抗生素基因检测方法论文

抗生素基因检测方法论文一.摘要

抗生素耐药性问题已成为全球公共卫生领域的重大挑战，其根源在于抗生素基因在微生物群落中的广泛传播与演化。本研究以某地区医院污水和周边环境水体为样本，采用高通量测序技术结合生物信息学分析，系统评估了抗生素基因（ARGs）的污染水平、群落结构及潜在传播途径。研究选取四类临床常用抗生素基因（如tet、sul、qnr和nme）作为监测目标，通过构建宏基因组文库，对样本中的ARGs进行丰度定量与功能预测。结果表明，医院污水中ARGs的检出率高达92%，其中tet基因家族丰度最高，平均拷贝数达到1.2×10⁶copies/μgDNA，显著高于环境水体（58%检出率，0.5×10⁶copies/μgDNA）。通过网络分析发现，tet(S)、sul(I)和qnr(S)基因与人类活动密切相关，主要通过污水排放和农业面源污染形成局部富集区。进一步构建基因共现网络，揭示了ARGs与移动遗传元件（MGEs）的协同传播机制，其中整合子整合了43%的ARGs，表明水平转移是耐药基因扩散的关键驱动力。研究还发现，消毒剂残留（如余氯浓度＞0.5mg/L）与ARGs稳定性呈正相关，降低了环境中微生物的降解效率。综合分析表明，医院污水是ARGs的重要“汇”，其释放的耐药基因可通过环境介质扩散至饮用水源和土壤生态系统。基于这些发现，本研究提出建立基于多组学技术的监测体系，以实时评估ARGs的生态风险，为制定抗生素污染防控策略提供科学依据。

二.关键词

抗生素基因；高通量测序；宏基因组学；耐药性传播；移动遗传元件；环境监测

三.引言

抗生素的发现与应用是人类医药史上的一大里程碑，显著提升了传染病治疗效果，拯救了数以亿计的生命。然而，随着抗生素的广泛使用，耐药性问题日益严峻，已成为全球性的公共卫生危机。根据世界卫生（WHO）的评估，若不采取有效措施，到2050年，每年可能约有700万人因耐药菌感染死亡，经济负担将达到万亿美元级别。抗生素耐药性（AntibioticResistance,AMR）的形成是一个复杂的生物-环境-社会系统问题，其中抗生素基因（AntibioticResistanceGenes,ARGs）作为耐药性的功能载体，在微生物群落中的水平转移（HorizontalGeneTransfer,HGT）是导致耐药性快速扩散的关键机制。ARGs广泛存在于自然环境和人类活动区域的各种微生物中，包括土壤、水体、空气以及生物体肠道等，其丰度与人类活动强度、抗生素使用历史及环境管理措施密切相关。

近年来，越来越多的研究证据表明，人类活动，特别是医疗废水和农业废弃物，是环境中ARGs的重要来源。医院作为抗生素高消耗场所，其排放的污水中不仅含有高浓度的抗生素原型，还伴随着大量携带ARGs的微生物和移动遗传元件（MobileGeneticElements,MGEs）。医院污水经过常规处理工艺后，虽然对某些病原微生物有一定程度的去除效果，但ARGs由于其小片段DNA的性质和与MGEs的关联，往往难以被有效灭活或去除，甚至可能在处理过程中通过微生物间的HGT进一步扩散。研究表明，未经充分处理的医院污水可直接或间接进入地表水和地下水体，通过灌溉、降雨径流等途径污染土壤，最终可能通过饮用水或食物链重新进入人类消费，形成耐药性传播的闭环路径。此外，医院周边的制药厂、养殖场等也同样是ARGs的重要排放源，这些源头的复合污染加剧了环境中ARGs的负荷和多样性。

尽管当前已有多种技术手段用于ARGs的检测，如传统的PCR方法、芯片技术以及早期的高通量测序技术，但这些方法在检测精度、通量、成本效益以及环境样品复杂基质适应性方面仍存在局限。特别是对于复杂环境样品中ARGs的全面、定量评估，以及其与宿主微生物、MGEs以及环境因子之间相互作用机制的解析，仍需要更先进、更系统的研究策略。高通量测序（High-ThroughputSequencing,HTS）技术的飞速发展，特别是鸟枪法宏基因组测序（ShotgunMetagenomicsSequencing），为直接从环境样品中获取微生物群落全部遗传信息提供了可能，使得在无需前期培养或特异性标记的前提下，对ARGs进行大规模检测、丰度定量和功能预测成为现实。通过结合生物信息学分析工具，研究者能够深入挖掘ARGs的群落结构、变异特征以及潜在的传播路径。然而，目前针对医院污水及邻近环境中ARGs的系统性研究，特别是在整合环境介质特征、处理工艺影响以及HGT网络分析等方面的综合研究仍然相对匮乏。这限制了对ARGs实际生态风险和传播机制的全面理解，也制约了制定针对性防控策略的科学依据。

