引言
抗生素抗性基因(ARBs)越来越多地被确认为在环境中广泛传播的污染物，以及水生态系统中抗微生物耐药风险的遗传指标(Liguori et al., 2022; Pruden et al., 2006)。重要的是，ARGs在水环境中的出现代表环境耐药危害或储存库，不应被解释为临床抗微生物耐药风险的直接度量，后者取决于暴露、传播、致病宿主和相关健康结局。全球评估已强调抗微生物耐药是一项重大的公共卫生负担，而近期的环境抗微生物耐药综述和One Health政策报告强调，耐药性的产生和传播不仅局限于临床或农业环境，还受到废水排放、工业和农业污染、环境储存库以及微生物生态过程的影响(Larsson & Flach, 2022; Murray et al., 2022; F. Wang et al., 2024)。在河流系统中，ARG模式并非仅由抗生素暴露决定。相反，它们产生于外部负荷、原位选择、共同选择、细菌宿主动态、可移动遗传元件以及限制微生物持续性和水平基因转移的物理化学约束的综合影响(Berendonk et al., 2015; Larsson & Flach, 2022; Martinez, 2009)。
大量河流ARG研究将ARG丰度和组成与污染物梯度联系起来进行解读。抗生素可施加直接的选择压力，而营养物质和有机污染可能表明废水排放、农业径流或与ARG输入共变的微生物生长条件(Berendonk et al., 2015; Pruden et al., 2013)。重金属、消毒劑和其他持久性污染物可通过共同耐药性、交叉耐药性和共同选择进一步维持或富集ARGs，即使在抗生素浓度较低时也是如此(Baker-Austin et al., 2006; Gao et al., 2025a; Pal et al., 2015)。常规水质变量，包括电导率、溶解氧(DO)、pH和浊度，以及整合子相关标记如intI1，也被用于表征人为干扰、微生物栖息地条件以及可移动耐药性传播的潜力(Wang et al., 2025; Zhu et al., 2017)。在此以污染物为中心的框架内，污染物状态和水质梯度通常被视为总ARG丰度或ARG类别组成的近端解释变量。
然而，污染物-ARG关联在不同河流之间可能无法直接比较，因为观测到的污染物浓度反映了流域特有的源输入和环境条件，而ARG的发生还取决于当地的微生物和物理化学特性(Grenni, 2022)。降水、气温和径流塑造污染物、耐药细菌和ARG的运输、稀释、滞留和再分配，同时改变热力和生物地球化学条件(Jampani et al., 2024)。高流量和暴雨条件可能稀释持续排放的废水污染物，但也可能动员分散式流域来源，引入废水衍生的耐药决定因素，并使沉积物相关微生物和ARG再悬浮(Yu et al., 2023)。相反，低流量和温暖条件可能增加停留时间和点源输入的相对贡献，同时改变有机质加工和氧气可用性，从而改变污染物-ARG关联发展的当地环境条件(Whitehead et al., 2009; Zhi et al., 2023)。因此，水文气象条件可能既影响ARG的分布，也影响污染物-ARG关联发展的环境背景。与气候相关的降雨、洪水、温度和水文运输变化可能通过水生环境改变抗微生物耐药的传播，尽管这些关系在河网尺度和短期采样活动尺度上难以解析(Jampani et al., 2024)。
尽管取得了这些进展，但以污染物为中心和水文气象的视角通常是被平行考察而非在整合分析框架内进行考察。许多研究将ARG丰度和组成与抗生素、废水输入、物理化学条件或更广泛的人为污染梯度联系起来，而其他研究则关注季节性降雨、暴雨流及相关水文效应对ARG发生和再分配的影响(Di Cesare et al., 2017; Morina & Franklin, 2023; Zhang et al., 2024)。在前者中，污染物通常被视为潜在的选择压力或耐药来源指标，而在后者中，水文气象变量通常被评估为独立预测因子(Karkman et al., 2019; Kristiansson et al., 2011; Yu et al., 2023)。降雨和径流可改变废水和流域来源ARG的负荷、运输和分布(Ahmed et al., 2021; Gao et al., 2025b)，但核心未解决的问题并非简单地在于水文气象条件是否影响河流ARG丰度。
而在于它们是否提供了一个独立的解释轴，或者污染物-ARG关联的强度和方向是否在水文气象条件下发生变化。这一区分很重要，因为污染物-ARG关系在对比的水文条件下可能增强、减弱或改变方向，即使污染物浓度相当。由于不同耐药类别在环境来源、微生物宿主、移动性以及与其特定污染物的关联方面存在差异，这些响应在不同耐药类别之间也可能不同。汇总为总ARG丰度可能强调共同的污染相关信号，而对异质性或类别特异性背景模式的分辨率较低。解答这些问题需要将污染物状态和水文气象变量的加性解释贡献与其潜在交互作用区分开来，同时在对比的流域中评估总ARG和类别特异性ARG响应。
在此，我们将珠江和湘江的ARG和污染物数据集与活动窗口期的降水、气温和径流数据整合。这两个河系提供了有用的对比环境，因为它们的主要污染特征存在显著差异：珠江主要特征为抗生素相关污染梯度，而湘江则代表金属相关污染环境。因此，我们分别分析这两个数据集，并利用它们的对比来考察污染物状态结构、水文气象背景和ARG响应分辨率之间更广泛的关系是否在不同污染环境中显现，而非将两个流域视为可直接比较的重复。我们旨在(i)量化并比较污染物状态变量、水文气象变量及其加性组合对总ARG和类别特异性ARG变化的解释贡献；(ii)评估这些模式在流域和ARG水平之间是否存在差异；以及(iii)评估估计的污染物-ARG关联强度或方向是否在水文气象条件下发生变化。基于此框架，我们假设水文气象背景依赖性在耐药类别水平上比在总ARG水平上更为明显，因为耐药类别在环境来源、微生物宿主、移动性以及与其特定污染物的关联方面存在差异。通过将加性解释贡献与基于交互作用的背景依赖性区分开来，本研究旨在阐明水文气象背景和ARG响应分辨率如何影响不同河系中污染物-ARG关系的解释。
