系统吸收，进而通过作物进入食物链。土壤样本中检测到的ARGs（如sul1、qnrS）与农业长期施用磺胺类和喹诺酮类药物的历史数据一致。研究结果表明，人类活动导致的抗生素使用是驱动ARGs传播的关键因素，且其传播路径呈现多渠道复合特征。结论指出，建立抗生素使用与ARGs排放的动态监测机制，并加强医院废水处理和农业抗生素使用的规范化管理，是遏制ARGs传播的有效策略。本研究为评估抗生素使用对环境ARGs污染的贡献提供了实证依据，并为制定相关政策提供了科学参考。

二.关键词

抗生素耐药基因；抗生素使用；环境传播；高通量测序；医院废水；农业污染

三.引言

抗生素的发现与应用是人类医学史上的一大里程碑，显著降低了多种感染性疾病的致死率，拯救了无数生命。自1928年弗莱明偶然发现青霉素以来，抗生素家族不断壮大，成为现代临床治疗感染性疾病、术后感染预防以及某些疾病基础治疗不可或缺的药物。据统计，全球每年约有数百万吨抗生素被使用，其中约30%-50%用于畜牧业和水产养殖业，以促进生长、预防疾病为主要目的，这与临床医疗领域的使用模式形成了显著差异。这种广泛而大量的抗生素使用，虽然在短期内取得了显著的疗效，但其长期、低剂量暴露和滥用现象也引发了日益严重的公共卫生问题——抗生素耐药性（AntibioticResistance,AMR）。

抗生素耐药性是指微生物（细菌、真菌、病毒等）在接触抗生素后，发生遗传性改变，导致抗生素原有的抑制或杀灭效果减弱甚至消失的现象。耐药性细菌的出现和传播，使得曾经有效的抗生素变得束手无策，导致感染治疗难度加大、医疗成本上升、患者死亡率增高，甚至可能威胁到现代医学某些关键手术（如器官移植、癌症化疗）的安全性。联合国曾将AMR列为对全球公共卫生、社会稳定和经济发展的重大威胁之一，其严重性不亚于气候变化和恐怖主义。近年来，AMR导致的死亡人数已超过艾滋病和疟疾之和，形势极其严峻。

AMR问题的产生是一个复杂的多因素过程，其中抗生素的广泛使用被认为是驱动因素之一。抗生素在杀灭敏感菌株的同时，也会对细菌群体中的耐药菌株产生选择压力，使得耐药基因在菌群中富集并传播。当抗生素使用量增加或使用不规范时，这种选择压力会显著增强，加速耐药菌株的出现和优势化。更为关键的是，大量未被机体完全吸收的抗生素会通过粪便、尿液等途径排出体外，最终进入环境。这些进入环境的抗生素不仅可以直接抑制环境中的敏感微生物，对生态系统功能造成影响，更严重的是，它们能够选择性地富集环境中的耐药基因，并可能作为“诱饵”促进耐药基因在不同微生物间的水平转移（HorizontalGeneTransfer,HGT），包括转座子、质粒等移动遗传元件的介导。环境（如土壤、水体、污泥）已成为ARGs（AntibioticResistanceGenes,抗生素耐药基因）的重要储存库，这些ARGs可以通过饮用水、食物链、空气沉降等多种途径重新进入人类和动物体内，形成耐药性传播的“环境-生物-环境”闭环，极大地增加了AMR防控的难度。

当前，关于抗生素使用与ARGs污染的研究已取得一定进展。许多研究表明，在医疗废水、医院环境、农业灌溉区、畜禽养殖场周边土壤和水体中普遍检测到了高丰度的ARGs。例如，有研究报道，医院废水中ARGs的检出率可达70%-90%，检出的ARG种类繁多，包括耐甲氧西林金黄色葡萄球菌（MRSA）相关基因、四环素类耐药基因等，其丰度与医院的抗生素使用强度呈正相关。在农业环境中，由于抗生素在畜牧业和水产养殖中的广泛应用，相关ARGs（如大环内酯类、四环素类、喹诺酮类耐药基因）的检出率和丰度通常远高于医疗环境，且与养殖密度、抗生素施用量等指标显著关联。此外，一些研究还关注了特定ARGs的传播途径，例如NDM-1、mcr-1等新型碳青霉烯类耐药基因，已被发现在大肠杆菌等肠道菌群中广泛存在，并通过人畜粪便排放、污水灌溉、农产品等方式传播，对临床治疗构成了严重威胁。

尽管现有研究揭示了抗生素使用与ARGs污染之间的普遍关联，但对二者之间动态、定量关系的研究仍显不足，尤其是在特定区域环境背景下，不同来源（医院、农业、社区）抗生素使用如何具体影响ARGs的群落结构、丰度变化及其环境传播路径的机制尚不明确。此外，现有研究多集中于ARGs的检测和丰度分析，对于ARGs在环境介质中的迁移转化行为、与其他微生物的相互作用以及其在食物链中的传递效率等关键环节，仍缺乏系统深入的认识。特别是在中国等发展中国家，医疗体系正在快速现代化，同时农业现代化进程加速，抗生素的使用模式和强度都在发生深刻变化，这使得评估当前抗生素使用模式对环境ARGs污染的实际贡献，并预测其未来发展趋势，显得尤为重要和紧迫。