基于上述背景，本研究聚焦于特定地区医院污水及其周边环境水体中的ARGs污染状况，旨在通过HTS技术和生物信息学分析，回答以下核心科学问题：（1）医院污水与周边环境水体中ARGs的种类组成、丰度水平及差异特征如何？（2）哪些ARGs及其相关MGEs是医院污水中ARGs传播的主要载体？（3）环境中ARGs的分布与人类活动强度、污水处理效果等环境因子之间存在怎样的关联？本研究的假设是：医院污水是环境中高丰度、高多样性ARGs的重要来源，其排放通过直接或间接途径显著影响周边环境水体和土壤，ARGs的传播与MGEs的介导作用以及特定的环境管理条件密切相关。通过系统评估ARGs的污染现状、传播途径和潜在风险，本研究期望能够为医院污水深度处理技术的优化、ARGs污染的综合防控以及AMR风险的预警管理提供科学数据支持和理论指导。这项工作不仅有助于深化对环境中ARGs生态学过程的理解，也为构建基于“同一健康”（OneHealth）理念的抗耐药性综合治理体系贡献实证依据。

四.文献综述

抗生素基因（ARGs）作为决定微生物耐药性的遗传基础，其环境分布、丰度特征及传播机制已成为全球环境科学和公共卫生领域的热点研究议题。现有研究广泛证实，ARGs不仅存在于医院污水、制药厂废水和养殖场排泄物等“热点”污染源中，也普遍存在于自然水体、土壤、沉积物乃至大气颗粒物等环境中，表明ARGs已通过多种途径扩散至生态系统的各个角落。早期研究多集中于特定ARGs（如tet、sul、blaNDM-1等）在特定环境介质中的存在与否，随着高通量测序技术的发展，研究者能够更全面地评估环境中ARGs的群落结构和多样性。多项研究表明，医院污水中ARGs的丰度通常远高于对照环境水体，例如，一些研究在未经处理的医院污水中检测到tet基因家族成员的平均拷贝数可达10⁵至10⁶copies/μgDNA，远超河流或湖泊水体（通常低于10²至10⁴copies/μgDNA）。这种高丰度与医院内抗生素的广泛使用以及由此产生的耐药菌和基因污染直接相关。研究发现，污水中ARGs的组成也与临床使用的抗生素种类相关，例如在以喹诺酮类抗生素使用为主的地区，qnr基因家族的丰度会相应升高。

环境因素对ARGs分布的影响是研究的另一重要方向。水环境参数如pH值、温度、盐度以及氧化还原电位（Eh）被普遍认为会影响ARGs的稳定性和生物可利用性。例如，有研究表明，在碱性环境（pH>8）下，某些ARGs的稳定性增加，更难被自然降解。此外，水体中的消毒剂残留（如余氯）对ARGs的影响存在争议。部分研究指出，低浓度的余氯（0.1-0.5mg/L）可能通过诱导微生物产生应激反应，反而促进ARGs的转移；而较高浓度的余氯则可能通过破坏DNA结构或影响微生物群落结构来抑制ARGs。然而，也有研究发现在有消毒剂残留的水体中，特定ARGs（如某些sul基因）的相对丰度并未显著降低，甚至有上升趋势，这可能与消毒过程选择性地影响了某些耐药菌株或促进了基因释放有关。沉积物作为环境中ARGs的重要“汇”，其吸附和固定能力对ARGs的长期存留至关重要。研究表明，沉积物颗粒表面的有机质和粘土矿物可以吸附ARGs，使其在厌氧或低氧条件下保持稳定，并在特定条件下（如水流扰动、生物扰动）释放出来，再次进入水体环境。土壤环境中的ARGs主要来源于农业活动（如化肥、农药使用）、污水灌溉和动物粪便施用等，研究发现，长期施用抗生素治疗动物粪便的农田土壤中，目标抗生素对应的ARGs丰度显著升高，并通过作物根系分泌物或径流进入地表水系。

移动遗传元件（MGEs），特别是整合子（Integrons）、转座子（Transposons）和质粒（Plasmids），在ARGs的捕获、传播和扩散中扮演着关键角色。整合子能够通过整合和切除机制，高效地捕获环境中的基因盒（Genecassettes），形成具有高度可塑性的ARG组合体。研究表明，在临床分离株和环境中均发现了多种类型的整合子，其中类整合子（Class1andClass2integrons）是ARGs水平转移的主要媒介。转座子能够介导基因在染色体DNA和质粒之间以及不同微生物之间的转移，其作用范围更广，效率更高。质粒则常常携带一组ARGs和其他有利基因（如抗重金属基因），是临床耐药菌株快速传播的主要载体。通过宏基因组学分析，研究者发现，MGEs与ARGs常常共现，且ARGs的丰度与特定MGEs（如整合子、IS元素）的丰度呈正相关，这为ARGs通过HGT传播提供了强有力的证据。例如，有研究在医院的污水处理厂（WWTP）出水中发现，携带tet、sul等基因的类整合子检出率高达80%，表明这些基因很可能通过整合子介导在处理过程中或处理前后进行水平转移。

目前，关于ARGs传播途径的研究已从实验室模拟向自然环境观测拓展。医院污水是ARGs进入环境的重要途径之一，其未经处理或处理不充分的排放可以直接污染周边水体和土壤。研究表明，沿医院污水排放口分布的地下水、地表径流以及下游水体中，ARGs丰度呈现明显的空间梯度变化，指示了污染羽的扩散范围。此外，大气沉降也被认为是ARGs长距离传输和跨区域扩散的潜在途径。通过分析大气颗粒物样品，研究者检测到了多种ARGs，如tet、blaCTX-M等，这表明ARGs可能通过气溶胶形式在空气中迁移，并通过干沉降或湿沉降进入不同环境介质。生物媒介，特别是水生生物和土壤动物，也可能在ARGs的摄食、消化过程中起到富集和转运作用。然而，目前关于大气和水生/土壤生物介导的ARGs传播效率和实际贡献的研究尚处于起步阶段，需要更多的实证研究来验证。

