连接土壤耐药组与临床推断:四级证据框架

《iScience》:Bridging soil resistome and clinical inference: A four-tier evidentiary framework

【字体: 大 中 小 】 时间:2026年10月16日 来源:iScience 4.5

编辑推荐:

   摘要 土壤支持多样化的微生物群落,是抗菌药物耐药基因的重要储存库。基于序列的技术,如定量聚合酶链反应和鸟枪法宏基因组学,在很大程度上促进了土壤耐药组(resistome)的编目。然而,仅凭发现并不表明其活性、可转移性、暴露或临床相关性。本综述认为,要得出更好的临床推断,需要将

  

摘要
土壤支持多样化的微生物群落,是抗菌药物耐药基因的重要储存库。基于序列的技术,如定量聚合酶链反应和鸟枪法宏基因组学,在很大程度上促进了土壤耐药组(resistome)的编目。然而,仅凭发现并不表明其活性、可转移性、暴露或临床相关性。本综述认为,要得出更好的临床推断,需要将基于存在的信号与功能、迁移性和暴露途径联系起来,而不仅仅是增加调查数量。我们提出了一个四层证据范式,用于区分环境、动物和人类各隔室中的检测证据、功能或表达相关证据、可移动遗传元件背景以及暴露相关证据。由于活性、迁移性和跨隔室相似性支撑着多项主张,因此需要分层且与主张相匹配的方法,才能对"同一健康"进行审慎的解读。

图形摘要

术语表

抗菌药物耐药:微生物在抗菌药物暴露下存活的能力。在本综述中,抗菌药物耐药被讨论为一个环境和临床问题,但仅凭环境中的检测并不被视为临床负担的证据。

耐抗生素细菌:能够在抑制同一物种易感成员生长的抗生素浓度下生长的细菌。耐药性可能源于固有特性、赋予耐药的突变,或获得的抗菌药物耐药基因。

抗生素耐药基因:与抗菌药物敏感性降低相关的基因或基因同源物,例如β-内酰胺酶、氨基糖苷修饰酶或外排泵。抗生素耐药基因的检测表明遗传潜力,但不必然意味着表达、表型、迁移性或风险。

抗生素耐药基因-可移动遗传元件关联:表明某抗生素耐药基因与可移动遗传元件在物理上相关联的证据。这比单独的抗生素耐药基因检测更能支持迁移潜力,尤其是在通过长读长测序、Hi-C、质粒分析或连接位点靶向检测方法解析出关联时。

跨隔室追踪:研究设计用于比较相互连通的环境中抗生素耐药基因、可移动元件、质粒、菌株或宿主细菌,例如土壤、植物、动物、食品和人类。隔室间的相似性可能提示重叠,但本身并不能证明方向性。

ESKAPE病原体:一组具有重要临床意义的细菌,包括屎肠球菌、金黄色葡萄球菌、肺炎克雷伯菌、鲍曼不动杆菌、铜绿假单胞菌、肠杆菌属和埃希大肠杆菌。这些类群常与医疗相关感染和多药耐药相关。

功能宏基因组学:一种实验方法,将DNA克隆到宿主生物中,并筛选可测量的表型,如在含抗生素培养基上生长。它可以鉴定耐药活性,但可能高度依赖宿主。

基于同源性注释:通过序列与参考数据库的相似性来分配基因身份或功能。它对筛查耐药组很有用,但相似的序列并不总是编码相同的表型或在其天然遗传背景中发挥相同功能。

宏基因组学:直接对从微生物群落中回收的遗传物质进行基于测序的分析。在土壤耐药组研究中,它可以鉴定抗生素耐药基因的多样性及其背景,但DNA水平的检测并不能确立活性。

宏蛋白组学:对从微生物群落中回收的蛋白质进行大规模分析。它可以通过展示蛋白质水平的证据支持活性相关的解读,尽管土壤提取、数据库覆盖度和定量仍然具有挑战性。

可移动遗传元件:能够在基因组内部或基因组之间移动的遗传单位,包括质粒、整合子、转座子和噬菌体。可移动遗传元件的关联可能使抗生素耐药基因传播的可能性更大,但并不保证转移或持续存在。