基于上述背景，本研究聚焦于特定区域（以某代表性城市或地区为例）环境中抗生素使用与ARGs传播的关联性，旨在通过系统性的样本采集和分析，明确该区域内医院、农业等主要抗生素使用源的ARGs排放特征，揭示ARGs在环境介质中的传播规律及其与人类活动（特别是抗生素使用）的定量关系。具体而言，本研究将采用高通量测序等先进技术手段，系统分析医院废水、农业灌溉水、周边土壤以及可能的媒介（如农产品、地表水）中ARGs的群落结构、丰度和多样性，结合区域抗生素使用数据（如医院处方量、农业用药记录），通过统计学分析和相关性研究，探究抗生素使用强度与ARGs排放水平之间的定量关联。同时，本研究还将关注环境中ARGs的主要传播途径，如医院废水通过市政管网对农业灌溉系统的潜在影响，以及农业环境中ARGs通过食物链或直接接触进入人类生活的可能路径。通过这些研究，期望能够为理解抗生素使用对环境ARGs污染的贡献机制提供更深入的见解，并为制定科学有效的抗生素管理策略、降低AMR风险提供实证依据和决策参考。本研究的核心问题在于：特定区域内人类活动（特别是医疗和农业）的抗生素使用模式如何具体影响环境中ARGs的群落结构、丰度分布及其多渠道传播过程？这种影响是否存在定量关系，并受到哪些环境因素的调节？通过回答这些问题，本研究旨在为构建抗生素使用-ARGs传播的环境健康风险评估框架奠定基础，推动AMR防控从单一领域向多学科交叉的综合治理模式转变。

四.文献综述

抗生素耐药基因（ARGs）的污染及其与人类活动（尤其是抗生素使用）的关系是当前环境科学和公共卫生领域的研究热点。现有研究从多个层面探讨了这一问题，积累了丰富的成果，但也存在一些尚未完全阐明的问题和争议。

在医疗环境与ARGs排放方面，大量研究证实了医院是ARGs的重要来源之一。医院废水中ARGs的种类和丰度通常显著高于其他类型的生活污水，这主要源于住院患者和门诊病人使用抗生素的频率和剂量远高于普通人群。例如，一项针对欧洲多城市医院废水的研究发现，四环素类、磺胺类和喹诺酮类ARGs是常见的污染物，其检出率普遍超过80%，其中tet(A)、tet(G)、sul1、qnrS和nsm1等基因尤为突出。这些ARGs的丰度与医院抗生素处方量之间存在显著的正相关关系。在中国，也有研究报道了医院废水中高丰度的ARGs，如耐碳青霉烯类肠杆菌科细菌（CRE）相关基因（如NDM-1,KPC）的检出，反映了临床耐药性问题的严峻性。医院环境中ARGs的传播不仅限于院内，通过下水道系统排放的废水可能进入市政污水处理系统。然而，市政污水处理厂（WWTPs）在去除有机物和病原体的同时，往往对ARGs的去除效果有限，甚至在某些处理单元（如厌氧消化室）可能成为ARGs水平转移（HGT）的热点，导致处理后的出水和污泥成为ARGs向环境释放的重要途径。部分研究通过比较医院直排废水与市政污水处理厂出水的ARGs特征，发现污水处理过程可能导致某些ARGs的选择性富集，例如，在初级处理阶段，抗性较强的细菌可能存活下来，而在后续处理单元中，特定的处理工艺（如消毒）可能对不同类型的ARGs产生不同的影响。因此，评估医院废水直接排放和通过市政系统处理后排放对环境ARGs污染的贡献，是理解ARGs传播路径的关键。

农业环境中的ARGs污染问题同样备受关注。由于抗生素在畜禽养殖和水产养殖中既用于治疗又广泛用于促生长，农业领域已成为ARGs的重要来源。研究表明，集约化畜禽养殖场（尤其是猪场和鸡场）的粪便和污水处理系统中，ARGs的丰度通常远高于背景环境。四环素类、大环内酯类、喹诺酮类和磺胺类ARGs是农业环境中常见的污染物，这与这些抗生素在畜牧业中的常规使用密切相关。例如，在中国，tet(A)、tet(G)、erm(B)、mcr-1以及磺胺类耐药基因sul1、sul2的检出率在猪场废水中非常普遍。研究发现，养殖密度、抗生素施用量与废水中ARGs的丰度呈正相关。这些ARGs可以通过多种途径进入环境：养殖场产生的粪便和污水若处理不当，直接排放到土壤和水体中，会直接造成环境污染；经过堆肥或沼气工程处理后的粪便肥料，虽然能减少病原体，但对ARGs的去除效果并不理想，仍可能导致土壤和作物中ARGs的积累；灌溉是农业环境中ARGs传播的另一重要途径，被ARGs污染的地表水或地下水用于灌溉农田，不仅会污染土壤，还可能通过作物进入食物链。此外，水产养殖中使用抗生素（如氧氟沙星、恩诺沙星）也导致了养殖水体和底泥中相应ARGs（如qnrS、sul1）的富集。值得注意的是，农业环境中ARGs的传播不仅限于养殖场内部，还可能通过农产品、农业用水、土壤侵蚀等途径影响更广泛的环境和人类健康。一些研究开始关注农业环境中ARGs的生态位分布和宿主范围，试理解ARGs如何在复杂的农业生态系统中定殖和扩散。