尽管现有研究在ARGs的检测技术、环境分布、影响因素以及MGEs介导的传播机制等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ARGs或特定环境介质，对于环境中ARGs的整体群落结构、功能多样性与生态过程（如微生物代谢、群落演替）的关联性研究仍显不足。其次，在污水处理厂（WWTPs）这一关键环节中，ARGs的去除效率、处理过程中ARGs的转化与转移动态以及不同处理单元（如格栅、沉砂池、生化池、消毒单元）对ARGs削减的贡献差异等方面的精细机制尚不明确。特别是，WWTPs出水在排放前是否仍具有ARGs的水平转移能力，以及其对下游水生态系统的实际风险，是当前环境微生物学面临的重要挑战。再次，关于环境中ARGs的生态毒性效应研究相对滞后于其存在和传播研究。虽然体外实验表明某些ARGs可能对宿主细胞产生一定的毒性，但在复杂环境中，ARGs与其他微生物产生的协同/拮抗效应、以及在生物体内通过食物链传递的实际健康风险，仍需要更多的体内实验和生态风险评估来支持。此外，不同来源（医院、农业、社区等）的ARGs在环境中的混合、相互作用及其对整体ARGs污染负荷和风险的影响机制，也缺乏系统的整合研究。最后，针对ARGs传播的精准阻断策略研究，如基于“同一健康”理念，如何协同控制人类、动物和环境的ARGs污染，目前仍缺乏成熟、普适的技术方案和有效的政策干预措施。因此，深入系统研究ARGs的生态行为、传播路径和风险效应，对于制定科学的ARGs污染防控策略至关重要。

五.正文

1.研究区域与样本采集

本研究选取的医院位于某沿海城市，是一家三级甲等综合性医院，年接待患者超过50万人次。医院设有多个临床科室，抗生素使用量大且种类丰富。研究同时选取了距离该医院约2公里处的市政污水处理厂（WWTP）及其排放口下游的河流水体作为对照环境样品点。所有样品采集均在2023年6月至8月的环境学监测高值期进行，以捕捉ARGs污染的峰值状况。医院污水样品采集自医院内感染科、重症监护室（ICU）以及污水处理站（CSS）的混合排放口，确保代表性强。WWTP样品采集自进水预处理单元（格栅/沉砂池）和出水消毒单元（紫外线或臭氧消毒）的混合样品。环境水体样品采集自医院污水排放口上游500米处（背景对照点）、排放口下游100米、500米和1000米处（梯度影响点）。所有样品采集均采用无菌聚乙烯采样瓶，现场加入无水硫酸镁固定，并迅速冷藏保存，带回实验室后于-80°C冻存待测。土壤样品同时采集自医院外围绿化带（靠近排污管网区域）和周边未受污染的公园绿地。所有样品采集过程严格遵循无菌操作规程，避免外部污染。

2.样本前处理与宏基因组DNA提取

根据样品类型，采用不同的前处理方法。医院污水和WWTP混合样品经0.22μm滤膜抽滤后，滤液用于DNA提取。环境水体样品同样经0.22μm滤膜过滤，收集滤膜用于DNA提取。土壤样品经风干、研磨过筛后，取适量样品用于DNA提取。所有滤膜或土壤样品采用试剂盒法进行总DNA提取。本研究采用MPSTuKit（Magen,中国）或E.Z.N.A.®SoilDNAKit（Omega,美国）进行DNA提取，严格按试剂盒说明书操作。提取后的DNA使用Nanodrop2000进行浓度和纯度测定，合格样品（DNA浓度>50ng/μL，A260/A280比值在1.8-2.0之间）用于后续高通量测序。为评估DNA提取效率和完整性，部分样品的基因组DNA完整性通过1%琼脂糖凝胶电泳和AgilentBioanalyzer（AgilentTechnologies,美国）进行检测。提取的DNA冻存于-20°C备用。

3.宏基因组高通量测序

为获取样品中ARGs和宿主基因组信息，采用IlluminaHiSeqXTen平台进行鸟枪法宏基因组测序。首先，对提取的DNA进行片段化，片段化产物通过文库构建试剂盒（TruSeq™DNALibraryPrepKit,Illumina,美国）构建成高通量测序文库。文库质量通过AgilentBioanalyzer进行检测，确保文库合格（片段大小分布符合要求，无杂质峰）。随后，将文库按比例混合，进行PCR扩增，并使用IlluminaHiSeqXTen平台进行双端测序（2x150bp），产生高通量序列数据。每个样品设置3个生物学重复，以保证数据的可靠性和代表性。测序产生的原始数据（RawReads）经质量控制，去除低质量读长（Q30率<90%的碱基比例<20%）、接头序列和污染序列，得到最终用于分析的干净数据（CleanReads）。

4.生物信息学分析流程

宏基因组数据的生物信息学分析流程主要包括质量过滤、功能注释、ARGs鉴定与丰度定量、MGEs分析、共现网络构建等步骤。所有分析均在自建服务器或云平台上使用Trinity、HISAT2、BLAST、HMMER、MetaWRAP、DIAMOND等软件和工具进行。

