基于机器学习预测城市化梯度下叶际抗性组丰度的研究及其公共卫生意义

本研究针对城市化进程中抗生素抗性基因(ARGs)在叶际环境中的传播风险，通过整合多组学数据和机器学习算法，揭示了叶际抗性组与城市化指标的显著相关性。研究人员采集杭州湿地公园梯度样带中的配对土壤-叶际样本，结合宏基因组测序和随机森林建模，首次实现10米分辨率的叶际ARG丰度预测(RMSE=27.24)，发现叶际ARG-MGE(移动遗传元件)共存率是土壤的20倍，证实建筑邻近度和PM2.5等空气污染物是驱动ARG增殖的关键因素。该研究为城市公共卫生风险预警提供了创新方法。

　　

随着全球城市化进程加速，城市绿地作为人类与自然交互的重要界面，其微生物组变化正引发公共卫生领域的新关注。近年来研究发现，城市环境中的抗生素抗性基因(ARGs)丰度显著升高，这些"看不见的污染物"可能通过叶际微生物组（植物表面微生物群落）传播至人类病原体。尤其令人担忧的是，叶际环境直接暴露于大气并频繁接触人群，但关于城市化梯度如何影响叶际抗性组的空间分布规律，以及这种影响是否强于土壤环境，科学界仍缺乏系统认知。更关键的是，能否通过可获取的城市化指标预测ARGs分布，成为环境健康风险评估的技术瓶颈。

针对这些科学问题，中国的研究团队在《Environment International》发表了创新性研究成果。该研究选择杭州城市化梯度明显的8个湿地公园，采集24个土壤和72个叶际样本，通过宏基因组测序获得3.2Tb数据，结合Google Earth Engine获取10米分辨率土地利用数据，采用随机森林等5种机器学习算法构建预测模型。关键技术包括：动态世界数据集土地分类、MetaWRAP宏基因组组装、SARG数据库抗性基因注释、MicrobeCensus标准化以及结构方程模型(SEM)分析驱动因素。

研究结果部分，3.1节显示城市化梯度显著重塑叶际微生物组成，城市区域假单胞菌科(Pseudomonadaceae)相对丰度较农村升高19%，而传统叶际微生物如甲基杆菌科(Methylobacteriaceae)下降13%。3.2节发现叶际ARGs丰度(88.4拷贝/细胞)显著高于土壤(3.9拷贝/细胞)，且与城市化呈正相关，而土壤ARGs在城郊区域最高。3.3节通过DESeq2分析鉴定出13个与ARGs正相关的城市特征菌属，如泛菌属(Pantoea)与多药耐药基因显著共现。3.4节的突破性发现是，宏基因组组装基因组(MAGs)分析显示叶际ARG-MGE共存事件是土壤的20倍，其中不动杆菌属(Acinetobacter)的转座酶-多药耐药基因簇出现频率最高。3.5节的结构方程模型揭示，建筑邻近度通过降低微生物多样性(路径系数-0.78)间接促进ARGs增殖，而PM_2.5等污染物则直接增强MGEs活性。3.6节开发的随机森林预测模型(RMSE=27.25)在天目山验证集中预测误差仅9.51拷贝/细胞。

讨论部分强调，该研究首次量化比较了叶际与土壤抗性组对城市化的响应差异，证实叶际是更敏感的ARGs"指示器"。发现的20种ARG-MGE共存模式，特别是假单胞菌属携带的IS66家族转座酶-β内酰胺酶基因簇，为理解耐药基因水平转移提供了新证据。10米分辨率的预测模型突破传统生态调查的时空限制，公共卫生意义在于：城市密集区叶际ARGs丰度预测值达80.2拷贝/细胞，较农村高4倍，且与呼吸道病原体载菌菌属正相关，提示城市绿化设计需考虑"抗性组热点"规避。研究也指出，湿地土壤的净化作用可能弱化土壤-叶际ARGs传递，未来需关注气溶胶介导的垂直传播机制。

这项研究开创性地将环境抗性组学与城市空间分析相结合，其方法论框架可推广至全球城市健康评估。发现的PM_2.5-MGEs-ARGs级联效应，为环境驱动耐药基因传播的"One Health"理论提供了实证支撑。提出的10米网格化预警系统，使城市规划者能精准识别高风险区域，对制定基于自然的抗生素耐药性防控策略具有重要指导价值。