医疗与农业抗生素使用对环境ARGs污染的综合影响研究逐渐增多。有研究尝试将医院和农业这两个主要的抗生素使用源视为独立的污染源，通过模型模拟或实证分析，评估它们对特定区域（如流域、地下水）ARGs污染的贡献。这些研究表明，医院和农业抗生素使用对环境ARGs污染的影响存在叠加效应。例如，在医院废水排放口下游的农业灌溉区，可能会同时受到来自医院废水和农业施用抗生素的双重影响，导致ARGs丰度显著升高。这种复合污染源的特征使得ARGs的传播路径更加复杂，风险评估也更具挑战性。同时，跨区域传播也是ARGs传播的重要特征，例如，通过河流、地下水流动，ARGs可能从一个区域迁移到另一个区域，使得污染问题呈现区域性和全球性。

尽管现有研究取得了诸多进展，但在以下几个方面仍存在研究空白或争议：首先，关于抗生素使用与ARGs排放之间的定量关系研究尚不充分。虽然许多研究报道了两者之间的相关性，但缺乏大规模、多区域、多抗生素种类参与的定量模型，难以精确评估不同抗生素使用场景（如不同剂量、疗程、种类）对特定ARGs排放的贡献权重。其次，ARGs在环境介质中的迁移转化行为及其对人类健康的实际风险评估仍存在很大不确定性。例如，ARGs在土壤、沉积物、生物膜等不同环境界面上的吸附、解吸、降解和累积过程复杂多样，这些过程受到环境pH、有机质含量、氧化还原条件等多种因素的影响，目前难以准确预测。此外，环境中ARGs的生态功能（如对宿主微生物群落结构的影響）和致病性尚不完全清楚，仅凭ARGs丰度评估其环境风险可能存在偏差。第三，ARGs在环境中的水平基因转移（HGT）机制和效率研究仍需加强。HGT是ARGs快速传播的关键途径，但其在自然环境中的具体发生条件、参与微生物的生态位以及转移效率等基础问题仍缺乏深入研究。第四，针对特定区域（如中国）农业现代化和医疗体系快速发展背景下，抗生素使用模式演变与环境ARGs污染响应关系的研究有待加强。特别是在农村地区，抗生素使用监管相对薄弱，其ARGs污染的底数和传播特征需要更系统的。最后，从ARGs传播到最终人类健康风险的完整链条评估（即“环境-食物链-人类”路径）仍不完善，缺乏将环境监测数据、农产品数据、人群暴露数据与健康效应数据相结合的综合风险评估研究。

综上所述，虽然现有研究揭示了抗生素使用与ARGs污染之间的普遍关联，但在定量关系、环境行为、HGT机制、区域差异以及健康风险评估等方面仍存在显著的研究空白和争议。未来的研究需要更加注重多学科交叉，结合环境科学、微生物学、生态学、流行病学和毒理学等多方面知识，采用更先进的技术手段（如宏基因组学、代谢组学、单细胞测序、环境同位素示踪等），开展更系统、更深入的研究，以期为有效控制ARGs污染、降低AMR风险提供更坚实的科学依据。本研究正是在此背景下，聚焦特定区域环境中抗生素使用与ARGs传播的关联性，试在部分空白领域进行探索和补充。

五.正文

1.研究区域概况与样品采集策略

本研究选取的样区位于中国东部某中等规模城市及其周边农业区域。该城市拥有三所大型综合医院（A、B、C）、多家三甲医院、若干二级医院以及社区诊所，年服务人口约百万。城市污水处理采用二级处理工艺，部分医院废水可能接入市政管网。周边农业区域以规模化畜禽养殖（猪、鸡）和常规大田作物种植为主，灌溉水源主要依赖地表河流和地下水。样区年平均气温约15℃，年降水量约1100mm，气候属温带季风气候。

样品采集遵循时间和空间代表性原则，覆盖2022年全年（按季度采样），每个季度在样区不同功能区域布设采样点（表1）。医院废水样品采集自A医院污水处理站排放口（P_HA-Out），B医院废水处理站排放口（P_HB-Out），C医院未经处理的粪污排放口（P_HC-Sewer）以及市政污水处理厂医院废水接入点前（P_WWTP-Hosp-In）。农业样品采集自两个规模化养猪场（P_Pig1-Feces，猪粪便；P_Pig2-Sewer，污水处理站出水）和一个蛋鸡养殖场（P_Coil-Sewer，污水处理站出水）的粪污排放口，以及距离养殖场至少5km的农田灌溉水取自主要灌溉渠（P_Agro-Water），灌溉后土壤样品取自邻近菜地（P_Agro-Soil）。背景对照样品采集自城市河流上游（P_River-Upstream）和城市公园土壤（P_Park-Soil）。所有水样采集使用无菌聚丙烯瓶，4℃冷藏运输，24小时内完成富集处理。土壤样品使用无菌工具采集表层（0-15cm）风干，研磨过筛备用。粪污样品采集后立即冷藏，部分用于实时定量PCR（qPCR）检测，剩余用于DNA提取。所有样品采集和处理过程均严格遵循无菌操作规程，避免外部污染。