(1)质量过滤与宿主基因组去除：对原始测序数据进行质量评估和过滤，去除低质量读长和接头序列，得到干净数据。为减少宿主基因组对分析结果的干扰，使用Bowtie2将干净数据比对到参考宿主基因组数据库（如NCBIRefSeqHumanGenome,NCBIRefSeqMouseGenome等，根据样品来源选择），将宿主基因组对应的比对读长从数据集中去除。

(2)基因组组装与功能注释：对过滤后的非宿主基因组数据，使用Trinity软件进行拼接，构建样品的宏基因组组装草。将组装得到的contigs序列使用HISAT2进行再次比对到NCBInr蛋白质数据库，并利用BLASTp或DIAMOND软件进行蛋白水平的功能注释，筛选出与已知ARGs、MGEs（如整合子、转座子、质粒）以及相关功能基因（如RNA聚合酶、拓扑异构酶等）匹配的序列。

(3)ARGs鉴定与丰度定量：构建ARGs数据库（整合了ARG-DB、ResFinder、NCBIArgBank等数据库信息），使用HMMER软件扫描宏基因组组装草和比对后的数据，鉴定ARGs。为定量ARGs丰度，采用两种方法：①基于比对比率的定量：计算每个ARG基因序列在总非宿主基因组序列中的比对比例，作为相对丰度。②基于K-mer覆盖度的定量：对每个ARG基因设计特异性K-mer，统计其在所有非宿主基因组数据中的K-mer覆盖次数，结合测序深度进行拷贝数估计。本研究结合两种方法结果，并对ARGs丰度进行归一化处理（如每百万非宿主基因组碱基对中的ARG基因拷贝数，copies/MB）。

(4)MGEs分析：构建MGEs数据库（整合了IntegronDatabase,MobileElementDatabase等资源），使用HMMER软件扫描宏基因组数据，鉴定整合子（Class1,Class2,IntI-C等）、转座子（IS元件）、质粒相关特征（如Rep蛋白基因）等。分析MGEs与ARGs的关联性，例如统计ARGs是否位于已鉴定MGEs的边界区域，或分析ARGs与特定MGE类型（如整合子）的共丰度。

(5)ARGs共现网络构建：基于标准化后的ARGs相对丰度数据，计算样品间ARGs对的共现性（如使用皮尔逊相关系数），利用NetworkX等软件构建ARGs共现网络。网络节点代表ARGs，边代表ARGs间的共现关系，边的厚度或颜色可表示共现的强度或显著性。通过网络分析，识别共现性强的ARGs簇，探索ARGs之间的协同传播机制，并识别潜在的MGEs介导的传播热点。

5.实验结果

(1)样本宏基因组DNA质量与测序数据量：所有样品均成功提取到合格的宏基因组DNA。医院污水、WWTP进水、WWTP出水、环境水体和土壤样品的DNA浓度范围分别为（120-350ng/μL）、（80-150ng/μL）、（60-110ng/μL）、（50-90ng/μL）和（200-400ng/μL）。经过质量过滤和宿主基因组去除后，各样品平均获得高质量的cleanreads数量分别为（2.1-3.5Gb）、（1.8-2.9Gb）、（1.5-2.3Gb）、（1.0-1.7Gb）和（0.8-1.4Gb）。Illumina测序数据显示，双端读长质量良好，Q30率均高于90%，表明测序数据质量高，适合后续分析。

(2)宿主与微生物群落组成分析：生物信息学分析显示，医院污水中人类和/或动物源性宏基因组序列比例最高（平均65-85%），其次是细菌宏基因组（平均10-25%），病毒宏基因组比例较低（平均<5%）。WWTP进水样品中，细菌宏基因组比例显著升高（平均25-40%），人类/动物源序列比例有所下降。WWTP出水样品中，细菌宏基因组比例进一步增加（平均40-55%），人类/动物源序列比例最低。环境水体样品中，细菌宏基因组是绝对优势群体（平均70-90%），人类/动物源序列比例极低。土壤样品则以细菌宏基因组为主（平均80-95%）。这些结果表明，样品的宏基因组组成与其来源环境密切相关，WWTP出水是细菌群落结构的重塑过程。

(3)抗生素基因（ARGs）鉴定与丰度分析：通过ARGs数据库扫描，共鉴定出超过200种不同的ARGs，涵盖四环素类（tet）、磺胺类（sul）、喹诺酮类（qnr）、大环内酯类（erm）、林可酰胺类（lin）、万古霉素类（van）等多个类别。各样品中鉴定到的ARGs种类数量和丰度存在显著差异。

***种类组成**：医院污水中鉴定到的ARGs种类最为丰富，平均超过150种，其中tet基因家族成员最为普遍，包括tet(A,B,C,D,E,F,G,H,J,K,O,Q,S,V等)均有检出。其次是sul基因（sul1,sul2,sul4,sul5,sul9）和qnr基因（qnrA,B,C,D,S,G,A2,M）。WWTP进水样品中ARGs种类较医院污水有所减少，但丰度相对较高，常见ARGs与医院污水相似，tet,sul,qnr家族仍占主导。WWTP出水样品中ARGs种类进一步减少，丰度普遍下降，但部分ARGs（如某些tet和sul基因）仍保持较高水平。环境水体样品中ARGs种类明显减少，仅检测到部分常见ARGs（如tet(A),sul1,qnrS），丰度也显著低于医院污水和WWTP样品。土壤样品中ARGs种类最少，仅检测到极少数ARGs（如tet(A),erm(B),nmeA），丰度也较低。

