《mSystems》：Integrated cross-sectoral surveillance of antimicrobial resistance genotypes and phenotypes across disparate reservoirs
编辑推荐：
专业术语翻译摘要
抗菌药物耐药性（antimicrobial resistance, AMR）细菌和基因持续在人类、动物和环境储库之间交换。彼此割裂且各自为政的监测方法对追踪和阻断AMR传播构成重大挑战，临床监测侧重于检测特定病原体或特定目标基因，而环境调查往
专业术语翻译摘要
抗菌药物耐药性（antimicrobial resistance, AMR）细菌和基因持续在人类、动物和环境储库之间交换。彼此割裂且各自为政的监测方法对追踪和阻断AMR传播构成重大挑战，临床监测侧重于检测特定病原体或特定目标基因，而环境调查往往依赖从指示生物中做出的推断。本研究表明，在针对样本进行特异性预处理后，通用监测方法可一致地应用于城市和农业环境中不同储库的AMR丰度、分布和表型分析。在所有样本类型中，三种核心方法提供了互补性见解：（i）定量PCR（quantitative PCR, qPCR）阵列用于检测多种AMR基因；（ii）以基因和基因组为中心的宏基因组学（metagenomics）用于全面的耐药组（resistome）分析；（iii）基于培养的基因组学结合药敏试验，将基因型与表型相关联。研究人员应用该方法分析了1,032个宏基因组组装基因组（metagenome-assembled genomes, MAGs）、66个细菌分离株基因组，以及分别通过qPCR和宏基因组学检测的78个和6,642个AMR基因/参考序列。该整合框架揭示了推定病原菌和具有潜在可传播基因的非致病菌中耐药机制的流行性和多样性，其中废水中AMR基因尤其富集。研究人员检测到基因型与表型预测之间的不匹配以及中间耐药表型的普遍存在，凸显了许多环境耐药机制仍未被充分理解。总体而言，本研究证明统一且领域前沿的监测方法可用于多样化的环境和动物样本，同时强调需要多种方法才能捕获这些环境中多样的AMR基因型和表型，以实现全面监测和限制传播的适应性解决方案。
论文解读
一、研究背景与问题
抗菌药物耐药性（antimicrobial resistance, AMR）被预测到2050年将每年导致高达1000万人死亡，并给全球医疗系统带来万亿美元级的经济负担。AMR本质上是一个One Health议题，耐药决定因子和耐药细菌持续在人类、动物和环境之间交换。耐药组（resistome）概念描述了特定微生物群落中存在的全部耐药基因。评估环境耐药组的来源和影响十分困难，原因在于环境中天然存在多样的抗菌药物耐药基因（antimicrobial resistance genes, ARGs），使得难以解释何为“正常”状态、何为预示着即将向其他储库溢出的问题信号。此外，耐药性可能因选择性压力富集常驻微生物群中的ARGs而产生，也可能源于携带既有耐药基因的人类或动物源细菌污染，或两者共同作用。
尽管环境储库十分重要，AMR监测仍不成比例地以病原体为中心并偏向临床环境。澳大利亚最新的抗菌药物使用和耐药性报告显示，监测仍聚焦于临床和养老机构，仅关注AMR病原体检测。环境监测往往依赖大肠杆菌（Escherichia coli）或肠球菌（Enterococci）等指示生物来提示粪便污染，这种狭窄的方法不能充分反映环境生态位中病原体或AMR的多样性和丰度。临床AMR监测受到严格监管和全球协调；相比之下，环境监测方法各异，样本类型多样需要定制化处理，检测方法多样，对于应优先监测哪些生物和ARGs缺乏共识，也没有全球标准化框架。此外，许多监测工作孤立地使用基因型或表型方法，而不同技术各有互补优势和局限：靶向qPCR能灵敏检测已知ARGs但无法发现新变体；宏基因组学提供广泛的基因发现能力但宿主背景分辨率有限；基于培养的分离和基因组学可将ARGs与表型耐药联系起来但仅捕获环境中微生物多样性的一小部分。基因携带并不总是转化为耐药性，若不确认表型，环境AMR的临床意义可能不确定。因此，建立整合互补方法的统一跨部门监测框架至关重要。
二、研究内容与结论