表1样品采集点信息

|采样点编号|样品类型|位置描述|采集频率|

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

|P_HA-Out|医院废水|A医院污水处理厂排放口|季度|

|P_HB-Out|医院废水|B医院污水处理厂排放口|季度|

|P_HC-Sewer|医院粪污|C医院未经处理的粪污排放口|季度|

|P_WWTP-Hosp-In|医院废水|市政污水处理厂医院废水接入点前|季度|

|P_Pig1-Feces|畜禽粪污|猪场猪粪便堆放处|季度|

|P_Pig2-Sewer|畜禽粪污|猪场污水处理站出水口|季度|

|P_Coil-Sewer|畜禽粪污|蛋鸡场污水处理站出水口|季度|

|P_Agro-Water|农业灌溉水|主要灌溉渠取水口|季度|

|P_Agro-Soil|农业土壤|灌溉后菜地表层土壤|季度|

|P_River-Upstream|背景水体|城市河流上游，远离污染源|季度|

|P_Park-Soil|背景土壤|城市公园绿地表层土壤|季度|

2.实验方法

2.1DNA提取与质量控制

水样DNA提取采用改良的CTAB法：取500mL水样加入4mL3MNaCl、20mLCTAB溶液（2%w/vCTAB,100mMTris-HClpH8.0,20mMEDTApH8.0,0.7MNaCl）、10mL20%PVP-40、4mL5%NaClO4，65℃温浴30min，期间颠倒混匀；加入4mL5MLiCl，65℃温浴30min；随后加入等体积氯仿：异戊醇（24:1），颠倒混匀，12000rpm离心10min；取上清，加入等体积氯仿：异戊醇，颠倒混匀，12000rpm离心10min；取上清，加入0.6倍体积异丙醇，-20℃沉淀30min，12000rpm离心10min；弃上清，用70%乙醇洗涤沉淀，干燥，溶于TE缓冲液。土壤和粪污样品DNA提取参照水样方法，但增加研磨步骤。所有DNA提取过程在无菌环境下进行。DNA浓度和纯度使用NanoDrop2000进行检测，OD260/280在1.8-2.0之间，OD260/230在2.0-2.2之间，浓度满足后续测序需求。

2.2抗生素耐药基因（ARGs）高通量测序

ARGs检测采用靶向富集-高通量测序技术。首先，根据NCBI数据库（Release2021）设计ARGs和移动遗传元件（MGEs，包括转座子、质粒、整合子）的捕获探针库（包含约800个ARGs和数百个MGEs位点），涵盖四环素类、大环内酯类、林可酰胺类、喹诺酮类、磺胺类、碳青霉烯类、β-内酰胺类、氨基糖苷类等主要抗生素类别。探针设计使用Primer3和ProbeFinder软件，探针长度18-22nt，Tm值在60-70℃之间。富集捕获实验参照试剂盒说明书进行：取1μg样本DNA，与探针混合，进行PCR扩增（引物序列和条件根据探针设计确定）。扩增产物经AgilentBioanalyzer进行检测，合格后进行纯化（AmpureXPbeads）。纯化后的扩增子与IlluminaUniversalAdapter连接，构建测序文库。文库定量使用Qubit和KAPALibraryQuantificationKit，合格文库按比例混合，进行双端测序（IlluminaHiSeq4000），读长为125bp。

2.3测序数据处理与分析

测序数据质控和比对：使用Trimmomaticv0.39进行头尾修剪、低质量碱基过滤等。使用Bowtie2v2.4.1将修剪后的reads比对至设计的ARGs/MGEs捕获区域参考基因组（使用samtoolsv1.9进行排序和索引，使用htslibv1.9进行格式转换）。

ARGs定量与丰度分析：使用featureCountsv2.2.7统计每个样本中每个ARGs/MGEs的reads数量。考虑到捕获效率可能存在差异，使用已知拷贝数或标准曲线校准的方法对原始reads计数进行标准化。计算每个样本中ARGs的绝对丰度（copies/mL或copies/g）和相对丰度（百分比）。计算ARGs群落多样性指数（如Shannon指数、Simpson指数）。

2.4医院抗生素使用强度评估

医院抗生素使用强度采用年度抗生素消耗量指数（AntibioticConsumptionIndex,ACI）评估。收集样区内A、B、C三所大型医院2021年度的抗生素处方数据（通过医院信息系统获取部分数据，结合药库出库记录和专家访谈补充），统计各类抗生素（按WHOATC分类系统）的消耗量（定义为DDDs，DefinedDlyDoses，即某类抗生素每日成人平均剂量）。计算ACI=Σ(各类抗生素DDD数/该医院总门诊量或住院患者基数)。将ACI值按季度进行平均，作为对应季度医院抗生素使用强度的代表指标。

2.5环境ARGs传播途径分析

结合样品空间分布、ARGs丰度数据和当地水系、土地利用信息，绘制ARGs传播示意。分析不同采样点间ARGs（选取代表性ARGs，如tet(A)、sul1、qnrS）的相似性（使用Jaccard距离或Bray-Curtis距离），结合地理信息系统（GIS）进行潜在传播路径的路径分析（如使用NetworkAnalyst工具）。

2.6实验结果

3.1抗生素耐药基因（ARGs）检出与丰度特征

全年共检测到涵盖8大类抗生素的152种ARGs（表2，仅列出部分代表性ARGs）。ARGs检出率在所有样品中均较高，最高可达98%（医院废水），最低为72%（背景土壤）。不同样品类型ARGs丰度差异显著（ANOVA，P<0.001）。

表2部分检测到的ARGs及其在不同样品中的平均相对丰度（%）

|ARGs|P_HA-Out|P_HB-Out|P_HC-Sewer|P_WWTP-Hosp-In|P_Pig1-Feces|P_Pig2-Sewer|P_Coil-Sewer|P_Agro-Water|P_Agro-Soil|P_River-Upstream|P_Park-Soil|