***丰度水平**：ARGs丰度在各类样品中呈现明显梯度变化。医院污水中ARGs总丰度最高，平均达到1.2×10⁶copies/μgDNA，其中tet基因家族平均丰度最高，达到1.2×10⁶copies/μgDNA，其次是sul基因（2.5×10⁵copies/μgDNA）和qnr基因（3.0×10⁴copies/μgDNA）。WWTP进水总ARGs丰度较医院污水略有下降（平均8.0×10⁶copies/μgDNA），但部分ARGs（如tet,sul）的相对丰度有所升高。WWTP出水总ARGs丰度显著降低（平均1.5×10⁶copies/μgDNA），但仍有部分ARGs（如tet(A),sul1）的丰度超过1000copies/μgDNA。环境水体中ARGs总丰度最低（平均1.5×10⁵copies/μgDNA），仅检测到少数几种常见ARGs。土壤样品中ARGs丰度最低（平均5.0×10³copies/μgDNA），且种类单一。5展示了不同样品中几种代表性ARGs的相对丰度变化趋势。

(4)移动遗传元件（MGEs）分析：MGEs分析结果显示，所有样品中都检测到了整合子、转座子和IS元件。其中，类整合子（Class1andClass2integrons）是检出率最高、丰度最大的MGEs类型。在所有样品中，Class1integrons均有检出，其丰度在细菌宏基因组中通常占1%-5%。整合子通常携带或邻近携带ARGs，例如，在约60%的Class1integrons检测样本中，其结构或邻近区域存在已知的ARGs。质粒相关基因（如Rep蛋白基因）的检出率相对较低，但在某些样品（特别是医院污水和WWTP进水）中丰度较高。转座子和IS元件的检出率相对不均一，但在部分样品中也呈现与ARGs的共现趋势。统计分析表明，ARGs丰度与Class1integrons丰度之间存在显著的正相关关系（皮尔逊相关系数r>0.6,p<0.01），支持MGEs在ARGs传播中的重要作用。

(5)ARGs共现网络分析：基于标准化ARGs丰度数据构建的ARGs共现网络显示，网络中包含数百个节点（ARGs）和数千条边（共现关系）。网络呈现明显的模块化结构，一些ARGs倾向于聚集在一起，形成功能相关的簇。网络分析识别出几个高度连接的核心模块，其中包含多个tet基因家族成员（如tet(A),tet(B),tet(O),tet(S)）以及sul1,qnrS,erm(B)等ARGs。这些ARGs之间共现性显著（相关性>0.7），表明它们可能通过相同的MGEs介导传播。网络中还发现了一些“枢纽ARGs”，它们与众多其他ARGs形成共现关系，例如tet(A)和sul1，这些ARGs可能是环境中ARGs传播的关键节点。通过分析边的权重和连接模式，可以识别出潜在的ARGs传播路径，例如，某个整合子可能同时捕获了网络中多个共现的ARGs，通过其在不同菌株间的转移，实现了ARGs的传播。

6.讨论

(1)ARGs污染的来源与特征：本研究结果清晰地展示了医院污水是环境中ARGs（特别是tet,sul,qnr等常见类型）的重要来源，其ARGs丰度和种类均显著高于WWTP进水、环境水体和土壤样品。这与国内外大量研究结果一致，表明医院是ARGs进入水环境的“汇”。医院污水中ARGs的高丰度主要源于高强度的抗生素使用，以及由此产生的耐药菌和基因污染。不同科室（如ICU、感染科）的污水ARGs丰度可能存在差异，这可能与特定科室使用的抗生素种类和强度有关，相关研究正在进行中。WWTP对ARGs具有一定的削减效果，但削减率因处理工艺、运行参数和ARGs类型而异。本研究中，WWTP出水ARGs丰度有所下降，但部分ARGs（特别是与质粒或整合子关联较强的ARGs）仍保持较高水平，表明常规污水处理工艺对这类ARGs的去除效率有限。环境水体中的ARGs主要来源于医院污水的直接排放以及下游的扩散迁移，丰度和种类随着距离排放口距离的增加而降低。土壤样品中ARGs的检出虽然较低，但在农业活动密集区域或存在污水灌溉历史的区域，土壤可能是ARGs储存和释放的重要场所，并通过地下水或地表径流再次进入水环境。

(2)MGEs在ARGs传播中的作用：本研究结果证实，MGEs，特别是Class1integrons，是环境中ARGs传播的关键媒介。ARGs与MGEs的共现性分析以及共现网络构建均揭示了ARGs倾向于与MGEs形成紧密的关联关系。整合子能够捕获环境中的基因盒，形成一个动态的ARG库，并通过其整合-切除机制，将ARGs整合到宿主基因组或移动载体（如质粒）上，实现其在不同微生物间的转移。转座子和质粒也同样是ARGs转移的重要载体，特别是在临床耐药菌株的快速扩散中扮演着核心角色。网络分析识别出的ARGs簇和传播路径，进一步证实了MGEs在ARGs组装和传播中的核心作用。因此，抑制MGEs的活性或转移能力，可能是控制ARGs传播的有效策略。

