中国河流中氟喹诺酮类抗生素是优先病原体抗生素耐药性选择风险的主要驱动因素

《Water Research》：Fluoroquinolones are primary drivers of antibiotic resistance selection risk for priority pathogens in Chinese rivers

　　

中文摘要翻译 氟喹诺酮类抗生素（fluoroquinolones）是中国河流中优先病原体（priority pathogens）抗生素耐药性（antibiotic resistance, AR）选择风险的主要驱动因素。中国主要的抗生素热点区域为海河、淮河、长江和黄河流域。畜禽粪便直接排放是中国河流抗生素的主要来源。四环素类（tetracyclines）主导排放量，但氟喹诺酮类驱动耐药性风险。抗生素风险评估应从单一化合物转向混合物评估。大肠杆菌（Escherichia coli, E. coli）在至少3.2%的河流中面临氟喹诺酮类混合物选择风险。

论文解读

一、研究背景与问题

抗生素被广泛用于人类和牲畜疾病的治疗与预防，以及畜牧业、水产养殖和农业中的生长促进剂。然而，抗生素释放到环境中可导致抗生素耐药性（antibiotic resistance, AR）的产生和发展。耐药菌感染与更高的复发率、治疗失败率、病情恶化和死亡率密切相关。2019年全球有超过120万人直接死于抗菌素耐药性，若不采取干预措施，预计到2050年死亡率可达1000万人。

中国河流面临严重的抗生素污染问题。2007至2022年的文献综述显示，在中国主要河流中已检测到129种不同的抗生素，环丙沙星和磺胺甲噁唑的个体中位数浓度分别高达65.9 ng/L和60.9 ng/L。然而，现有监测多集中于中、东、南部地区，中国西部数据仍然匮乏。此外，河流中典型抗生素浓度通常低于1 μg/L，使得检测和定量具有挑战性、成本高昂且耗时。因此，亟需全面了解当前中国河流抗生素浓度概况、识别关键来源并评估相关的耐药性选择风险。

在模型研究方面，已有若干中国抗生素模型被开发，但均存在局限：Zhang等（2024）开发的MARINA-antibiotics模型仅模拟了牲畜源抗生素负荷，未模拟河流浓度且未进行风险评估；Li等（2024）仅模拟牲畜源负荷，且无法将负荷归因于具体来源；Li等（2025）将MARINA-antibiotics模型与SWAT模型耦合，增加了人类源并计算了抗生素浓度，但仅应用于三峡库区45个子流域而非全中国。截至目前，尚无模型能同时模拟中国范围内的抗生素排放、河流浓度和来源归因。

在风险评估方面，现有研究主要关注单一抗生素对细菌群落水平的耐药性选择风险，通常使用由最敏感微生物物种的预测无效应浓度（predicted no-effect concentrations, PNECs）推导的风险商（risk quotients, RQ）。然而，河流细菌通常暴露于复杂的抗生素混合物而非单一抗生素，复杂混合物产生的联合选择压力在很大程度上未被解决，限制了真实环境风险评估的准确性。此外，RQ估计是在群落水平上推导的，难以关联到具有特定公共卫生意义的细菌；RQ方法本质上是确定性的，无法量化处于潜在选择风险下的细菌种群比例。

二、研究内容与结论

本研究针对上述不足，开发了GloWPa-Antibiotics C1模型，在0.5°×0.5°空间分辨率和月时间步长下模拟2020年中国33种广泛使用抗生素的排放、河流传输和浓度，覆盖中国九大流域。研究人员同时构建了三级系统化风险评估框架，整合确定性评估和基于概率的混合物评估，对总微生物群落和世界卫生组织（World Health Organization, WHO）优先病原体进行耐药性选择风险评估。研究发表在《Water Research》。

三、关键方法

研究人员采用的主要关键技术方法包括：第一，GloWPa-Antibiotics C1模型，该模型从人类排泄物和牲畜粪便中的抗生素浓度估算排放量，人类排泄按年龄组区分，牲畜排泄覆盖猪、羊、山羊、奶牛、肉牛、蛋鸡、肉鸡、肉鸭、蛋鸭和兔子十种物种及小型农户、中型和工业化三种养殖系统，并考虑季节性排泄变化；排泄的抗生素通过污水处理厂（wastewater treatment plants, WWTPs）、现场卫生系统（onsite sanitation systems, OSSs）、粪便直接排放和地表径流与土壤侵蚀的扩散排放四条途径进入河流，在河流中抗生素在溶解态和颗粒吸附态之间分配，经历一级河流内降解，溶解浓度通过将残余负荷除以VIC水文模型的月河流流量获得。第二，三级风险评估框架：Level 1使用确定性单一抗生素RQ评估，应用于整个细菌群落（1a）和WHO优先病原体（1b）；Level 2将评估扩展到抗生素混合物，使用加和RQ，应用于整个群落（2a）和大肠杆菌（2b）；Level 3应用基于多物质潜在受影响分数（multi-substance potentially affected fraction, msPAF）的概率方法，量化大肠杆菌种群中可能处于氟喹诺酮类混合物耐药性选择风险下的比例。人类种群数据来自WorldPop（2020），牲畜数量和分布来自Robinson等（2014）并经中国畜牧兽医年鉴2021校正，养殖系统分布来自该年鉴，粪便管理数据来自文献。

四、研究结果

抗生素热点区域识别：中国主要抗生素热点区域为海河、淮河、长江和黄河流域。

抗生素排放来源归因：畜禽粪便直接排放是中国河流抗生素的主要来源。

排放与风险驱动因素分离：四环素类（tetracyclines）主导排放量，但氟喹诺酮类（fluoroquinolones）驱动耐药性选择风险，表明排放量最大的抗生素类别不一定是风险最大的类别。

单一化合物与混合物评估对比：抗生素风险评估应从单一化合物转向混合物评估，因为混合物产生的联合选择压力可能触发耐药性，即使所有单一化合物均低于选择阈值。

概率风险评估结果：大肠杆菌在至少3.2%的河流中面临氟喹诺酮类混合物选择风险，量化了处于潜在选择风险下的细菌种群比例。

五、讨论与结论

讨论部分指出，现有风险评估多聚焦单一抗生素，忽视了河流细菌实际暴露于复杂混合物的事实。本研究通过三级框架从广泛的确定性筛选逐步过渡到精细的概率混合物风险表征，弥合了环境暴露与公共卫生相关性之间的鸿沟。研究结论为：氟喹诺酮类抗生素是中国河流中优先病原体抗生素耐药性选择风险的主要驱动因素；畜禽粪便直接排放是主要抗生素来源；风险评估应从单一化合物转向混合物评估。研究结果为水生环境中抗生素的风险导向监管提供了科学依据，并支持可持续发展目标（Sustainable Development Goal, SDG）6关于安全用水和卫生设施的实现。