浅水湖泊底泥抗生素抗性基因的动态变化过程与风险

摘要：本研究对浅水湖泊底泥中的ARGs进行了分析，解读了ARGs分布特征、传播机制，及其与底泥微生物之间的共现模式，识别了底泥中关键的ARGs携带者，并建立了基于ARGs 动力学过程的风险评估模型。

背景：随着抗生素的广泛使用，抗生素抗性基因（ARGs）在全球水环境中的检出率不断上升，引发的抗生素耐药性问题备受公众关注。其中，浅水湖泊作为平原河网物质流动的节点，是区域水系ARGs迁移的重要汇集场所，其底泥也成为ARGs的重要储存库与释放源。全面理解ARGs在湖泊底泥中环境行为，是探究抗生素抗性基因传播的关键。

主要结果：全湖底泥样品中共检出34种ARGs，包括磺胺类、喹诺酮类、四环素类、大环内酯-林可酰胺-链霉菌素B抗性基因和多药耐药基因（图1）。不同时期ARGs主要种类与多样性有所区别，但空间分布相对均衡稳定，未见显著差异。

图1.湖泊底泥ARGs绝对丰度(A)热图与(B)PCoA分析图

共现网络分析，探测了湖泊底泥ARGs与微生物群落之间的相互作用，发现较非调水期，调水期ARGs和潜在宿主，总体表现出了更稳定的相互关系（图2）。检测发现，不同时期湖底泥ARGs的主要携带者：非调水期为Gardnerella、Rhodopila和Microcystis；调水期为Planktothrix_NIVA-CYA_15、ADurb.Bin063–1、UA-50和 WCHB1–02。

图2.湖泊底泥ARGs-ARB共现网络图

不同时期湖泊底泥ARGs丰度与16S rRNA和MGEs均显著相关，表明水平转移（HGT）和垂直转移（VGT）共同促进了底泥ARGs的传播，这与湖泊水体中的情况不同（在调水期，HGT是ARGs的主要传播机制）。利用偏最小二乘结构方程模型，发现MGEs 和16S rRNA是底泥ARGs动态的最大驱动因素，其中不同时期MGEs的绝对路径系数相对稳定，16S rRNA变化则较为明显（调水期较非调水期降低了约44%）。

图3.环境参数对湖泊底泥ARGs动态的因果效应分析

基于ARGs动力学过程，构建了一种新的ARGs健康风险定量评估模型。该模型以ARGs携带菌数相对占比作为标示因子，建立了描述骆马湖携带菌、非携带菌随VGT，HGT和ODF，而发生确定性与随机性变化的数学模型，模拟底泥ARGs携带菌数占比动态，结合周边人群与湖泊底泥的接触程度来测算他们对ARGs潜在暴露概率，以此评估其健康风险。

图4.DFHERA模型框架图

主要结论：本研究调查了大型浅水湖泊骆马湖底泥ARGs的时空分布特征，分析了不同时期ARGs与微生物群落的共现模式与其动态驱动机制，探究了调水对ARGs动态的可能影响，提出了一种新的、基于动力学模型框架的ARGs风险定量评估模型，评价湖泊周边人群ARGs暴露风险水平，阐明了湖泊底泥ARGs的风险。本研究为浅水湖泊抗生素抗性基因的传播管控提供了理论和技术支撑。

论文链接：https://doi.org/10.1016/j.scitotenv.2024.172563