利用宏基因组学技术解析印度一个发展中的邦中开放式排水系统废水中的抗菌素耐药基因组（antimicrobial resistomes）和微生物组（microbiome）特征

《Environmental Research》：Deciphering the antimicrobial resistomes and microbiome landscape of open drain wastewater using metagenomics in a progressive Indian state

抗生素耐药性（AMR）监测与防控：基于Maharashtra州废水系统的纳米孔测序研究。通过采集138份来自23个开放排水系统的废水样本，结合高 throughput纳米孔测序和生物信息学分析，揭示了不同区域（Western, Mumbai, Central）的微生物群落结构差异（13%家庭水平方差）及耐药基因（ARGs）特征，检测到28类抗生素耐药基因，其中多药耐药基因占比40.49%。研究证实孟买地区存在最高耐药风险（风险评分>85），并首次建立该地区基于环境监测的AMR评估框架。整合One Health策略，为区域干预提供数据支撑。

　　在当今全球范围内，抗生素耐药性（Antimicrobial Resistance, AMR）已成为威胁公共卫生和生态环境的重要问题。随着抗生素的广泛使用和环境污染的加剧，耐药性微生物及其相关基因的传播正在加速，而污水系统则被认为是这些耐药性微生物和基因的重要储存库。本研究聚焦于印度马哈拉施特拉邦（Maharashtra）的污水网络，通过高通量宏基因组测序技术，对23个开放排水系统中的138个污水样本进行系统分析，旨在揭示该地区抗生素耐药基因（Antibiotic Resistance Genes, ARGs）的分布特征，评估其对生态环境和人类健康的潜在风险，并为区域内的抗耐药性防控策略提供科学依据。

马哈拉施特拉邦作为印度人口第二多的州，其高密度的城市化和广泛的工业活动，特别是制药业的集中发展，使其成为抗生素耐药性传播的高风险区域。然而，目前尚缺乏对马哈拉施特拉邦污水系统中耐药基因全面的宏基因组监测。因此，本研究通过整合宏基因组学、生物信息学分析和生态风险评估方法，首次对这一地区的污水耐药基因进行系统研究。研究团队采用纳米孔测序技术（Nanopore sequencing）对污水样本进行深度测序，不仅能够捕捉到难以培养的微生物群落，还能够识别与耐药性相关的基因和移动遗传元件（Mobile Genetic Elements, MGEs）。

研究结果显示，不同区域的微生物组成存在显著差异，尤其是在孟买地区（Mumbai Region）和中央地区（Central Region），其在科级分类中解释了高达13%的变异。这种区域间的微生物多样性差异，可能是由于不同地区的人口密度、工业活动类型、污水处理水平以及抗生素使用模式等因素共同作用的结果。此外，通过LEfSe分析，研究团队鉴定了30个指示性微生物类群，这些类群在不同区域中表现出显著的丰度差异，进一步支持了区域间耐药性来源的多样性。

在耐药基因的分布方面，研究发现污水样本中存在28类抗生素药物及其相关基因，总计808个ARGs。其中，多药耐药基因（Multidrug Resistance Genes）占主导地位，占比高达40.49%，其次是大环内酯-林可酰胺-链阳霉素类（Macrolide-lincosamide-streptogramin）耐药基因（15.84%）、β-内酰胺类（Beta-lactam）耐药基因（7.95%）以及四环素类（Tetracycline）耐药基因（6.52%）。值得注意的是，世界卫生组织（WHO）列为优先监控的病原体，如大肠杆菌（*Escherichia coli*）、肺炎克雷伯菌（*Klebsiella pneumoniae*）和铜绿假单胞菌（*Pseudomonas aeruginosa*），在其基因组中携带了大量耐药性基因，包括磺胺类抗生素耐药基因*sul1*、多药外排泵基因*mdr(ABC)*以及外膜蛋白基因*acrB*。这些基因的存在表明，污水中的耐药性病原体可能已经具备了对多种抗生素产生耐受的能力，从而对公共健康构成严重威胁。

从生态风险的角度来看，研究团队通过计算耐药基因的生态风险评分（Resistome Risk Scores），发现孟买地区的评分最高，显示出该地区在生态和人类健康方面面临更高的耐药性传播风险。这一结果可能与孟买作为印度经济中心所面临的高人口密度、密集的工业活动以及抗生素使用量大等因素密切相关。相比之下，其他地区的评分较低，但仍然显示出一定程度的耐药性污染问题。这一发现强调了污水系统在耐药性传播中的关键作用，并突显了在高风险区域加强监测和管理的必要性。