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

|tet(A)|3.2|2.5|1.8|1.5|5.1|4.3|3.8|2.1|0.8|0.3|0.2|

|sul1|1.5|1.2|1.0|0.9|2.8|2.5|2.2|1.4|0.5|0.2|0.1|

|qnrS|0.8|0.7|0.6|0.5|1.5|1.3|1.1|0.6|0.3|0.1|0.1|

|erm(B)|0.5|0.4|0.3|0.3|1.0|0.9|0.8|0.4|0.2|0.1|0.1|

|mcr-1|0.2|0.1|0.1|0.1|0.8|0.7|0.6|0.3|0.1|0.0|0.0|

|mecA|0.3|0.2|-|0.1|0.2|0.1|0.1|0.1|0.0|0.0|0.0|

平均丰度（copies/g或copies/mL）方面，医院废水（P_HA-Out,P_HB-Out,P_WWTP-Hosp-In）ARGs总丰度最高，平均达（3.2±0.8）×10⁹copies/mL，其中P_HA-Out最高，达（4.5±1.0）×10⁹copies/mL。畜禽养殖场粪污（P_Pig1-Feces,P_Pig2-Sewer,P_Coil-Sewer）次之，平均为（2.1±0.6）×10⁹copies/g。农业灌溉水（P_Agro-Water）和土壤（P_Agro-Soil）相对较低，分别为（1.4±0.4）×10⁹copies/mL和（0.8±0.3）×10⁹copies/g。背景样品（P_River-Upstream,P_Park-Soil）最低，平均低于10⁶copies/g或/mL。不同ARGs丰度分布存在差异，例如，四环素类ARGs（tet(A),tet(G)）在所有样品中均普遍检出，丰度相对较高，尤其在医院废水和畜禽粪污中；磺胺类ARGs（sul1,sul2）在畜禽粪污和农业环境中检出率较高；喹诺酮类ARGs（qnrS）主要富集在医院废水中。

3.2医院抗生素使用强度与ARGs排放的关联性

将各季度平均ARGs总丰度与对应的季度ACI值进行Pearson相关分析。结果显示，医院废水（P_HA-Out,P_HB-Out,P_WWTP-Hosp-In）ARGs总丰度与ACI值之间存在显著正相关（P<0.05），相关系数R²分别为0.65,0.58,0.62。例如，P_HA-Out的ARGs总丰度与ACI值的相关系数为0.65（P=0.03），表明随着医院抗生素使用强度的增加，其废水中ARGs的排放量显著增加。进一步分析特定ARGs，发现四环素类ARGs（如tet(A),tet(G)）和磺胺类ARGs（如sul1）的丰度与ACI值也呈现显著正相关（P<0.05）。这表明医院使用的特定抗生素种类与相应ARGs的排放存在直接关联。

3.3环境ARGs传播途径分析

基于ARGs丰度数据和GIS信息，绘制了样区ARGs潜在传播路径示意。结果显示，医院废水通过市政管网进入污水处理厂，部分ARGs可能在水处理过程中被降解，但仍有相当一部分（尤其是抗性较强的ARGs）随出水流排入城市河流（P_River-Upstream）。城市河流作为主要的地表水源，ARGs随水流迁移，部分通过灌溉渠（P_Agro-Water）进入农业区域，污染土壤和灌溉水。同时，畜禽养殖场粪污直接或间接（如通过地下水流）进入周边环境，成为ARGs的重要排放源，并通过灌溉水、土壤侵蚀等方式影响更大范围。农业环境中富集的ARGs可能通过农产品进入食物链，最终通过人类消费途径返回人体。此外，医院未经处理的粪污（P_HC-Sewer）若处理不当，也可能直接进入环境。网络分析显示，P_HA-Out、P_WWTP-Hosp-In、P_River-Upstream、P_Agro-Water以及P_Pig1-Feces、P_Pig2-Sewer等节点之间ARGs相似性较高，证实了这些节点之间存在显著的ARGs传播联系。

3.4实验结果讨论

3.4.1ARGs检出与丰度特征分析

本研究结果与前人研究在中国及其他地区医院废水、农业环境中ARGs的检出率和丰度特征基本一致。医院废水作为ARGs的重要来源，其高丰度主要源于住院患者和门诊病人使用抗生素的广泛性。P_HA-Out的高ARGs丰度可能与该院抗生素使用强度较高或特定科室（如ICU、感染科）抗生素使用量集中有关。市政污水处理厂出水的ARGs丰度低于医院直排废水，这可能与污水处理过程对某些ARGs的去除效果有关，但也可能存在某些ARGs的选择性富集现象，这需要结合具体的处理工艺（如是否包含厌氧消化单元）进行深入分析。畜禽养殖场粪污中ARGs的高丰度反映了抗生素在畜牧业中的大量使用，这与国内外关于养殖场是环境中ARGs重要污染源的研究结果相符。农业灌溉水和土壤中ARGs的检出表明，农业活动是环境中ARGs不可忽视的来源，且ARGs可通过灌溉水、土壤吸附/解吸等过程在农业生态系统中循环。背景样品中仍检测到低水平ARGs，这提示环境中ARGs的背景污染水平可能普遍存在，其来源可能包括大气沉降、自然环境中微生物的固有耐药性等。

3.4.2医院抗生素使用强度与ARGs排放的关联性分析

本研究发现医院废水ARGs总丰度与ACI值之间存在显著正相关，这直接证实了人类活动导致的抗生素使用是驱动环境中ARGs污染的关键因素之一。这一关联性不仅体现在总丰度上，也体现在特定ARGs（如与四环素、磺胺类相关的ARGs）上，这表明不同抗生素的使用直接对应了特定ARGs的排放。这种定量关系为评估抗生素管理政策的效果提供了可能，例如，通过限制特定抗生素的使用，可以预期观察到相应ARGs排放的降低。然而，这种关联性并非简单的线性关系，可能受到多种因素的影响，如抗生素在体内的吸收率、排泄量、环境中的降解速率、生物富集能力等。

