2024, Vol. 45
2. 河北省污染防治生物技术实验室, 石家庄 050000;
3. 河北省水利规划设计研究院有限公司, 石家庄 050021
, SONG Yuan-meng1 , LU Meng-qi1 , BAI Yin-hu3 , CHEN Hao-da1 , GAO Sai1 , WANG Lin-jing1 , ZHANG Lu-lu1,2
, CUI Jian-sheng1,2
2. Pollution Prevention Biotechnology Laboratory of Hebei Province, Shijiazhuang 050000, China;
3. Hebei Water Conservancy Planning and Design Institute Limited Company, Shijiazhuang 050021, China
我国作为全球最大的抗生素生产国和消费国, 在2019年生产量和消费量已分别达到21.8万t和13.1万t[1]. 一方面, 抗生素并不能完全被生物体有效吸收, 超过25%~75%的抗生素通过尿液或粪便的形式排出体外[2]. 另一方面, 传统的污水处理工艺并不能有效去除废水中的抗生素, 其去除率仅为36%~79%[3]. 较低的去除率使得环境中抗生素的检出量较高, 目前已在长江(54.18~425.74 ng·L-1和66.57~256.40 ng·L-1)[4]、黄河[(33.74 ± 39.52)ng·L-1, 磺胺类][5]、珠江(2 030 ng·L-1)[6]和黄浦江(36.71~313.44 ng·L-1)[7]等河流中检出多种抗生素. 然而, 更值得关注的是, 长期低浓度抗生素污染会导致抗生素抗性基因(antibiotics resistance genes, ARGs)的产生和传播[8]. 据估算, 到2050年, 全球将有1 000万人死于抗性病原菌感染[9]. 因此, 世卫组织将抗生素耐药性作为21世纪人类面临的最严峻的健康问题之一[10].
河流作为ARGs和抗性病原菌的重要储库. 同时, 河流也是人类暴露ARGs的重要来源[11]. 近10年来, 越来越多的研究关注城市河流中ARGs. 如在北京潮白河中[12], 共检测到22种ARGs, 其中磺胺类(sulfonamide, SAs)和杆菌肽类(bacitracin, BC)ARGs的平均丰度最高；在江西抚河中[13], 共检出27种ARGs, 其中SAs和四环素类(tetracycline, TCs)是其主要ARGs；在黄河流域中[14]共检出58种ARGs亚型, 其中TCs类ARGs的检出率最高. 此外, 在印度的亚穆纳河中, 共检出139种ARGs亚型, 其中主要为氨基糖苷类(aminoglycoside, AGs：APH-Id和aadA)和β-内酰胺类(β-lactams)[15]. 由此可见, 不同河流中ARGs种类及其丰度均存在显著差异, 而微生物群落[16]、人类活动[17]和环境因素[18]都会影响河流中ARGs的赋存特征. 然而, 系统比较同一区域城市和农村河流沉积物中ARGs的赋存特征及其差异性的研究仍较为缺乏, 尤其是在典型制药城市.
石家庄作为我国重要的医药基地, 拥有华北制药、石药、神威药业和以岭药业等多家大型药企[19], 石家庄市医药产量约占全省总产量的80%以上. 在2018年, 石家庄化学原料药产量高达13万t, 约占全国年产量的40%[20]. 此外, 此前研究表明石家庄市城市河流(汪洋沟)中抗生素污染较为严重(喹诺酮类抗生素浓度高达2.5 × 103 ng·L-1)[21]. 然而, 目前有关石家庄市城市和农村河流中ARGs赋存特征空间差异性及其驱动因素的研究仍未见报道. 鉴于此, 为了阐明城市和农村河流中ARGs的时空分布特征及其主要影响因素, 本文选取石家庄典型城市河流(3条, 9个样点)和农村河流(2条, 6个样点)为研究对象, 分别于2020年12月和2021年4月采集表层沉积物样品, 运用宏基因组学的分析方法, 解析了石家庄市不同河流中ARGs的空间分布特征；同时, 将不同河流中ARGs种类和丰度进行比较, 阐明了不同河流中ARGs的时空差异性, 识别了其主要影响因素, 以期为典型制药城市和农村河流中ARGs的风险管控提供数据和方法支撑.