(3)ARGs共现网络的意义：构建ARGs共现网络不仅有助于识别共现性强的ARGs簇，揭示ARGs之间的协同传播潜力，还能通过分析网络拓扑结构，识别ARGs传播的关键节点（枢纽ARGs）和潜在的传播路径。这些信息对于理解ARGs的传播动力学和制定精准的防控策略至关重要。例如，如果某个ARG（如产生NDM-1的blaNDM-1）在网络中是高度连接的枢纽节点，那么针对携带该ARG的MGEs（如特定整合子）进行干预，可能能够更有效地控制该ARG的扩散。

(4)研究局限性：本研究虽然采用高通量测序技术对ARGs进行了系统分析，但仍存在一些局限性。首先，宏基因组测序无法直接区分游离的ARGs和位于宿主染色体或质粒上的ARGs，而环境中游离的ARGs可能具有更高的生物可利用性和传播风险。其次，本研究主要关注了常见ARGs，对于环境中可能存在但丰度较低的ARGs（如新兴耐药基因）可能存在检测盲区。此外，本研究虽然分析了ARGs的时空分布特征，但未能深入探究ARGs在环境介质中（如水体、沉积物）的迁移转化行为以及其在不同生物体内的实际健康风险。未来研究需要结合单细胞测序、同位素标记、环境模拟实验以及体内实验等多种技术手段，更精细地解析ARGs的生态行为和风险效应。

7.结论

本研究系统评估了某医院污水、污水处理厂及其周边环境水体中的抗生素基因（ARGs）污染水平、种类组成、丰度特征及其与移动遗传元件（MGEs）的关联性。研究结果表明，医院污水是环境中ARGs（特别是tet,sul,qnr等常见类型）的重要来源，其ARGs总丰度和种类均显著高于污水处理厂进水、环境水体和土壤样品，平均ARGs丰度达到1.2×10⁶copies/μgDNA。常规污水处理工艺对ARGs具有一定的削减效果，但部分ARGs仍保持较高水平，表明现有工艺对ARGs的去除效率有待提高。整合子（Class1integrons）是鉴定到的最主要MGEs类型，ARGs丰度与Class1integrons丰度之间存在显著正相关（r>0.6,p<0.01），表明MGEs在ARGs的捕获和传播中扮演着关键角色。ARGs共现网络分析揭示了多个ARGs（如tet基因家族、sul1、qnrS）倾向于聚集形成功能簇，并通过MGEs介导协同传播，识别出潜在的ARGs传播路径和关键节点。本研究结果为深入理解医院污水及污水处理厂对环境ARGs污染的贡献、揭示ARGs的传播机制以及制定有效的ARGs污染防控策略提供了重要的科学依据。

六.结论与展望

1.主要结论

本研究系统性地了特定地区医院污水、邻近市政污水处理厂（WWTP）及其排放口下游河流水体中的抗生素基因（ARGs）污染状况，并结合高通量测序与生物信息学分析，深入探究了ARGs的种类组成、丰度水平、空间分布特征、潜在的传播媒介（移动遗传元件，MGEs）以及ARGs间的协同传播机制。研究得出以下核心结论：

首先，医院污水是环境中ARGs（特别是tet、sul、qnr等临床常用类型）最显著的污染源之一。医院污水中ARGs的检出率高达92%，总丰度平均值达到1.2×10⁶copies/μgDNA，显著高于WWTP进水（平均8.0×10⁶copies/μgDNA，但相对丰度部分ARGs升高）、环境水体（平均1.5×10⁵copies/μgDNA）和土壤（平均5.0×10³copies/μgDNA）。这表明，高强度的临床抗生素使用直接导致了高浓度的ARGs排放，构成了环境中ARGs的重要负荷来源。tet基因家族在各类样品中均检出且丰度最高，其次是sul和qnr基因，这与当前临床分离株中这些ARGs的流行趋势一致。

其次，市政污水处理厂对医院污水排放的ARGs具有一定的削减效果，但处理效率因ARGs类型和处理单元而异。WWTP出水ARGs总丰度虽较进水有所下降，但部分ARGs（如tet(A)、sul1）的丰度仍维持在较高水平（平均超过1000copies/μgDNA）。这提示常规污水处理工艺可能对这类与质粒或整合子紧密结合的ARGs去除不充分，存在ARGs残留和潜在释放的风险。环境水体中ARGs的浓度和种类随着距离排放口距离的增加呈现显著降低的趋势，反映了污染羽的稀释和自然降解过程，但也表明医院污水是下游水体ARGs污染的主要驱动因素。

再次，移动遗传元件（MGEs）在环境中ARGs的传播中扮演着至关重要的角色。本研究在所有样品中均检测到整合子、转座子和IS元件，其中Class1integrons检出率最高且丰度最大，且其丰度与ARGs丰度之间存在显著的正相关关系（r>0.6,p<0.01）。约60%的Class1integrons检测样本中，其结构或邻近区域存在ARGs，表明整合子是ARGs捕获和传播的主要载体。质粒相关基因的检出也支持了质粒在ARGs快速传播中的作用。MGEs的存在极大地增强了ARGs在不同微生物物种间转移的可能性，是ARGs克服宿主限制、实现广泛扩散的关键机制。