同一健康:一个承认人类健康、动物健康和环境健康相互关联的框架。在本综述中,"同一健康"解读需要证据将土壤耐药组与可行的功能性、可移动性和暴露相关途径联系起来。

定量聚合酶链反应:一种靶向分子方法,用于定量特定的DNA序列,包括抗生素耐药基因。它具有灵敏且可扩展的优点,但通常测量丰度而非活性、迁移性或宿主相容性。

耐药组:微生物群落或环境中所有抗菌药物耐药决定因子的总和。土壤耐药组包括具有临床相关性的抗生素耐药基因、古老的耐药同源物、固有耐药系统以及表型不确定的基因。

Scopus:一个用于此处通过基于关键词的搜索映射出版模式的文献数据库。在本手稿中,Scopus计数被视为证据聚焦的代理指标,而不是对个别研究的确定性分类。

综述

引言
土壤是地球上微生物最丰富、理化特性最多样的栖息地之一,包含大量与人类健康潜在相关的抗生素耐药基因和抗菌药物耐药决定因子。土壤调查通常揭示出抗生素耐药基因类别,如四环素外排泵、β-内酰胺酶、氨基糖苷修饰酶和多药外排转运体。这些通常通过使用针对参考数据库的定量聚合酶链反应阵列或鸟枪法宏基因组学来识别。高通量测序显著扩展了土壤耐药组研究,并促进了CARD和ResFinder/ResFinderFG等抗生素耐药基因参考库的建立,这些库编目了数千个抗生素耐药基因序列。然而,宏基因组检测关注的是耐药组潜力,而非耐药决定因子在原地是否活跃、在相关情况下是否赋予耐药性,或是否存在于允许转移至病原体的遗传背景中。机制性解读仍受到限制,部分原因在于分析化学程序以及功能组学方法(如宏蛋白组学和代谢组学)难以在土壤基质中标准化。此外,注释算法通常通过序列与具有实验确定表型的参考序列的同源性来推断功能,这可能导致不正确的表型预测。例如,Mahfouz等人对基于序列比对耐药表型预测库进行了大规模审查,发现从基因型到表型的预测性能较差,尤其是对于外排相关的决定因子。此类基因型-表型差异可能源于旁系同源进化,或者因为注释的耐药基因同源物在转录上处于不活跃状态或不能赋予可检测的耐药性。此外,土壤耐药组的组成受细菌群落组成和系统发育的影响,因为抗生素耐药基因是在特定的细菌宿主内承载和进化的,而非独立于其周围群落。因此,抗生素耐药基因的检测应与所承载宿主的鉴定和生态特征一同解读。由极少接触人类相关细菌的土壤谱系承载的抗生素耐药基因,到达临床病原体的机会可能更少;而由在土壤、废水、动物或人类相关环境之间移动的类群所承载的基因,则可能提供更可行的传播途径。此外,成功的水平基因转移及随后的定殖通常随着系统发育距离的增加而变得不太可能,因为供体-受体相容性可能限制转移、表达、复制或持续存在。然而,这一屏障并非绝对,可能通过广宿主范围的可移动遗传元件或中间细菌宿主而克服。因此,宿主身份和生态学为评估土壤抗生素耐药基因提供了关键的背景。

仅展示存在、但未展示活性、迁移性或合理暴露途径的研究,应被解读为对生态分布的特征描述,而不是支持临床重要性的主张。在本综述中,我们主张,研究数量不足并非从土壤耐药组数据进行临床推断的主要障碍,而是缺乏将环境检测与功能性/活性证据、迁移性/可移动遗传元件背景以及暴露相关证据联系起来的证据。因此,我们开发了一个四层证据框架用于分析土壤耐药组数据。该体系从基于存在的检测(第1层)逐级上升至功能性/活性证据(第2层)、迁移性/可移动遗传元件背景(第3层),以及跨连接隔室的暴露相关证据(第4层)。我们进一步描述每一层级的假设和支持数据,目标是将关于土壤耐药组的主张与所提供证据的质量相匹配。

迄今环境抗菌药物耐药证据框架
关于环境耐药组证据置信度评分的方法或框架此前已有描述,但它们通常涉及与本综述探讨不同的分析目标。一些关于环境耐药组的框架侧重于监测、监管相关性、关键控制点以及环境抗菌药物耐药政策层面的风险评估,而不是作为对单个土壤研究进行基于主张的解读层级。其他研究围绕因果路径模型(如"驱动因素-压力-状态-暴露-影响-行动"模型)来组织该领域,这对映射环境到人类路径上何处存在证据是有用的,也是本综述中讨论和提出的最相似的模型。这些模型强调环境抗菌药物耐药研究正倾向于上游的"压力"和"状态"证据类别,而对人类暴露和影响则缺乏直接证据。同样,以抗生素耐药基因为核心的风险排名框架也已建立,用于根据与人类相关的富集、迁移性和宿主致病性等标准优先排序耐药基因,从而识别出公共卫生意义更高的基因。最近,以迁移性为中心的监测视角主张应将抗生素耐药基因的迁移性明确纳入环境风险评估,并对多层监测设计提出了主张。

本综述在延续这些思想的基础上,解决了一个解读问题:土壤耐药组研究通常提供的信息能够支持何种临床结论?此处描述的证据分层框架是一个以土壤为重点的证据框架,旨在通过区分基于存在的检测、功能性/活性证据、迁移性/可移动遗传元件背景以及暴露相关证据来使主张与证据相匹配。因此,它应当被理解为一种用于评估推断强度的综合工具。

四层证据框架
为了阐明来自土壤耐药组的证据如何影响临床推断,所提出的框架概述了每一层所支持的主张。各层级对所产生的证据进行分类,而非对所使用的分析方法进行分类,因为单一方法可能贡献于多个层级。第1层支持关于抗生素耐药基因流行率和分布的主张,但不涉及耐药功能或临床来源。第2层支持关于在受检条件下表达或耐药功能的主张。第3层支持关于迁移潜力以及(当发生转移时)在特定条件下可转移性的主张。第4层支持关于隔室连通性和现实暴露途径的主张。在第4层内部,共享序列暗示隔室重叠,统计分析衡量其协变关系。跨隔室在匹配的细菌谱系和可移动遗传元件背景下检测到相同的抗生素耐药基因,并结合时间上和流行病学上的联系,能为传播提供更强证据。仅凭第4层证据不能证明转移方向,也不能证明环境储存库导致临床疾病。这两个结论都需要跨层级的证据整合以及排除反向传播和共同来源的分析。