1 材料与方法 1.1 样品采集根据石家庄市土地利用类型和现场情况, 选取石家庄市3条城市河流(9个采样点)及2条农村河流(6个采样点)为研究对象(图 1). 其中, 农村河流包括磁河(CR)和浩河(HR), 其位于石家庄市西北部, 即石家庄市农村地区, 其主要受当地农业和水产养殖活动的影响；城市河流包括滹沱河(HTH)、汪洋沟(WYG)和洨河(XH), 其均位于城市东南部, 即石家庄市城区下游, 其主要受城市污水、工业废水和生活污水的影响.
|
图 1 石家庄市采样点示意 Fig. 1 Schematic diagram of sampling sites in Shijiazhuang City |
于2020年12月和2021年4月, 分别采集5条河流的沉积物样品[22]. 使用彼得森采泥器在每个样点采集3份0~3 cm沉积物样品, 除去石块、动植物碎屑等异物, 立即转移到无菌聚乙烯袋中塑封, 然后低温储存并运输到实验室[23]. 将沉积物样品转移至玻璃盘中进行冷冻干燥3~4 d (-80℃), 粉碎、研磨, 过40目筛后, 装袋冷冻保存[24]. 取少量样品(≥ 1 g)储存在-20℃的无菌管中用于DNA提取.
1.2 宏基因组分析 1.2.1 DNA提取利用E.Z.N.A.®Soil DNA Kit (Omega Bio-tek, 美国)试剂盒进行样品DNA抽提. 完成基因组DNA抽提后, 利用TBS-380检测DNA浓度, 利用NanoDrop200检测DNA纯度, 利用1%琼脂糖凝胶电泳检测DNA完整性. 通过Covaris M220(基因公司, 中国)将DNA片段化, 筛选约400 bp的片段, 用于构建PE文库, 样品需求量应不少于0.25 µg.
1.2.2 构建PE文库使用NEXTFLEXRapid DNA-Seq(Bioo Scientific, 美国)建库, 具体流程如下：①接头链接；②使用磁珠筛选去除接头自连片段；③利用PCR扩增进行文库模板的富集；④磁珠回收PCR产物得到最终的文库.
1.2.3 桥式PCR和测序使用Illumina NovaSeq6000(Illumina, 美国)测序平台进行宏基因组测序(上海美吉生物医药科技有限公司), 每组15个样品的总宏基因组数据约210 Gb, 每个样本的测序数据约为12~16 Gb不等, 具体流程如下：①文库分子一端与引物碱基互补, 经过一轮扩增, 将模板信息固定在芯片上；②固定在芯片上的分子另一端随机与附近的另外一个引物互补, 也被固定住, 形成“桥(bridge)”；③PCR扩增, 产生DNA簇；④DNA扩增子线性化成为单链；⑤加入改造过的DNA聚合酶和带有4种荧光标记的dNTP, 每次循环只合成一个碱基；⑥用激光扫描反应板表面, 读取每条模板序列第一轮反应所聚合上去的核苷酸种类；⑦将“荧光基团”和“终止基团”化学切割, 恢复3′端黏性, 继续聚合第二个核苷酸；⑧统计每轮收集到的荧光信号结果, 获知模板DNA片段的序列.
1.2.4 测序序列统计与质控在测序实验中采用多个样品平行混合测序, 各样品中的序列均引入了一段标示其样本来源信息的Index标签序列. 根据Index序列区分各个样品的数据, 提取出的数据以FASTQ格式保存. 基于原始测序数据, 剪切掉数据中的低质量及含N的reads, 获得后续分析需要的质量更好的序列.
1.3 数据分析方法使用Diamond(http://www.diamondsearch.org/index.php, version 0.8.35)将非冗余基因集的氨基酸序列与CARD(comprehensive antibiotic resistance database)数据库进行比对(BLASTP比对参数设置期望值e-value为1e-5), 获得基因对应的抗生素抗性功能注释信息, 然后使用抗生素抗性功能对应的基因丰度总和计算该抗生素抗性功能的丰度. 测序所得原始数据已提交到NCBI的SRA数据库, 登录号为PRJNA1001998.