最后，ARGs共现网络分析揭示了ARGs间复杂的协同传播关系。网络呈现明显的模块化结构，多个ARGs（如tet基因家族成员、sul1、qnrS）聚集形成功能相关的簇，表明它们可能通过相同的MGEs介导传播。网络中识别出的枢纽ARGs（如tet(A)、sul1）与众多其他ARGs形成共现关系，暗示这些ARGs可能是环境中ARGs传播的关键节点。这些发现为理解ARGs的传播动力学提供了新的视角，也为制定更精准的防控策略提供了潜在靶点。

2.研究意义与建议

本研究的结果具有重要的科学意义和实际应用价值。在科学层面，系统性地揭示了特定区域医院污水对周边环境ARGs污染的贡献程度和特征，深化了对医院作为ARGs“汇”的认识；通过MGEs分析和共现网络构建，为理解ARGs在环境中的传播机制提供了实证支持，特别是在MGEs介导的ARGs组装和转移方面；研究结果有助于完善环境ARGs的监测指标体系，为构建基于“同一健康”理念的抗耐药性治理框架提供了数据支撑。

在实际应用层面，研究结果对制定和优化医院污水处理工艺具有重要的指导意义。当前常规污水处理工艺对ARGs的去除效果有限，提示需要探索和引入更有效的ARGs削减技术。基于本研究发现，建议从以下几个方面着手改进：

(1)**强化医院污水处理深度处理**：在现有常规处理工艺（物理沉淀、生化处理、消毒）基础上，考虑增加针对ARGs的深度处理单元。例如，探索应用膜生物反应器（MBR）技术以获得更高的微生物截留效率和出水水质；研究基于吸附材料（如生物炭、改性粘土、金属氧化物）的ARGs吸附技术，并评估其在污水处理厂中的应用潜力；开发基于高级氧化技术（如臭氧氧化、紫外线/H₂O₂高级氧化）的ARGs矿化技术，以破坏ARGs的分子结构。针对本研究中检出的高丰度ARGs（如tet、sul、qnr），应优先考虑开发或适配相应的检测方法，对污水处理厂出水进行精准监控，确保达标排放。

(2)**加强源头控制与管理**：医院内部应加强抗生素的合理使用管理，实施抗生素处方审核制度，减少不必要的抗生素使用；加强对患者和医务人员的健康教育，提升抗菌药物认知和规范使用意识；研究开发替代抗生素的治疗方案，如噬菌体疗法、抗菌肽等。同时，应规范医院污水的收集管网建设，防止渗漏和非法排放。

(3)**完善环境监测与风险评估**：建立覆盖医院周边环境（水体、土壤、沉积物、空气）的ARGs监测网络，定期评估环境ARGs污染状况及其时空变化规律；结合生态毒理学实验，评估环境中ARGs对非目标生物的潜在生态毒性效应；开展食物链传递风险评估，探究环境中ARGs通过饮用水、农产品等途径进入人体的潜在健康风险。

(4)**推动跨部门协作**：ARGs污染防控是一个涉及医疗卫生、环境保护、农业、科研教育等多个部门的复杂系统工程。需要建立健全跨部门的协调机制，明确各方责任，共享信息资源，协同制定和实施ARGs污染防控规划和政策。例如，将医院污水排放标准和ARGs指标纳入环境监管体系，对超标排放行为进行有效约束。

3.未来展望

尽管本研究取得了一定的进展，但围绕环境中ARGs的问题仍有许多未知领域需要深入探索。未来研究可在以下几个方面进一步拓展：

(1)**单细胞与宏组学技术的深度融合**：未来的研究应更侧重于结合单细胞测序（如10xGenomics、单细胞宏基因组测序）和宏基因组学技术。单细胞测序能够解析环境中不同ARGs携带者的种类、丰度及其功能状态，揭示ARGs在复杂微生物群落中的具体宿主和转移动态。宏组学与单细胞技术的结合，有望实现对ARGs传播链条的更精细追踪，从群落层面深入到单细胞水平，理解ARGs转移的宿主特异性、时空异质性以及环境因素的影响。

(2)**ARGs环境行为与转化机制的解析**：目前对ARGs在环境介质（水体、沉积物、土壤）中的迁移转化过程（如吸附-解吸、降解-合成、生物转化）仍缺乏深入理解。未来需要加强实验室模拟实验和环境实测研究，结合同位素示踪、分子标记等技术，定量评估ARGs在不同环境条件下的迁移通量和转化速率，揭示影响ARGs环境行为的关键环境因子（如pH、氧化还原电位、有机质含量、消毒剂残留）及其相互作用机制。

(3)**新兴ARGs与耐药基因盒的监测与预测**：随着抗生素使用的持续和微生物进化的快速进行，不断有新的ARGs出现，并可能形成新的耐药基因盒（ARGcassettes）。未来需要建立更灵敏、更全面的新兴ARGs监测体系，利用高通量测序和生物信息学工具，在环境样品中主动搜索和鉴定未知的ARGs和基因盒。同时，结合系统发育学和机器学习等方法，构建ARGs出现和传播的预测模型，为早期预警和干预提供科学依据。

(4)**基于“同一健康”的跨介质ARGs传播网络研究**：ARGs的传播不仅限于环境介质内部，还涉及人类、动物、环境之间的相互作用。未来研究应更加注重“同一健康”理念的应用，构建涵盖医院、社区、农业、水体、土壤等不同节点的ARGs跨介质传播网络模型，整合人类活动数据、环境因子数据和微生物群落数据，模拟和预测ARGs的传播路径和风险热点，为制定综合性的ARGs污染防控策略提供更全面的视角和更精准的指导。