在土壤样本中检测到抗生素耐药基因序列(包括宏基因组 reads、contigs 和宏基因组组装基因组),构成第1层证据。根据组装质量和分辨率,宏基因组组装基因组可将染色体编码的抗生素耐药基因与细菌宿主和基因组区域相关联,但质粒携带的抗生素耐药基因可能需要互补的长读长或其他关联方法才能可靠地将宿主归因。宿主关联通过将抗生素耐药基因与其承载者的生态学和系统发育位置联系起来而强化了解读。然而,除非伴有活性或迁移性证据,宿主归因仍属于基于存在的证据;抗生素耐药基因与可移动遗传元件之间的物理关联则贡献于第3层证据。第1层中最常见的方法是DNA层面的调查,通常基于定量聚合酶链反应阵列或鸟枪法测序。此类信息是基于存在的,有助于生态监测以及跨土地利用、管理或污染梯度的比较。然而,第1层数据并不能证明生物活性,并且单独来看提供有限的机制性推断,因为它们未证明基因被转录、翻译、表型活跃或与兼容转移的可移动遗传元件背景相关联。例如,van Goethem等人在南极土壤中检测到177个抗生素耐药基因同源物,其中大多数与外排相关,但没有发现侧翼的移动性相关序列,这可能提示这些决定因子是古老的染色体基因,具有低临床重要性的其他旁系同源活性。同样,高通量测序数据通常通过与与人类感染相关数据库中的决定因子进行基于同源性比对来注释。尽管这是一种描述土壤中抗生素耐药基因发生情况的宝贵初步筛选方法,但仅凭基于同源性的比对并不能直接确立耐药表型或与人相关病原体的联系。Mahfouz等人观察到,使用抗菌药物耐药数据库进行基因型到表型的预测仍不理想,在来自五个细菌物种的2,587株临床分离株中,CARD的总体平衡准确度为0.52,ResFinder为0.66。他们的研究还发现外排相关的决定因子最难识别,因为它们在CARD输出中普遍存在但平均特异性较低,并严重受调控背景影响。巧合的是,外排相关的基因正是在土壤宏基因组中最常检测到的类别之一,因此这种依赖基于同源性注释的方式在孤立看待基因组数据时会扭曲表型层面的解读。对于环境性或固有耐药决定因子而言,这些考量尤为重要。在土壤调查中检测到多药外排系统、bacA样基因或利福平耐药相关位点属于第1层证据,应结合背景流行率、等位基因水平的特异性、天然生理功能、细菌宿主和基因组背景来解读。例如,bacA编码一种十一异戊二烯焦磷酸磷酸酶,参与细胞壁前体回收,而利福平介导的利福平耐药性由特定的赋予耐药的突变决定,而非rpoB的存在。更普遍地讲,属于同一抗生素耐药基因族的同源物在生态分布、宿主范围、迁移性和可能的表型特征方面可能差异显著。

普遍性并不意味着这些决定因子无关紧要;然而,仅凭丰度并不能确立临床意义:证据等级2要求证明其活性或抗性功能,证据等级3要求有文献记录的可移动性,证据等级4要求沿合理暴露途径追踪该决定因子或其细菌载体。对于非可移动的染色体决定因子而言,抗性细菌谱系的迁移可能比该决定因子的水平传播更为重要。尽管存在上述局限性,对Scopus记录进行的基于查询的代理分析表明,基于存在的检测研究在已映射的土壤抗性组文献中构成了占比最大的证据等级(图1)。

图1 Scopus中检索到的土壤抗性组研究的证据等级分布(2005–2026年)
展示完整图注
图查看器
图1 在Scopus中检索到的土壤抗性组研究的证据等级分布(2005–2026年)。使用基于关键词的Scopus高级搜索查询,将出版物映射到四级框架中(等级1:基于存在的检测;等级2:功能/活性证据;等级3:移动性/可移动遗传元件背景;等级4:暴露相关证据),应用于固定基础数据集(Q0;TITLE-ABS-KEY字段)。由于单篇出版物可能同时满足多个等级的查询条件,因此通过分层指派至匹配的最高等级(等级4 > 等级3 > 等级2 > 等级1)来得出各等级独立计数,并使用组合查询(Q23、Q24、Q34和Q234)以及针对等级2独立性的容斥校正来量化重叠。所显示数值为各等级独立计数及其占基础数据集(N = 6,910)的比例。查询字符串在方法部分报告,原始计数在表2中报告。使用BioRender创建。Meski, S. (2026) https://BioRender.com/dgw3sdp.