使用SOAPaligner分别将每个样品的高质量reads与非冗余基因集进行比对, 统计基因在对应样品中的丰度信息. 基因丰度计算方法如下
reads number：基因丰度以该基因所包含的reads数来表示.
计算公式如下：
|
式中, Ri为Genei在某一样本中的丰度值, 即该样本中比对到Genei上的reads数.
使用ArcMap10.7软件绘制采样点点位图, 利用IBM SPSS Statistics 25软件进行数据处理与统计, 利用单因素方差分析和Pearson相关性分析对城市和农村河流ARGs丰度进行差异性显著检验. 使用Origin 2018软件绘制河流中主要ARGs的空间分布图, 以及各采样点中不同类ARGs浓度占比, 并通过美吉生信云分析平台进行聚类分析并绘制聚类分析热图. 利用Canoca 5软件进行PCA主成分分析.
2 结果与分析 2.1 不同河流沉积物中ARGs丰度及其空间分布特征在3条城市河流中ARGs丰度呈汪洋沟(10 168 ± 2 953, 丰度, 下同) > 洨河(3 340 ± 515) > 滹沱河(820 ± 365)的趋势[图 2(a)], 最大丰度出现在WYG_1(12 820), 而最小丰度出现在HTH_1(426). 其中, WYG_1所在区域建有两座集中式污水处理厂, 这可能与WYG_1处ARGs丰度较高有关；而WYG_2和WYG_3位于居民区, 并有一定规模的畜牧业[25], 因此该区ARGs的主要来源可能与养殖废水和居民生活污水有关[26].
|
图 2 石家庄市城市和农村河流沉积物中主要ARGs的空间分布 Fig. 2 Spatial distribution of ARGs in urban and suburban river sediments in Shijiazhuang City |
在2条农村河流中ARGs丰度呈磁河(1 402 ± 780) > 浩河(684 ± 69)的趋势[图 2(b)], 其中最大丰度出现在CR_1(2 250), 而最小丰度出现在HR_2(616). 整体而言, 磁河中ARGs的丰度高于浩河, 磁河附近建有横山岭水库, 水库常年受养殖业影响, 大量养殖废水不断排入造成磁河ARGs丰度更高[27].
各个区域沉积物中的ARGs总丰度也存在差异, 城市河流中ARGs丰度均值为4 776 ± 4 452, 而农村河流ARGs丰度均值为1 043 ± 632. 整体而言, 城市河流中的ARGs丰度大于农村河流, 且空间差异较为显著(P < 0.05), 这与先前的研究结果较为一致[17].
就ARGs类别而言, 在3条城市河流中, 共检出了16类ARGs[图 3(a)], 主要为SAs(27%, 相对丰度, 下同)、AGs(26%)和多药类(multidrug, MDs, 15%)ARGs. 这3类ARGs的相对丰度在汪洋沟和洨河中占比较高, 而在滹沱河中相对丰度则较低, 整体呈现南部多北部少的趋势. 而在农村河流中, 共检出了14类ARGs, 主要以MDs类ARGs为主, 其相对丰度为65%；MDs在磁河和浩河中的空间差异不显著. 将城市和农村河流沉积物中ARGs类别进行共线性网络分析[图 3(b)], 结果表明SAs、MDs和AGs位于该图的中心位置, 且农村河流中检出的14类ARGs在城市河流中均检出, 这表明城市和农村河流中ARGs的种类具有相似性.
