水系统中抗生素抗性基因(ARGs)源检测的多目标采样点优化研究

本文针对废水监测中抗生素抗性基因(ARGs)溯源难题，提出了一种结合多目标优化(MOO)与贝叶斯更新的动态采样框架。研究通过模拟ARGs降解、稀释及检测变异，在真实下水道网络(Celle和Hildesheim)中验证显示：仅需3-12个采样器经4次迭代即可实现80%-90%的源定位准确率，为耐药基因传播防控提供了高效决策工具。

　　

抗生素抗性基因(Antibiotic Resistance Genes, ARGs)的传播已成为全球公共卫生的重大威胁。废水系统作为ARGs扩散的关键媒介，其监测却面临采样成本高、源定位不准等挑战。现有研究多聚焦单一病毒检测或静态污染源识别，缺乏对多基因动态传播的综合监测方案。针对这一空白，德国Ostfalia应用科学大学的Yao Yao团队在《Knowledge-Based Systems》发表研究，创新性地将多目标优化与概率模型结合，实现了ARGs污染源的高效动态追踪。

研究采用三大关键技术：1) 基于基因浓度衰减模型(C(t)=C_me^-kt)和管网拓扑结构构建动态传播模型；2) 应用NSGA-II算法优化采样点布局，同时最小化多ARGs检测的不确定性；3) 通过贝叶斯定理迭代更新子汇水区作为污染源的概率。实验采用德国Celle(27个子汇水区/38个节点)和Hildesheim(38/63)的真实管网数据，模拟了1,000组含bla^TEM、tet^M、sul¹三种ARGs的污染场景。

【模拟与检测】

通过引入高斯噪声η~N(0,σ_b²)模拟检测变异，建立检测矩阵D_m,s^b。结果显示即使初始浓度低至2 log₁₀ GC·mL^-1，系统仍保持稳定检测性能。

【优化部署】

NSGA-II算法选择的采样点呈现空间聚集性，如Celle网络的C1、C2节点在首次迭代中选中率达90%。当采样器限制为5个时，86.3%案例可在3次迭代内定位污染源。

【动态溯源】

贝叶斯更新机制显著提升高人口密度区域的早期识别率。例如NHN子汇水区因直接连接主要节点，82%案例能在首次迭代锁定，而偏远区域如SCH需更多轮次。

该研究突破了传统静态监测的局限，首次实现多ARGs的实时动态溯源。尽管存在未考虑多污染源、管网内部结构简化等局限，但其在Celle网络中以7个采样器达成88.5%准确率的表现，为耐药基因防控提供了可扩展的技术框架。未来整合水力模型和临床数据，有望进一步优化公共卫生决策系统。