表1 证据等级框架
^a 方法是示例性的,并非某一等级专属;等级归属取决于所生成的证据类型。

证据等级 | 该等级包含的内容 | 可生成该等级证据的方法示例^a
等级1:基于存在 | 基于存在的检测:对抗菌药物抗性基因(ARG)的出现、丰度、多样性及分类学关联或基因组背景进行检测,但无活性、移动性或暴露的证据。 | qPCR、高通量qPCR、鸟枪法宏基因组学、靶向捕获、扩增子调查、宏基因组读数中侧重存在的ARG检测、contigs或MAGs中侧重存在的ARG检测、无功能验证的单细胞基因组学。
等级2:功能/活性基础 | 证据表明某决定因子在特定条件下表达或具有功能活性,包括转录组学、功能组学和表型证据。 | 功能宏基因组学、敏感性试验、异源表达、酶活性测定、(宏)转录组学、宏蛋白质组学、(宏)蛋白质组学、代谢组学、稳定同位素示踪活性测定。
等级3:移动性/可移动遗传元件(MGE)背景 | 将ARG与移动性元件或MGE关联的证据,从而支持对其可移动性潜力进行推断;转移试验可提供更强的转移相关支持,但仅凭转移试验本身并不能确立传播。 | 长读长宏基因组学、质粒组学、Hi-C关联、整合子/转座子分析、噬菌体相关ARG分析、接合试验、转化试验、转导研究、基于ddPCR的ARG-MGE关联分析、MAG-based或其他组装解析分析中确立的ARG-MGE物理关联。
等级4:暴露相关 | 在与人或与人相关动物连接的生态相关界面中评估的证据,包括以途径为导向的追踪以及跨区室比较证据。 | 跨区室采样设计、土壤-植物和土壤-动物追踪、菌株解析基因组学、质粒追踪、培养基溯源、定量转移试验、暴露建模。
^a 方法是示例性的,并非某一等级专属;等级归属取决于所生成的证据。在新标签页中打开表格。

证据等级2代表功能/活性基础证据。在该等级中,证据从DNA水平检测层面更进一步,表明某抗性决定因子在特定条件下具有活性,要么通过表达相关证据,要么通过实验证明其能够赋予可测量的抗性表型。在功能宏基因组筛选中,环境DNA片段被克隆到替代宿主中,通常为大肠杆菌(*E. coli*),并在含抗生素的培养基上进行筛选,以回收能够提高耐受性或抗性的插入片段。在此背景下,基于序列的预测与在特定检测条件下实验观察到的抗性相关活性相联系。多组学方法也可贡献于证据等级2,通过表明DNA水平的ARG信号伴随转录或功能活性。宏转录组学可提供采样条件下转录发生的证据,宏蛋白质组学或代谢组学可进一步支持活性相关的解释。证据等级2构成对功能/活性基础证据的支持,但根据所选分析方法的不同,数据可能难以互换以进行对比,因为它们的强度水平不同。转录产物不同于抗性表型,蛋白质或代谢物的检测并不总是意味着体内具有抗性,且结果高度依赖于方法。此外,即使一个包含ARG的数据集经过功能验证,在转入与人相关的细菌背景之前,仍可能需要适当的移动性/MGE背景(等级3),如与接合质粒、整合子、转座子或噬菌体的关联,以及适宜的生态条件。同样,成功转移也不保证在与人相关的受体细菌谱系中定殖(等级4)。复制子兼容性、质粒维持系统、调控背景、密码子使用、限制-修饰系统、CRISPR-Cas防御以及适应性代价都可能限制其在受体谱系中的持久性。因此,证据等级2基于宿主的背景。大肠杆菌仍然是有价值的发现宿主,但在某一替代宿主中的阳性或阴性结果不应被推广至不同细菌谱系。在提出更广泛的生态或临床结论时,一个实用的最低要求是在另一个经过战略性选择的宿主中进行交叉验证;例如,可能是预期的环境载体、可培养的天然载体,或具有不同生理或系统发育背景的具有临床相关性的受体。这种交叉验证增强了而非普遍化了推断结果;因此,宿主选择应基于预期结论而非预设的面板。

证据等级3代表移动性/MGE背景。最低限度而言,证据等级3表明ARG与MGE之间存在物理基因组关联,从而支持对其可移动性潜力的推断。等级3是一个更高层级的类别,关注的是可转移性而非功能活性或同源ARG序列的存在。可移动性潜力是指抗性特征跨越基因组和生态隔室传播的能力,驱动群体水平和临床风险。证明与MGE的物理关联或可测量的转移需要不同的方法,并能产生关于传播的政策相关推断,这是证据等级1或等级2无法提供的。ARG-MGE关联在已知细菌宿主和基因组位置的情况下更具信息量。在环境受限的分类群中,没有已知移动性背景的染色体编码ARG应与同一决定因子位于跨越土壤、废水、动物或与人相关栖息地的谱系的接合质粒上进行差异化评估。因此,证据等级3的解读应考虑载体的身份和生态学、ARG的染色体或MGE关联位置,以及涉及MGE时,该元件的宿主范围及其与潜在受体谱系的兼容性。可生成证据等级3证据的方法包括细菌质粒捕获、基于测序的关联方法、PCR鉴定ARG-MGE连接点(例如intI1、tra、mob基因)、长读长测序,以及接合研究(后者可在该等级内提供更强的转移相关支持)。Heuer等人从堆肥土壤中异位分离了50个IncP-1质粒,使用大肠杆菌作为受体;所有质粒均携带I类整合子及sul1和额外的抗性盒。这一发现确立了土壤相关抗性决定因子在与人相关的细菌受体背景中可能转移相关背景的合理性。更广泛地说,在整合子或转座子中检测到ARG支持对其可移动性潜力的推断。然而,证据等级3不应被解释为在群体或流行病学尺度上传播的证据。即使在土壤微宇宙中广宿主范围质粒可转移,转移也可能仍然不频繁、暂时性或维持不佳(在无持续选择压力下,每个供体或受体产生约10??至10??个转化子)。总而言之,在实验环境之外解读传播情况,不仅需要考虑MGE的存在,还需要考虑转移频率、宿主范围以及转移后的定殖情况。而这些因素又受到复制子兼容性、质粒维持功能以及受体防御系统(包括限制-修饰系统和CRISPR-Cas)的限制。因此,证据等级3支持移动性相关推断,但在许多情况下并不直接表明传播或暴露相关证据。