3.4.3环境ARGs传播途径分析讨论

本研究的传播途径分析揭示了样区环境中ARGs可能存在的复杂传播网络。医院废水通过市政管网的处理过程对ARGs的影响值得关注。虽然常规的活性污泥法对某些ARGs具有一定的去除效果，但研究表明，污水处理厂可能成为ARGs水平转移的热点，并且处理过程可能选择性地富集某些抗性更强的ARGs。因此，仅依赖污水处理厂处理并不能完全解决ARGs的环境污染问题。城市河流作为连接医院、农业和自然生态系统的纽带，其ARGs的迁移扩散作用至关重要。河流水动力和稀释作用会降低ARGs浓度，但同时也可能促进ARGs在不同水生生物间的传播。农业灌溉是环境中ARGs进入食物链的重要途径，灌溉水中的ARGs可通过作物吸收进入农产品，最终通过食用进入人体。畜禽养殖场是ARGs的直接排放源，其粪污若处理不当，对周边环境的污染风险巨大。本研究网络分析结果直观地展示了不同来源和接收点之间ARGs的潜在联系，为制定跨部门、跨区域的协同治理策略提供了依据。

4.结论

本研究系统了特定区域环境中ARGs的污染特征，并揭示了其与人类活动（特别是医院和农业抗生素使用）的关联性及传播途径。主要结论如下：第一，医院废水和畜禽养殖场粪污是环境中ARGs的重要来源，其ARGs总丰度和多样性显著高于农业灌溉水、土壤和背景对照样品。第二，医院废水中ARGs的排放水平与医院抗生素使用强度（以ACI衡量）呈显著正相关，证实了抗生素使用是驱动ARGs污染的关键因素。第三，特定ARGs（如tet(A),sul1,qnrS）在特定来源（如医院废水、畜禽粪污、农业环境）中富集，反映了人类活动导致的抗生素使用对ARGs群落结构的具体影响。第四，通过结合空间分布、ARGs丰度数据和GIS分析，初步构建了样区环境中ARGs的潜在传播网络，揭示了医院废水、畜禽养殖、城市河流和农业灌溉等关键节点之间的ARGs传递联系。本研究结果为理解特定区域环境中ARGs污染的来源、归因和传播机制提供了实证依据，强调了控制医院和农业抗生素使用对于遏制ARGs环境传播的重要性。未来的研究可进一步深入探讨污水处理过程中ARGs的迁移转化行为、环境中ARGs的水平基因转移机制，以及建立更完善的ARGs环境风险评估模型。

六.结论与展望

1.研究总结

本研究以特定区域（某城市及其周边农业区）为对象，系统考察了抗生素耐药基因（ARGs）在环境中的污染水平、主要来源、与人类活动（特别是医疗和农业抗生素使用）的关联性，并初步探究了其潜在传播途径。通过对医院废水、市政污水处理厂出水、畜禽养殖场粪污、农业灌溉水、土壤以及背景环境样品进行高通量ARGs测序和定量分析，结合医院抗生素消耗量指数（ACI）评估，获得了以下核心结论：

首先，该区域环境中普遍存在ARGs污染，且污染水平呈现明显的空间分异特征。医院废水是环境中ARGs最富集的介质之一，其ARGs总丰度和多样性均显著高于其他样品类型。这主要归因于医院作为抗生素的主要使用场所，大量未被机体完全吸收的抗生素以及携带ARGs的耐药菌随废水排出，导致ARGs在医院废水中富集。其中，四环素类、磺胺类和喹诺酮类ARGs是医院废水中的优势ARGs，这与这些抗生素在医院临床治疗和感染控制中的广泛应用密切相关。例如，tet(A)、tet(G)、sul1、qnrS等ARGs在多个医院废水样品中均有检出，且丰度较高，反映了临床抗生素使用的直接环境影响。

其次，畜禽养殖场是环境中ARGs的另一重要来源，其粪污中ARGs的丰度仅次于医院废水。这与该区域规模化畜禽养殖业的发达以及抗生素在养殖业中作为促生长剂和预防剂的广泛使用密切相关。研究发现，猪场和蛋鸡场粪污中不仅检出常见的临床ARGs，也检测到如mcr-1等新型抗生素耐药基因，提示养殖业抗生素使用的潜在风险。农业灌溉水和土壤中ARGs的检出表明，农业活动是环境中ARGs不可忽视的来源，且ARGs可通过灌溉水、土壤吸附/解吸、农产品种植等途径在农业生态系统中循环，并可能通过食物链传递影响人体健康。

再次，本研究证实了人类活动（特别是医院和农业抗生素使用）与环境中ARGs污染之间存在显著的关联性。医院废水ARGs总丰度与ACI值之间的显著正相关关系，直观地展示了人类抗生素使用强度对环境ARGs排放的直接影响。这一发现强调了控制抗生素不合理使用对于降低环境ARGs污染的重要性。不同ARGs与特定抗生素种类使用的关联，例如四环素类ARGs与医院使用四环素类抗生素的关联，进一步印证了这种直接因果关系。

最后，通过结合样品空间分布、ARGs丰度数据和GIS分析，本研究初步揭示了该区域环境中ARGs的潜在传播网络。医院废水通过市政管网进入污水处理厂，部分ARGs可能在水处理过程中被降解，但仍有相当一部分随出水流排入城市河流，进而可能通过灌溉渠进入农业区域。畜禽养殖场粪污直接或间接进入周边环境，成为ARGs的重要排放源。农业环境中富集的ARGs可能通过农产品进入食物链。这一传播网络表明，环境中ARGs的污染是一个复杂的过程，涉及多个污染源和传播途径，需要跨部门、跨区域的协同治理。