|
(a)聚类分析, (b)共线性网络分析；HTH表示滹沱河, CR表示磁河, HR表示浩河, WYG表示汪洋沟, XH表示洨河, UR表示城市河流, RR表示农村河流；Antibiotic_ class表示根据ARGs所抵御的抗生素类别进行归类；线的粗细表示该功能中心系数值大小, 线越粗, 表示功能在网络中越重要；TCSs：三氯生, NCs：核苷类 图 3 城市和农村河流中各类ARGs相似性分析 Fig. 3 Similarity analysis of ARGs in urban and suburban rivers |
为阐明城市和农村河流中各类ARGs间的相关性, 本研究将城市和农村河流中ARGs进行相对丰度转化后, 进行Spearman相关性分析并绘制单因素相关性网络(图 4). 结果表明在城市河流中[图 4(a)], SAs、AGs、MDs、TCs、利胆醇类(phenicol, PNs)、大环内酯类(macrolides-lincosamids-streptogramins, MLS)、β-lactams和二氨基嘧啶类(diaminopyrimidine, DAPs)的ARGs呈显著正相关(P < 0.01), 而糖肽类(glycopeptide, GPs)与各类ARGs间呈显著负相关(P < 0.05或P < 0.01). 结果表明SAs、AGs、MDs、TCs、PNs、MLS、β-lactams和DAPs类的ARGs存在较高同源性, 且主要集中在汪洋沟和洨河；该区制药企业较多, 因此这几类ARGs可能与制药废水有关.
|
Antibiotic class表示根据ARGs所抵御的抗生素类别进行归类；红色表示功能之间正相关, 蓝色表示功能之间负相关；线的粗细表示相关性系数值的大小, 线越粗, 表示功能之间的相关性越高；线越多, 表示该功能与其他功能之间的联系越密切 图 4 石家庄市典型水体沉积物中各类ARGs相关性网络分析 Fig. 4 Correlation network analysis of ARGs in typical water sediments in Shijiazhuang City |
在农村河流中[图 4(b)], MDs和SAs的ARGs呈显著正相关(P < 0.05, r = 0.914)；氨基香豆素类(aminocoumarin, ACs)与肽类(peptide, PTs)、利福霉素类(rifamycin, RMs)、磷霉素类(fosfomycin, FMs)类ARGs呈负相关(P < 0.05, r = -0.899；P < 0.01, r = -0.928；P < 0.01, r = -0.986)；FMs与PTs和RMs类ARGs呈显著负相关(P < 0.05, r = 0.829, r = 0.886). GPs、氟喹诺酮(fluoroquinolone, FQNs)、RMs和AGs类ARGs呈显著相关, 其中GPs与FQNs和AGs类ARGs显著正相关(P < 0.05, r = 0.886, P < 0.01, r = 0.928), FQNs和RMs与AGs类ARGs呈显著正相关(P < 0.01, r = 0.986, P < 0.05, r = 0.899).
2.3 不同河流沉积物中ARGs亚型丰度空间分布特征在城市河流的沉积物样品中共检出162种ARG亚型(图 5), 其中, sul1(908 ± 897)、sul2(320 ± 269)、APH(6)-Id(277 ± 368)、ANT(3″)-IIa(271 ± 306)和tet(C)(245 ± 217)为丰度最高的5种. 在农村河流的沉积物样品中共检出79种ARG亚型(图 5), 其中, rpoB2(166 ± 71)、vanRO(58 ± 57)、mdtB(51 ± 45)、oqxB(45 ± 32)和mtrA(39 ± 20)为丰度最高的5种. 整体而言, 城市和郊区河流在ARGs亚型组成上呈显著空间差异[R(binary jaccard) = 0.627, R(bray_curtis) = 0.549, P < 0.01], 且在ARGs种类和丰度上城市河流均高于郊区河流[28].
|
(a)城市和农村河流中各ARGs亚型丰度分布热图, (b)各条河流中各ARGs亚型丰度分布热图；UR表示城市河流, RR表示农村河流, XH表示洨河, WYG表示汪洋沟, HTH表示滹沱河, HR表示浩河, CR表示磁河 图 5 城市河流和农村河流中各ARGs亚型丰度分布热图 Fig. 5 Heatmap of ARGs concentration distribution in different spatial samples |
就不同城市河流而言, 汪洋沟中各种ARGs丰度显著高于洨河和滹沱河. 其中, 主要ARGs为sul1、sul2、sul4、msrE、APH(6)-Id、mphE、EreA2、APH(3″)-Ib、aadA3、ANT(3″)-lla、tet(C)、floR和tet(G), 且ARGs丰度总体呈汪洋沟 > 洨河 > 滹沱河的趋势. 而在郊区河流中, ARGs丰度总体呈磁河 > 浩河的趋势, 且磁河不同种ARGs丰度较为接近, 而浩河不同种ARGs丰度差异较大, 其丰度占比最大的为rpoB2、rpoB和mtrA.