证据等级4代表跨连接隔室的暴露相关证据,包括以途径为导向的追踪和跨区室比较证据,尽管比较性重叠本身并不确立方向性暴露。在该等级中,ARG在与人或动物相关的连接隔室中进行评估,同时解析其细菌宿主和MGE背景(当可解析时)。典型的研究设计因此将土壤采样与可能介导转移的界面相结合,如土壤-植物系统或土壤-动物系统,理想情况下具有足够的遗传分辨率以区分共享背景与方向性移动。在证据等级4中,方法论的严谨性应源于模型与建议暴露途径之间的一致性,而非模型复杂性的最大化。一个可管理的最低标准可聚焦于单一指定途径和结论一致的细菌宿主集合;例如,最可能的环境载体和一个具有临床重要性的受体,并对来源、关键界面和受体隔室进行时间顺序采样。沿途径追踪目标ARG及其载体谱系或MGE,并确定其是否在受体中持久存在并赋予抗性,即可在不需大量宿主面板或每步多组学分析的情况下获得叠加证据。更复杂的群落、额外的受体,或体内和流行病学验证可保留用于在初始模型中持久存在或转移的候选者;尽管如此,研究结果反映的是对所研究条件下途径合理性的反映,而非临床感染风险。例如,Zhang等人使用土壤-螺-生菜实验装置来调查沿暴露相关轴线的移动情况。在更广泛的尺度上,Zhao等人将土壤宏基因组集合与人分离的大肠杆菌基因组进行比较。他们发现,在过去几十年中,土壤ARG数据集与临床抗性决定因子变得越来越相似。他们还发现了土壤ARG基风险指标与人群水平抗性率之间的关联。此类分析可支持关于跨隔室重叠的比较性推断,但本身并不确立方向性暴露或深入探究分子机制。因此,跨隔室"共享"应被解释为依赖分辨率的序列重叠描述,而非转移证据。同一ARG家族、基因或等位基因在环境和临床样本中的存在,无法区分古共同祖先、垂直遗传、从共享储存库的独立获取、携带ARG的细菌谱系迁移,或携带ARG的MGE的水平转移。同样,ARG最初被分离或录入数据库的来源隔室反映的是观察来源,而非其进化起源或传播途径。当移动单元被确定时,证据变得更加有力:携带ARG的分离株之间的全基因组相似性支持细菌谱系迁移,而相同的ARG嵌入保守侧翼序列中并在不同宿主中位于相同质粒或其他MGE背景下,则支持遗传元件迁移。从环境到人的传播需要对沿现实暴露途径的样品进行时间顺序采样,并在可获得时使用流行病学关联。即使拥有此类证据,也必须考虑反向传播和共同上游来源;否则,结果应归类为跨隔室重叠或关联,而非传播。

**土壤抗性组研究中的当前证据差距**
在线数据库中已广泛编录了ARG多样性,但仅凭序列检测并不能确立抗性表达、可移动性或向与人相关环境转移的潜力。为调查各级证据在土壤抗性组文献中的表征情况,我们在Scopus中使用土壤抗性组基础查询及对应功能/活性证据、移动性/MGE背景和暴露相关证据的附加关键词组进行了代理定义的文献映射。由于出版物可能包含多种类型的证据,匹配较高等级标准的记录被分层指派至最合适的等级,而剩余的基础语料库记录则被视为等级1的基于存在的检测研究。因此,这些数字应被视为基于关键词的证据重点指示,而非对每项研究的最终分类。

在该映射文献中,基于存在的检测似乎占主导地位(等级1,57.2%;n = 3,954/6,910),而功能/活性证据、移动性/MGE背景和暴露相关证据则较少出现(图1;表2)。这一趋势可能反映了方法的可及性及其技术的演进,但这也限制了该领域从描述性研究向机制性分析迈进的能力。高通量测序和靶向分子方法因其可扩展性、可及性以及对多种土壤基质的适应性而被频繁使用。它们能够实现广泛的比较研究、回顾性再分析以及与现有生物信息学工作流的衔接。然而,由于基于同源性的注释在表型预测方面仍然不够充分(特别是对于特定ARG类别),且不能证明功能性和可移动性,当基于存在的检测数据被用作临床推断的代理指标时,可能会被过度解读。