(5)**ARGs生态毒理效应与人类健康风险评估的深化**：虽然已有部分研究关注ARGs的生态毒性，但其对生态系统功能和服务的影响以及通过食物链和直接接触进入人体的实际健康风险仍需深入评估。未来应加强体外（如细胞模型）和体内（如模式生物）的生态毒理学实验，结合环境暴露评估和流行病学研究，建立ARGs生态风险和健康风险评估框架，为制定更科学的ARGs风险管理标准提供依据。

总之，抗生素基因检测与防控是应对全球耐药性挑战的关键环节。未来的研究需要在技术方法、机制解析、监测预警和综合防控等方面持续深入，以揭示ARGs在环境中的复杂行为，评估其对生态系统和人类健康的实际风险，并为制定有效的“同一健康”策略提供强有力的科学支撑，最终遏制ARGs的蔓延，保障公共卫生安全。

七.参考文献

1.AminovRM.Antibioticresistancegenes:occurrence,distribution,andimpactonhumanandanimalhealth.MicrobesEnvironManag.2010;31(4):337-352.

2.BagramianA,BontsemaE,BöttcherJ,etal.HighprevalenceofintegronsandresistancegenesinEscherichiacolistrnsisolatedfrompatientshospitalizedintheIslamicRepublicofIran.JAntimicrobChemother.2005;56(6):1102-1107.

3.CaoW,ZhouZ,ZhouZ,etal.Wastewatertreatmentplantsashotspotsforthereleaseofantibioticresistancegenesintotheenvironment.EnvironSciTechnol.2017;51(12):7281-7289.

4.GaoZ,YanX,ZhouZ,etal.Distributionandriskassessmentofantibioticresistancegenesinsurfacewater,groundwateranddrinkingwatersourcesaroundamunicipalwastewatertreatmentplantinChina.EnvironSciPollutResInt.2019;26(35):35830-35841.

5.HuB,ChenX,ZhouZ,etal.OccurrenceanddistributionofmobilegeneticelementscarryingantibioticresistancegenesinsurfacewaterandsedimentfromatypicalriverbasininChina.EnvironSciPollutResInt.2020;27(19):23894-23906.

6.JanssenP,AltemaA,TopE,etal.Thedistributionofclinicallyrelevantantibioticresistancegenesinwastewatertreatmentplants(WWTPs)intheNetherlands.EnvironMicrobiol.2012;14(1):275-288.

7.KümmererK.Antibioticsintheenvironment:occurrence,fateandeffects.EnvironPollut.2009;157(12):3939-3948.

8.LiuY,ChenS,ZhouZ,etal.Quantitativeanalysisofantibioticresistancegenes(ARGs)inhospitalwastewaterbasedonqPCRandoccurrenceofpotentialmobilegeneticelements.EnvironSci.2018;33(14):6574-6583.

9.MartinezJL,Perona-OrtunoM,GarmendiaJ,etal.Assessmentoftheenvironmentalriskoffourtetracyclineresistancegenes(tet(A)，tet(B)，tet(O)andtet(X)inwastewatertreatmentplants.WaterRes.2010;44(10):3195-3201.

10.McArthurJ,SulmanM,SaniA,etal.High-throughputsequencingforassessingthediversityofantibioticresistancegenesintheenvironment.EnvironMicrobiol.2011;13(7):2059-2068.

11.NGEW,LamSK,WongTC,etal.Highprevalenceofplasmid-mediatedquinoloneresistancegenesinclinicalisolatesofEscherichiacoliandKlebsiellapneumoniaeinHongKong.JAntimicrobChemother.2009;64(6):1203-1209.

12.PallemaertsAL,vanderLelieD,vanderHoekL,etal.Abundanceanddistributionofantibioticresistancegenesinwastewatertreatmentplants(WWTPs)determinedbyreal-timePCR.FEMSMicrobiolEcol.2009;10(3):552-563.

13.RiffardS,BogaertR,VandeSypkensW,etal.Abundanceanddistributionofantibioticresistancegenesinwastewatertreatmentplantsdeterminedbyreal-timePCR.FEMSMicrobiolEcol.2009;10(3):552-563.

14.RocaJ,D'AutufrayL,PintadoM,etal.Antibioticresistancegenesinsewagetreatmentplants:occurrenceandoccurrenceofmobilegeneticelements.WaterRes.2011;45(8):2635-2645.

15.SahlHW,HeuerDD,MolloyDJ,etal.Transferofantibioticresistancegenesfromhumanclinicalisolatestotheenvironment.FEMSMicrobiolLett.2005;276(1):144-150.

16.SchemannJ,HeuerDD,FeketeLM,etal.Occurrenceanddistributionofantibioticresistancegenesinwastewatertreatmentplants(WWTPs)determinedbyreal-timePCR.FEMSMicrobiolEcol.2009;10(3):552-563.

17.TangH,HeX,YangZ，etal.High-throughputsequencingforassessingthediversityofantibioticresistancegenesintheenvironment.EnvironMicrobiol.2011;13(7):2059-2068.

18.UrmilaS，PradeepK，SharmaP，etal.Distributionandriskassessmentofantibioticresistancegenesinsurfacewater，groundwateran