2.4 不同河流沉积物中ARGs的时间分布特征在城市河流的沉积物样本中, 12月共检出162种ARGs, ARGs总丰度为4 776 ± 4 452；而4月共检出148种, ARGs总丰度为5 673 ± 5 626. PCA分析结果表明[图 6(a)], 城市河流沉积物中ARGs整体上未呈现显著时间差异. 在农村河流的沉积物样本中, 12月共检出79种, ARGs总丰度为1 043 ± 632；而4月共检出46种, ARGs总丰度为467 ± 183. PCA分析结果表明[图 6(a)], 农村河流沉积物中ARGs的亚型种数和丰度均呈显著的时间差异. 因此, 与城市河流相比, 农村河流中ARGs更易受时间影响.
|
(a)城市和农村河流中各类ARGs, (b)不同城市河流中各类ARGs, (c)不同农村河流中各类ARGs；样本名称为“时间+地点”, 其中时间为2 020年12月和2 021年4月 图 6 石家庄市城市和农村河流沉积物中ARGs亚型PCA分析 Fig. 6 PCA diagram of ARGs in typical water sediment samples in Shijiazhuang City |
为研究不同河流的时间差异性, 分别对城市和农村各河流进行PCA分析. 就不同的城市河流而言[图 7(b)], 汪洋沟和滹沱河中ARGs呈现显著的时间差异, 而洨河未呈现显著的时间差异[汪洋沟R(bray_curtis) = 0.741, 滹沱河R(bray_curtis) = 0.593；洨河R(bray_curtis) = 0.481, P < 0.05]. 就不同的农村河流而言[图 7(c)], 磁河和浩河中ARGs均呈现显著的时间差异[磁河R(bray_curtis) = 0.889, 浩河R(bray_curtis) = 1, P < 0.05].
|
(a)12月城市和农村河流中ARGs与社会经济因子RDA, (b) 4月城市和农村河流中ARGs与社会经济因子RDA, (c) 12月不同河流中各类ARGsRDA分析, (d) 4月不同河流中各类ARGsRDA分析；UR表示城市河流, RR表示农村河流, XH表示洨河, WYG表示汪洋沟, HTH表示滹沱河, HR表示浩河, CR表示磁河 图 7 城市和农村河流沉积物中ARGs与环境影响因子的RDA分析 Fig. 7 Analysis of ARGs and environmental factors RDA in river sediments |
运用Spearman和RDA冗余分析, 筛选出与ARGs丰度相关的6种社会经济因子绘制RDA分析图, 其中社会经济因子数据通过整理该年统计年鉴, 根据河流流经区域估算所得. 整体而言, 在12月和4月城市河流各样点均较为分散, 而农村河流各样点则均集中在同一象限[图7(a)和7(b)], 这表明城市和农村河流沉积物中ARGs受以上社会经济因子的影响程度存在差异[29]. 就不同河流中各类ARGs与社会经济因子的相关性而言, 在12月, SAs、TCs和MLS与人口总数(total population, TP, P < 0.05, r = 0.630；P < 0.01, r = 0.665；P < 0.01, r = 0.675)、污水量(sewage, SEW, P < 0.05, r = 0.593, r = 0.594, r = 0.598)和工业企业数量(industrial enterprise, IE, P < 0.01, r = 0.762, r = 0.778, r = 0.777)呈显著正相关；在4月, SAs、AGs、TCs和MLS与TP (P < 0.05, r = 0.626, r = 0.604, r = 0.620, r = 0.622)和IE(P < 0.01, r = 0.750, r = 0.711, r = 0.786, r = 0.774)呈显著正相关, 且MLS与SEW呈显著正相关(P < 0.05, r = 0.521). 就城市河流中的ARGs而言, 汪洋沟主要受IE的影响, 滹沱河主要受牧业生产总值(livestock GDP, LGDP)的影响, 洨河主要受渔业生产总值(aquaculture GDP, AGDP)、SEW和TP的影响；就农村河流而言, 磁河和浩河均受到LGDP和医疗机构数量(health institution, HI)的影响.