这导致了一个反复出现的解释性缺口,即检测被当作比实际更强的证据。

数量 含义 数值
Q0 基础数据集 6,910
Q2 2级查询结果 1,838
Q3 3级查询结果 1,089
Q4 4级查询结果 637
Q1 相对于Q0的残差 3,346
Q23 2级与3级查询结果 365
Q24 2级与4级查询结果 159
Q34 3级与4级查询结果 126
Q234 2级与3级与4级查询结果 42
N Tier4 4级独有结果 637
N Tier3 3级独有结果 963
N Tier2 2级独有结果 1,356
N Tier1 1级独有结果 3,954

表2 Scopus查询计数及衍生层级独有计数

较小比例的文献涉及功能/活性证据(2级,19.6%;n = 1,356/6,910)。功能宏基因组学和异源表达测试发现了许多在某些条件下可能产生耐药表型的因素。这些研究表明,某些环境序列在测试条件下可能编码与耐药相关的活性,而非被动的序列残留物。然而,功能确认通常在受控条件下的模式生物中获得,这限制了生态学解释。在如大肠杆菌等模式生物中展示的耐药表型并不能保证在环境中产生类似结果,因为表达和效应受遗传背景、宿主生理和生态选择的影响。原位表达可能受到各种启动子或调控网络的抑制;一个在实验室宿主中赋予耐药的基因可能在原生宿主中带来适应度代价或转录沉默;即使功能存在,该决定因子也可能由于复制子不相容、密码子使用或宿主防御系统而与临床相关细菌不相容。

更少数的研究探讨土壤抗药性基因与可移动遗传元件之间的关系(3级,13.9%;n = 963/6,910),尽管移动性对传播潜力至关重要。使用质粒捕获、长读长测序或整合子/转座子分析的研究表明,某些与土壤相关的决定因子出现在与移动潜力一致的遗传背景中。然而,这些研究仍不如以检测为导向的调查普遍,且若干回收的质粒具有有限的主机范围、稳定性降低或在微宇宙实验中转导率不佳。

涉及抗药性基因或携带抗药性基因的细菌进入与人类或动物相关的隔室中的暴露相关证据较少(4级,9.2%;n = 637/6,910)。关于植物组织、动物微生物组和食品生产系统中与土壤相关的抗药性基因信号的研究寥寥无几。现有研究支持在某些情况下跨隔室出现的可能性,但也凸显了生态过滤和遗传瓶颈。跨隔室基因组比较揭示了土壤抗药组与临床分离株之间的一些重叠,但重叠并不意味着定向暴露或传播。暴露相关研究表明,跨隔室模式是情境依赖性的,可能代表不同的自然或人为情况。

这种证据不平衡对解释有重要影响。过度依赖基于存在的数据可能鼓励假设检测意味着临床相关性,尽管许多土壤抗药性基因可能是古老的、未表达的、不可移动的,或由于基于同源性的方法而被错误分配。有限的功能/活性证据和有限的移动性/可移动遗传元件背景研究也限制了该领域识别哪些决定因子最有可能具有活性、可传递或与人类病原体相容的能力。有限的暴露相关证据进一步限制了对土壤相关抗药性基因如何进入与人类相关的环境的解释。结果是文献在数量上丰富,但在解释深度上不均衡。方法学碎片化进一步加剧了这一缺口。专注于基于存在的检测、功能/活性证据、移动性/可移动遗传元件背景或暴露相关证据的研究往往孤立进行,使得难以重构特定抗药性基因或可移动遗传元件跨层级的生态归宿。一个在土壤中看似丰富的决定因子可能从未被测试其活性;一个功能验证过的决定因子可能从未被检查其与可移动遗传元件的关联;一个可移动遗传元件可能从未被追踪到暴露相关的隔室中。缺乏跨层级整合,文献仍然被分隔,难以支持主张一致的解释。

资源限制也可能导致证据的不均衡分布。功能组学和跨隔室设计需要专业基础设施和比单纯的DNA调查更为协调的研究设计。这可能促使基于存在的检测持续占主导地位,并延缓多层级方法在各机构间的标准化。即使是资源充足的研究所产生的数据集也难以直接比较。

最后,证据缺口影响了土壤耐药研究如何传达给政策制定者和公众。当以检测为主的数据占主导时,检测可能被误认为临床意义,使环境解释更加困难。缺乏更高级别数据使得难以确定土壤抗药性基因是否应被视为具有临床意义。

弥合环境抗药性基因检测与临床推理

要将环境检测与临床推理整合,必须就研究哪些信号以及哪些数据组合足以支持特定结论做出明确决定。1级调查对于生成基线地图、检验假设以及追踪时间或地理上的变化是有帮助的。它们提示进一步调查的潜在候选对象,并为定向采样或行动提供背景。然而,基于存在的检测应被理解为遗传潜力,而非表型风险的确认,应被用来选择候选对象,而非推断临床意义。