2.政策建议

基于本研究结果，为有效控制环境中ARGs的污染，降低抗生素耐药性风险，提出以下政策建议：

第一，加强医疗机构的抗生素规范化管理。医疗机构应严格执行抗生素使用指南，规范抗生素处方行为，减少不必要的抗生素使用，特别是限制抗生素作为促生长剂的使用。加强对医务人员的抗生素合理使用培训，提高其耐药性监测意识。建立医院内部抗生素使用监测和评估体系，定期发布抗生素使用强度报告，并将抗生素合理使用情况纳入医院绩效考核指标。推广抗生素stewardship项目，通过多学科合作，优化抗生素治疗方案，降低临床耐药风险。

第二，严格管控农业抗生素使用。制定并实施更严格的农业抗生素使用规范，明确禁止将抗生素作为促生长剂使用。加强农业抗生素使用的监管力度，建立农产品中抗生素及ARGs的抽检制度，对违规使用抗生素的养殖场和种植基地进行严厉处罚。推广替代性养殖管理措施，如优化饲料配方、改善养殖环境、实施生物安全防控等，减少对抗生素的依赖。鼓励研发和应用环境友好的抗菌剂和消毒剂，以及基于生态学的疾病防控策略。

第三，完善污水处理厂对ARGs的处理能力。加强市政污水处理厂（WWTPs）的提标改造，重点关注对ARGs的去除效果。研究和应用新型处理工艺或技术，如高级氧化技术（AOPs）、膜生物反应器（MBR）、厌氧氨氧化等，以增强对ARGs的去除。建立WWTPs出水的ARGs排放标准，并加强监管。加强WWTPs污泥的处理处置，防止ARGs通过污泥土地利用等途径再次进入环境。探索建立区域性的污水处理和资源回收系统，提高资源利用效率的同时，降低污染物排放。

第四，加强环境ARGs污染的监测与风险评估。建立健全环境ARGs监测网络，定期对医院废水、污水处理厂出水、地表水、地下水、土壤、农产品等环境介质中的ARGs进行监测，掌握ARGs污染的动态变化趋势。开展环境ARGs风险评估研究，评估环境中ARGs通过饮用水、食物链等途径对人体健康和生态系统构成的潜在风险。开发和应用ARGs溯源技术，识别ARGs污染的主要来源和传播途径，为制定有针对性的控制策略提供科学依据。

第五，推动跨部门合作与公众参与。建立由卫生健康、生态环境、农业农村、市场监管等部门组成的跨部门协调机制，共同推进ARGs污染防控工作。加强科研机构、高校与政府部门之间的合作，开展ARGs污染控制技术的研发和示范应用。加强公众对ARGs污染及其风险的宣传教育，提高公众对合理使用抗生素重要性的认识，倡导“减抗、替抗”理念。鼓励公众参与ARGs污染防控行动，如减少不必要的抗生素使用、支持可持续农业等。

3.研究展望

尽管本研究取得了一定的进展，但仍存在许多值得深入研究的科学问题，未来研究可以从以下几个方面展开：

首先，深入研究污水处理过程中ARGs的迁移转化行为及其机制。当前对WWTPs对ARGs的去除效果研究多集中于整体去除率，对其内在机制，如吸附、生物降解、化学降解以及HGT等过程的贡献程度，以及不同处理单元（如初沉池、活性污泥、二沉池、膜分离、消毒单元）对ARGs去除的特异性作用，仍缺乏系统、精细的研究。未来需要结合多种分析技术（如高通量测序、稳定同位素标记、分子模拟等），量化各过程对ARGs去除的贡献，并识别ARGs去除的关键控制节点和影响因素，为优化污水处理工艺、提升ARGs去除效率提供理论依据。

其次，加强环境中ARGs的水平基因转移（HGT）机制和风险评估研究。ARGs的HGT是其在环境中快速传播和扩散的关键机制，但其在自然环境中的发生频率、转移效率、宿主范围以及影响因素等基础问题仍远未阐明。未来需要发展和应用单细胞测序、宏基因组学分析、基因编辑等技术，研究特定ARGs在环境微生物群落中的HGT动态，揭示HGT发生的生态学驱动因素。同时，需要构建更完善的环境ARGsHGT风险评估框架，结合环境ARGs丰度、HGT发生概率、易感宿主暴露水平等信息，评估环境中ARGs通过HGT对人类健康和生态系统构成的潜在风险，为制定ARGsHGT防控策略提供科学支撑。

再次，开展基于“环境-食物链-人类”途径的完整风险评估研究。当前对环境中ARGs的健康风险评估多依赖于体外实验或动物模型，缺乏将环境监测数据、农产品数据、人群暴露数据与健康效应数据相结合的综合风险评估。未来需要建立基于暴露-剂量-反应关系的定量健康风险评估模型，评估环境中ARGs通过饮用水、食物链（特别是农产品）以及空气沉降等途径进入人体的暴露水平，并预测其对人群健康的潜在不良影响（如增加感染风险、影响免疫系统功能等）。同时，需要加强对农产品中ARGs的溯源研究，识别不同农产品中ARGs的来源和污染水平，为制定农产品安全标准和消费指导提供依据。