本研究在澳大利亚墨尔本大都市区范围内，论证了整合方法用于调查不同环境储库中AMR分布的可行性和实用性。研究人员采用协调一致的方法论，包括qPCR、宏基因组学、细菌分离、抗生素药敏试验和全基因组测序（whole-genome sequencing, WGS），在土壤、水和粪便样本中生成了ARG携带和耐药表型的全面视图。该统一框架实现了环境AMR的高分辨率鉴定，并为未来可在多种情境中应用的监测策略提供信息。
三、主要关键技术方法
研究人员选取了九种多样的样本类型，包括来自奶牛场的农业径流和污泥、湿地水、城市公园土壤和水、动物粪便、废水、城市海滩沉积物和河水。不同样本类型采用不同的采集和预处理方式，但后续所有流程（包括DNA提取和下游分析）均使用相同流程。核心技术方法包括：（1）QIAGEN微生物DNA qPCR阵列检测78个与AMR或毒力相关的基因；（2）Illumina NextSeq2000宏基因组测序（每样本平均约1.2亿对读段），使用CARD数据库通过RGI工具进行ARG筛查，并采用多算法共组装和分箱（Vamb、MetaBAT、CONCOCT、SemiBin2）获得MAGs；（3）基于培养的细菌分离（非选择性培养基）、Sensititre板药敏试验（MIC测定）、Illumina全基因组测序及生物信息学分析（Unicycler组装、GTDB-Tk分类、PlasClass和MOB-Suite预测质粒）。
四、研究结果
（1）墨尔本不同环境来源中存在抗生素耐药基因和致病菌属
qPCR阵列检测结果显示，废水样本的ARG多样性最高（平均55.6个ARGs），几乎覆盖了测试的所有抗菌药物类别，包括β-内酰胺类、万古霉素、红霉素、四环素和氟喹诺酮类耐药决定因子。其他样本中ARGs分布广泛但每样本检测到的数量远少（平均3.6个）。农业样本检出四环素、大环内酯、β-内酰胺和氨基糖苷类耐药决定因子；城市公园动物粪便检出大环内酯耐药决定因子；海滩样本对所有测试ARGs均为阴性；湿地和河流样本检出氨基糖苷、大环内酯、β-内酰胺和四环素耐药决定因子。
（2）宏基因组数据集反映qPCR阵列凸显的AMR分布并将ARGs关联到特定MAGs
宏基因组测序结合CARD数据库筛查揭示了更全面的耐药组图景。所有样本均具有丰富的ARG类别多样性，废水样本的药物类别数量最高（约32-33类），群落中ARGs平均丰度为1.2%±0.2%。推定氨基糖苷、消毒剂和防腐剂、四环素、氟喹诺酮和糖肽类耐药在各样本类型中广泛且高丰度，但这可能反映这些基因的环境生态功能而非活跃的AMR风险。共组装和分箱获得1,032个物种水平（95%平均核苷酸一致性）MAGs，跨越27个细菌门，其中假单胞菌门（Pseudomonadota/Proteobacteria，24.7%）、拟杆菌门（Bacteroidota，19.9%）、芽孢杆菌门（Bacilliota/Firmicutes，19.5%）和放线菌门（Actinomycetota，17.3%）为主。在部分样本中鉴定出推定机会性人类病原体，包括空肠弯曲杆菌（Campylobacter upsaliensis，动物粪便）、大肠杆菌（海滩沙、人工湿地、河流）和温和气单胞菌（Aeromonas sobria，城市水体）。废水中还重建了猪链球菌（Streptococcus suis）、沃氏萨特菌（Sutterella wadsworthensis）、沃氏嗜胆菌（Bilophila wadsworthia）、香港卢氏菌（Laribacter hongkongensis）和布氏弓形菌（Aliarcobacter butzleri）等基因组。大肠杆菌MAGs属于ST73克隆复合体并携带多种毒力因子。MAGs中糖肽类（60%）、四环素类（22.4%）、氟喹诺酮类（19.5%）和消毒剂/防腐剂类（7.7%）推定耐药基因最为普遍，但许多基因编码转录调节因子、双组分系统或外排泵，仅在与其他耐药机制配对时才与临床AMR相关。碳青霉烯和头孢菌素耐药基因的流行率较有限（分别为0.9%和1.2%），但在自源细菌和推定病原体中均有检出。假单胞菌门MAGs的AMR多样性最高，部分基因组携带推定赋予多达17种不同抗生素耐药的基因。
（3）几乎所有采样点均存在中间耐药表型的分离株