弥合抗药性基因检测与临床推理需要整合与所作出主张强度相匹配的证据类型。功能验证方法,如功能宏基因组学或异源表达,是提供功能/活性证据所必需的,并应与表达数据结合理解。这种组合可能有助于将某个位点解释为在特定条件下处于活跃状态,但并不证明可传递性或宿主相容性。为了实现与移动性相关的推理,应将物理与可移动遗传元件的连接与转导实验和宿主范围评估相结合,如果可行的话。缺乏转导证据或背景信息的关联会产生关于持久性和传播的疑虑。为了促进更好的暴露相关推理,通常需要跨隔室追踪,例如通过匹配的环境和宿主采样或菌株分辨测序,以确定环境决定因子是否存在于与人类相关的生态位中。然而,归因于临床负担需要进一步的证据,如流行病学关联。

污水系统作为临床抗药组与土壤抗药组之间的重要接口,因为它接收与人类相关的抗生素耐药细菌、抗药性基因和可移动遗传元件,并产生尾水和生物固体,后者可能进入环境隔室。医院污水可能包含大量与人类相关的细菌和抗药性基因,但其对市政污水的贡献取决于下水道系统的环境。不应假设污水处理在均匀地消除或放大这些信号:活性污泥法可能降低某些抗药性基因,同时保留其他决定因子并重新配置抗药性基因-宿主和抗药性基因-可移动遗传元件的联系。主要的土壤关联通过利用处理或回收的污水处理厂尾水进行灌溉,以及污泥或生物固体的土地利用来实现。再生水灌溉可能在短期内不增加总丰度的情况下改变土壤抗药性基因组成,但生物固体改良可能在作物种植期间增加抗药性基因亚型丰富度以及与ESKAPEE相关物种的相对丰度。这些输入的归宿由处理效果、施用历史、残留选择剂、土壤特性、与现有微生物群落的竞争以及引入宿主或可移动遗传元件的存活和传播能力决定。需要纵向、来源分辨的采样,涵盖医院或市政污水、处理阶段、尾水或生物固体以及接收土壤,以从可能的耐药细菌、抗药性基因或可移动遗传元件的移动中识别共同背景并确定方向性。

为减少过度宣称,该领域应采用针对每个证据层的标准化描述,如"基于存在的检测"、"功能/活性证据"、"移动性/可移动遗传元件背景"和"暴露相关证据"。采用分阶段技术,通过广泛监测识别候选对象,然后进行针对性的功能/活性、移动性和暴露相关调查,可能为从环境检测到更强临床推理提供一条更合比例的途径。

机器学习,尤其是深度学习的快速进展,正在拓宽人工智能在环境耐药研究各个方面应用的潜力。根据最近的观点,人工智能是一个可以嵌入表1所总结工作流程各处的计算层,从适应性采样和序列分析到抗药性基因-宿主-可移动遗传元件表征、多组学整合、预测、异常检测和决策支持。已发表的应用展示了这种广度,但并不穷尽。DRAMMA结合蛋白质、基因组背景和进化特征来识别缺乏可检测同源性的候选抗药性基因;机器学习识别了145个在鸡和农场环境中共享的潜在可移动抗药性基因;一项2026年的研究整合了来自67个国家的2,301个农业土壤宏基因组,以及土壤、土地利用和气候变量,以模拟未来抗药性基因的分布。此类方法可以过滤人工分析无法达到规模的数据集,优先关注基因、宿主、移动环境或暴露途径以供重点调查。然而,人工智能本身并不能独立提高证据强度。层级分配必须基于底层观察及其验证:仅基于序列的预测停留在1级,但人工智能对功能、转导或跨隔室追踪数据的分析仅对由这些数据支持的层级有贡献。可靠性也取决于代表性的训练数据、统一的元数据、外部验证和不确定性报告,尤其是在将具有临床偏倚的参考集应用于多样化土壤群落时。在这些约束条件下,人工智能可以帮助土壤抗药组研究超越不断扩大的目录,走向对最具临床出现重要性的抗药性基因、宿主和传播通道的协调优先排序和测试。

总结

我们认为,从土壤抗药组数据中得出具有临床意义或治疗可操作性的结论的根本障碍不是缺乏环境调查,而是从检测到推理的糟糕证据转换。基于存在、测序衍生的档案仍然对基线表征和假设形成是必要的。在所提出的框架内,通过1级监测发现的新颖或增加的决定因子可作为优先排序的预警信号,但单独分析时不能确立新兴的临床威胁。土壤可以广泛地被视为耐药多样性的生态储库;然而,功能证据和移动性证据对于强化特定抗药性基因具有传播潜力的推理是必需的。4级证据可以将土壤定位为合理跨隔室通路中的来源、汇或中间隔室。这些解释并非互斥。然而,得出某种土壤抗药性基因促成了临床耐药性出现的结论,需要其功能、移动性以及在合理暴露途径上移动的汇聚证据。许多与土壤相关的抗药性基因可能是古老的、不活跃的、不可移动的,或由于基于同源性的方法而被模糊分配,而过度依赖存在性有促进从发现到假定临床意义的捷径的风险。

总之,三个并行转变推动实际进展。首先,研究设计必须是主张驱动的,方法的选择应基于支持预期主张所需的最低证据水平。其次,跨层级的方法学整合至关重要,这样在监测期间识别出的候选基因或系统可以有意识地被升级为针对性的功能测试、抗药性基因-可移动遗传元件关联分析和跨隔室或暴露导向的采样。第三,需要透明报告和共享标准,包括明确的层级主张、无歧义的连接指标、不确定性界限,以及直接指明每个数据集给予和不给予的内容。通过鼓励整合性的、主张驱动的研究和更清晰的证据标准,该领域可以超越对土壤遗传潜力的广泛编目,走向针对监测、风险解释和政策的更具聚焦性的、机制上合理的、移动性感知和暴露相关的目标集合。