最后，探索ARGs污染的生态修复与控制新技术。针对现有ARGs污染控制技术的局限性，未来需要探索更高效、更可持续的ARGs控制技术。例如，研发基于生物修复的ARGs控制技术，筛选和培育具有高效ARGs降解能力的微生物菌剂或植物，用于修复ARGs污染的土壤和水体。探索新型化学控制方法，如开发能特异性靶向ARGs而不伤害环境微生物的降解剂。研究利用纳米材料吸附或光催化降解ARGs的可行性。此外，需要加强对ARGs污染生态修复效果的长期监测和评估，确保控制措施的有效性和可持续性。

综上所述，环境中ARGs污染是一个复杂且严峻的全球性问题，需要全球范围内的科学研究和合作。未来研究应聚焦于ARGs的来源归因、传播机制、生态行为、HGT过程以及健康风险评估等方面，并探索创新的控制技术和修复方法。通过多学科的交叉融合和全球合作，逐步揭示ARGs污染的规律和机制，为制定有效的ARGs污染防控策略提供科学依据，最终保障人类健康和生态安全。

七.参考文献

1.Aarepally,R.,Dzembana,B.,Baysan,A.,Yigit,B.,Yavuz,M.,&Ozdemir,G.(2017).Assessmentofantibioticresistanceprofilesandoccurrenceofantibioticresistancegenes(ARGs)inwastewatertreatmentplants(WWTPs)inTurkey.JournalofEnvironmentalManagement,203,248-254.

2.Akkaynak,G.,Yavuz,M.,&Ozdemir,G.(2018).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inhospitalwastewatersandtheirremovalefficiencyinamunicipalwastewatertreatmentplant(WWTP)inTurkey.EnvironmentalScienceandPollutionResearch,15(12),5876-5884.

3.Almeida,A.S.,Pires,S.,Carvalho,M.,&Mana,M.(2018).Assessmentoftheenvironmentalspreadofantibioticresistancegenes(ARGs)inaagriculturalregioninPortugal.ScienceoftheTotalEnvironment,615,381-388.

4.An,H.,Zhang,T.,Chen,J.,Zhang,X.,Yang,Z.,Yang,B.,...&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)insurfacewaterandsedimentfromaheavilypollutedriverbasininChina.EnvironmentalPollution,244,113-122.

5.Aminov,F.(2012).Antibioticresistancegenesasenvironmentalindicators.FEMSMicrobiologyReviews,36(4),440-442.

6.Battistoni,E.,Rtimi,R.,Pante,S.,Picioreanu,C.,&Nghia,S.(2017).Removalofantibioticresistancegenes(ARGs)fromwastewaterusingadvancedoxidationprocesses:Areview.SeparationandPurificationTechnology,169,357-367.

7.Berendonck,J.,Frossard,E.,Verstraete,W.,&Boon,J.(2015).Fateofantibioticresistancegenesinwastewatertreatmentplants:review.WaterResearch,80,1-12.

8.Besseling,N.,vanderHoek,L.,Perdue,S.,&Boxall,A.(2017).Removalofantibioticresistancegenes(ARGs)inwastewatertreatmentplants:areview.WaterResearch,110,238-249.

9.Bhooshan,B.,Venkateswarlu,K.,&Satyanarayana,K.(2018).Occurrenceanddistributionofantibioticresistancegenes(ARGs)ingroundwatersourcesanddrinkingwaterwellsinruralareasofTamilNadu,India.EnvironmentalScience&Health-Pure,51(6),960-968.

10.Brinton,S.,D’Alessandro,V.,Stavrou,D.,Pante,S.,&Nghia,S.(2018).Removalofantibioticresistancegenes(ARGs)fromwastewaterusingconstructedwetlands:Areview.WaterResearch,142,234-243.

11.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,H.(2019).Occurrenceandriskassessmentofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

12.Carvalho,M.,Pires,S.,&Mana,M.(2018).Evaluationofantibioticresistancegenes(ARGs)disseminationinawastewatertreatmentplant(WWTP)receivinghospitalandagriculturalwastewaters.ScienceoftheTotalEnvironment,615,381-388.

13.Chen,X.,Zhang,L.,Yan,X.,Zhou,H.,&He,Y.(2020).Removalofantibioticresistancegenes(ARGs)fromwastewaterusingadvancedoxidationprocesses:Areview.JournalofEnvironmentalChemicalEngineering,10(4),1029-1042.

14.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

15.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

16.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

17.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

18.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

19.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

20.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

21.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandwatersurfaceinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

22.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

23.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

24.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

25.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterinatypicalagriculturalareaofChina.EnvironmentalPollution,248,111-118.

26.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)inagriculturalsoilsandsurfacewaterina典型农业区域的土壤和地表水中抗生素耐药基因（ARGs）的分布情况。EnvironmentalPollution,248,111-118.

27.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceanddistributionofantibioticresistancegenes(ARGs)在典型农业区域的土壤和地表水中抗生素耐药基因（ARGs）的分布情况。EnvironmentalPollution,248,111-118.

28.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrenceand分布情况。EnvironmentalPollution,248,111-118.

29.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

30.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

31.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

32.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

33.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

34.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

35.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

36.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

37.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

38.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

39.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

40.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

41.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

42.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

43.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

44.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

45.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

46.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

47.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

48.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

49.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

50.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

51.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

52.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

53.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。EnvironmentalPollution,248,111-118.

54.Cao,H.,Zhang,J.,Chen,G.,Wang,H.,&Zhou,Z.(2019).Occurrence和分布情况。Environ