共获得66个分离株进行药敏试验和基因组分析。所有样本均含推定病原体，分离株主要属于假单胞菌门。根据CLSI指南，9个分离株（13.6%）对测试抗生素耐药。所有样本均显示至少一个分离株具有中间耐药（临床上亦称“敏感，增加暴露”）表型，提示这些环境可能充当新兴耐药的储库。中间至高耐药分离株比例从农业场地的15.4%到城市公园土壤的67.7%不等。耐药抗生素种类最多的分离株是摩根摩根菌（Morganella morganii，CGL261），对七种不同抗生素类别耐药，包括亚胺培南。
（4）分离株AMR基因型和表型经常不一致
全基因组测序和CLSI/MIC数据叠加分析显示，9个分离株的耐药表型与相应ARG携带一致。所有分离株在无ARG时均显示敏感表型。然而，许多分离株尽管携带预测赋予相应抗生素类别耐药的ARG，仍显示敏感表型；此外，若干分离株在无同源ARG携带证据的情况下显示耐药表型，提示这些分离株编码未表征的耐药基因或具有由非遗传因素介导的内在抗生素耐受。考虑MIC数据（MIC>0.1 μg/mL视为推定低水平耐药）后，许多先前未被CLSI指南覆盖或显示敏感/ARG存在表型的分离株-抗生素组合表现出一定耐药性。最常检出的ARG类别为头孢菌素耐药（34.6%）和β-内酰胺耐药（25.6%），但携带这些基因的大多数分离株在检测中实际对这些抗生素敏感。例如，在气单胞菌（Aeromonas hydrophila，CGL252）分离株中鉴定出推定黏菌素耐药相关基因mcr-7.1，但MIC测试显示该分离株对黏菌素不敏感。大多数ARGs基于现有证据为染色体编码，仅12.1%的分离株在质粒上携带ARGs，且若干质粒具有潜在可移动性。
（5）方法间一致性评估
宏基因组学检测到的ARG丰富度高于qPCR或培养分离株，反映其更广泛的检测能力（>6,000个ARGs）以及通过检测与背景生态过程（包括外排泵和调节功能）相关的基因可能导致的丰富度膨胀。qPCR和宏基因组学之间的ARG丰富度总体一致，废水在两种方法中均显示最高ARG丰富度。培养分离株的耐药谱与qPCR或宏基因组学数据的一致性较低。青霉素β-内酰胺类、四环素类和头孢菌素类在多种方法间一致性最高，在多种样本类型中被三种方法同时检出。
五、讨论与结论
本研究证明临床AMR监测中常用的方法可成功扩展到环境和农业情境。研究人员建议监测应采用多种方法支柱，因为其互补优势是描绘环境耐药组更完整图景所必需的。qPCR阵列快速灵敏地定量临床相关ARGs但视角狭窄且缺乏背景信息；宏基因组学拓宽了视野，揭示了更广泛的ARG谱，包括许多由靶向方法会遗漏的非致病菌携带的基因；基于培养的分离仍是功能验证的最佳实践，允许测试基因型-表型关联，但偏向于可培养的微生物亚群。结合这些方法还凸显了预测与观察到的耐药性之间的差异，包括中间表型。ARG携带并不总是等同于表型耐药，表型也可独立于已知基因型出现。CLSI指南对适用物种提供了临床相关的耐药评估，但应用于环境和非临床类群时不太直接，耐药基因的行为可因其传播方式、拷贝数和宿主基因组背景而有显著差异。目前尚无解释环境耐药组的等效框架，发展有效框架需要细致的方法，考虑宿主、ARG移动性、局部选择性压力以及可能从环境宿主接收ARGs的原发或机会性病原体共现等因素。
本研究的局限性包括：短读长宏基因组数据组装重复或镶嵌序列具有挑战性，可能阻碍质粒检测；DNA-based方法可能捕获细胞外ARGs和非活生物体的ARGs，可能人为抬高AMR估计；非选择性培养基偏向快速生长的需氧非耐药生物；研究仅为采样时点的快照。尽管全面多方法流程难以在大规模公共卫生监测项目中常规实施，但它为理解各方法的优势和局限提供了基准。qPCR为优先耐药基因的靶向监测提供快速且经济有效的选项，宏基因组学提供更广泛的耐药组监测和发现能力，基于培养的基因组学对于连接基因型与表型仍然不可或缺。总体而言，研究人员观察到废水相关样本之外耐药流行率普遍较低但耐药决定因子多样性高，废水是关键储库，包含一系列临床重要决定因子，强化了废水流行病学的价值。除已知病原体外，ARGs常在地方性物种（如泛菌属Pantoea和红树林杆菌属Mangrovibacter）中鉴定到，许多携带跨越多种抗生素类别的基因，支持环境细菌即使非致病也可充当耐药储库、并可能通过水平基因转移向临床相关物种传播的观点。即使在相对低流行率的环境中，临床环境之外也发生着多样的耐药机制，未来工作可将该框架扩展到更广泛的地理和社会经济情境，并通过纵向监测更好地解析耐药组在不同选择性压力下的演化。