方法

出版物计数于2026年3月17日从Scopus(Elsevier)获取,使用高级搜索界面(https://www.scopus.com)。所有查询字符串和结果计数均按分析所用报告。Scopus检索基于文献文本字段(即标题、摘要和作者关键词),因此所得计数被视为证据信号的基于关键词的代理,而非对每项研究完整证据深度的决定性分类。

旨在捕捉一般土壤抗药组文献的基础语料库被先验定义为Q0,通过结合与土壤相关的术语与抗菌耐药/抗药组术语,并应用设定为"从2005年"的出版年份限制,因为这是微生物学中高通量测序实验的大致开始时间:

TITLE-ABS-KEY (soil OR topsoil OR rhizosphere)
AND
TITLE-ABS-KEY ("antibiotic resistance" OR "antimicrobial resistance" OR resistome OR "antibiotic resistance gene?" OR ARG)
AND
PUBYEAR >2004 AND PUBYEAR <2027

Q0产生的记录数N_Q0构成了后续层级映射的分母。

然后通过向Q0添加额外查询块执行特定层级的检索。1级未通过单独的Scopus查询块进行检索。

第一层是在检索到更高层级查询块的结果之后,经重叠修正后得出的。

第二层(功能/活性证据)查询块 Q2(新增字符串):TITLE-ABS-KEY(soil OR topsoil OR rhizosphere)AND TITLE-ABS-KEY("antibiotic resistance" OR "antimicrobial resistance" OR resistome OR "antibiotic resistance gene?" OR ARG)AND PUBYEAR >2004 AND PUBYEAR <2027 AND TITLE-ABS-KEY("functional metagenomic?" OR heterologous OR "heterologous expression" OR "Escherichia coli" OR "susceptibility testing" OR "antibiotic susceptibility" OR MIC OR phenotype OR phenotypic OR "enzyme assay" OR metatranscriptom? OR metaproteom?)

第三层(移动性/移动遗传元件背景)查询块 Q3(新增字符串):TITLE-ABS-KEY(soil OR topsoil OR rhizosphere)AND TITLE-ABS-KEY("antibiotic resistance" OR "antimicrobial resistance" OR resistome OR "antibiotic resistance gene?" OR ARG)AND PUBYEAR >2004 AND PUBYEAR <2027 AND TITLE-ABS-KEY(plasmid? OR plasmidome? OR integron? OR intI1 OR transpos? OR "integrative conjugative element?" OR "integrative and conjugative element?")

第四层(暴露相关证据)查询块 Q4(新增字符串):TITLE-ABS-KEY(soil OR topsoil OR rhizosphere)AND TITLE-ABS-KEY("antibiotic resistance" OR "antimicrobial resistance" OR resistome OR "antibiotic resistance gene?" OR ARG)AND PUBYEAR >2004 AND PUBYEAR <2027 AND TITLE-ABS-KEY("wastewater irrigation" OR "wastewater reuse" OR "reclaimed water" OR "treated wastewater" OR "fresh produce" OR "ready-to-eat" OR edible OR "food chain" OR "farm to fork" OR endophyte? OR "human gut" OR gut OR fecal OR fecal OR livestock)AND TITLE-ABS-KEY(transfer OR transmission OR uptake OR internalization OR colonization OR "source tracking" OR "cross-compartment" OR continuum OR "soil-plant" OR "soil animal")

单篇出版物可能被多个层级的查询所捕获,因此原始的 N_Qn 总数未被直接使用。取而代之的是,应用了一种层级重新分配程序,使每条记录仅贡献给一个层级,层级优先级顺序为:第四层 > 第三层 > 第二层 > 第一层。为量化更高层级查询之间的重叠情况,使用合并查询获得了 Q23、Q24、Q34 和 Q234。图1中使用的各层专属计数按以下方式得出:

- 第四层专属 = N_Q4
- 第三层专属 = N_Q3 - N_Q34
- 第二层专属 = N_Q2 – N_Q23 - N_Q24 + N_Q234
- 第一层专属 = Q0 -(第二层专属 + 第三层专属 + 第四层专属)

**致谢**

我们感谢罗斯基勒大学荣休副教授 Ole Skovgaard 对本论文方法论、基因组学论证以及更广泛的科学哲学考量方面进行的富有成效的讨论。本工作未获得任何专门的外部资助。S.M. 的博士研究生奖学金由罗斯基勒大学科学与环境部资助。

**作者贡献**

构思,S.M.、B.M.、K.A.K. 和 C.C.P.;方法论,S.M.;形式化分析,S.M.;数据管理,S.M.;可视化,S.M.;原稿撰写,S.M.;审阅与编辑,S.M.、B.M.、K.A.K. 和 C.C.P.;指导,B.M.、K.A.K. 和 C.C.P.;项目管理,C.C.P.。所有作者均已审阅并批准最终稿件。

**利益声明**

作者声明无竞争性利益冲突。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号