此外，研究还揭示了移动遗传元件（MGEs）在耐药基因传播中的重要性。MGEs，如质粒、转座子和噬菌体，是耐药基因在不同微生物之间水平转移的主要媒介。通过分析这些元件的丰度和分布，研究团队发现，耐药基因的传播不仅依赖于特定的微生物宿主，还受到MGEs的驱动。这一发现为理解耐药性在生态系统中的扩散机制提供了新的视角，并为开发针对耐药基因传播的干预策略提供了理论支持。

本研究的成果不仅有助于填补马哈拉施特拉邦在污水耐药性监测方面的空白，也为全球范围内的抗耐药性防控提供了重要的数据支持。通过在区域尺度上对微生物群落和耐药基因进行系统分析，研究团队能够更准确地识别耐药性传播的关键路径和热点区域，从而为制定针对性的防控措施提供科学依据。例如，在高风险区域加强污水处理设施的建设，减少抗生素的排放，以及推广合理使用抗生素的政策，都是有效降低耐药性传播的重要手段。

更重要的是，本研究采用的整合方法——将污水监测纳入“一个健康”（One Health）框架——为未来的环境与公共卫生研究提供了新的思路。该框架强调人类、动物和环境健康之间的紧密联系，因此，通过跨学科的合作，可以更全面地评估耐药性传播的生态和公共卫生影响。这种系统性的监测和评估方法，不仅能够帮助政府和相关部门制定更有效的政策，还能够促进公众对耐药性问题的认识，提高社会对抗生素合理使用的重视程度。

本研究还通过高通量测序技术，克服了传统培养方法在微生物检测中的局限性。由于许多耐药性微生物在常规培养条件下难以生长，因此，宏基因组测序技术能够更全面地揭示污水中的微生物多样性。同时，该技术还能够检测到耐药基因的存在，即使这些基因在特定微生物中并不活跃。这种全面的分析方法，使得研究团队能够更准确地评估污水中耐药性基因的丰度和潜在风险，为未来的环境监测和公共卫生管理提供了更加可靠的数据支持。

此外，本研究还强调了移动遗传元件在耐药性传播中的关键作用。MGEs作为耐药基因在不同微生物之间转移的载体，其丰度和多样性直接反映了耐药基因传播的可能性。因此，通过监测MGEs的分布和丰度，可以更有效地追踪耐药性基因的传播路径，并评估其在不同生态系统中的扩散风险。这一发现对于制定针对耐药性传播的干预策略具有重要意义，例如，可以通过限制MGEs的传播途径，减少耐药基因在环境中的扩散。

在方法学上，本研究采用了一系列先进的生物信息学分析工具，以确保数据的准确性和可靠性。这些工具包括用于微生物群落结构分析的LEfSe方法，用于耐药基因识别和分类的数据库，以及用于计算生态风险评分的算法。通过这些工具，研究团队能够从多个维度对污水中的微生物和耐药基因进行深入分析，从而获得更加全面和系统的结论。这种方法的广泛应用，也为其他地区的污水耐药性研究提供了可借鉴的模式。

本研究的结果还表明，不同类型的污水样本（如城市污水、工业污水和医院污水）可能具有不同的耐药性特征。这种差异可能与不同来源污水中抗生素的种类和浓度有关，同时也可能受到污水处理工艺的影响。因此，在未来的污水监测工作中，需要针对不同类型的污水样本进行分类分析，以更准确地评估其对耐药性传播的贡献。此外，研究团队还建议，应进一步加强对污水处理设施的监管，确保其在处理过程中能够有效去除抗生素和耐药基因，从而减少对环境和人类健康的潜在威胁。

总的来说，本研究通过系统分析马哈拉施特拉邦污水中的微生物群落和耐药基因，揭示了该地区在抗耐药性防控方面的现状和挑战。研究结果不仅为该地区的公共卫生政策提供了科学依据，也为全球范围内的抗耐药性监测和防控工作提供了新的视角和数据支持。随着全球对抗耐药性问题的关注不断加深，未来的环境与公共卫生研究需要更加注重跨学科合作，采用先进的技术手段，以实现对耐药性传播的全面监测和有效防控。