3 讨论 3.1 不同河流沉积物中ARGs的种类差异就城市河流中ARGs种类而言, 石家庄城市河流沉积物中共检出162种ARGs, 主要为SAs和AGs类ARGs, 这与辽河(164种)、亚穆纳河(139种)的检出种类数大致相近, 但低于潮白河(442种)中检出的种类数. 在国内外不同城市河流沉积物中SAs和AGs类ARGs均广泛检出, 但检出丰度呈现差异(表 1). 例：在辽河(2.18 × 104~3.95 × 107 copies·L-1)和亚穆纳河(0.72 ± 0.08 copies, 相对于标记基因16S rRNA)中均检出SAs类ARGs, 但其丰度较低, 这可能与这两条河流流经城市区较少有关；而在黄浦江(4.19 × 105 copies·mL-1)和潮白河(1.06 × 10-1 copies, 相对于标记基因16S rRNA)流域该类ARGs检出丰度较高, 这可能与以上河流流经区域人口密度大有关. 此外, 在潮白河中, AGs类ARGs的检出丰度较低(8.2 × 10-2 copies, 相对于标记基因16S rRNA), 而此类ARGs则主要受制药企业影响. 石家庄城市河流中这两类ARGs检出最高, 表明石家庄城市河流中的ARGs受人口密度和制药企业的影响.
|
表 1 国内城市水体沉积物和农村水体沉积物检出ARGs种类对比 Table 1 Comparison of ARGs detected in urban and rural water sediments in China |
不同区域农村河流ARGs在种类和组成上均存在差异. 例如：石家庄农村河流以MDs、GPs和AGs类ARGs为主, 共检出了79种；而黄河流域农村河段(58种)和巴西南部河流(30种)则以β-lactam类ARGs为主, 这可能与黄河流域还有巴西南部河流集约化养殖业及农民住户的污水直排有关. 此外, 在广州市珠江农村水系中共检出18种ARGs, 其主要为SAs、PNs和AGs类, 而在长江支流和王峪河中分别检出18种和13种, 其主要为SAs和TCs类. 以上区域检出的ARGs种类较少可能与人口密度小和农业发展不完善有关.
由于城市河流和农村河流的功能不同, 城市河流主要接收工业废水、市政污水、生活污水以及其余混合污水, 与人类活动息息相关. 城市河流中各种有机和无机污染物含量高, 为微生物的繁殖提供充足的营养物质, 进一步促进了ARGs的传播和富集, 因此ARGs种类和丰度会相对较高. 总体而言, 石家庄城市河流中ARGs种类较多和丰度较高, 尤其在汪洋沟和洨河. 汪洋沟作为石家庄市高新技术开发区和经济技术开发区的一条主要排污河, 其河水主要来源是污水处理厂处理后达到纳管标准的综合废水；而洨河则作为接受生活污水的主要河流, 最终ARGs丰度呈现汪洋沟 > 洨河 > 滹沱河. 农村河流则主要受畜牧养殖、水产养殖或农业活动的影响；此外, 农村河流受自然条件、地理区域影响很大, 其主导的产业各有差异, 可能会造成不同区域农村河流中ARGs的组成存在差异, 磁河附近的横山岭水库常年受养殖业影响, 养殖废水未经妥善处理被排入磁河, 造成磁河ARGs丰度高于浩河.
3.2 河流中ARGs的时空分布特征及其主要影响因素河流中ARGs传播的影响因素主要包括环境因子、人为活动以及社会经济因子. 例如在潮白河中ARGs通过环境因子(如温度、重金属和营养物质)和抗生素引起非特异性的细菌免疫反应, 导致细菌耐药性增加, 加快了ARGs的传播[36]. 在闽江干流对ARGs的多样性、丰度和空间分布进行了研究, 结果表明在人口密度大的地区抗生素耐药性更严重, 大坝建设使ARGs丰富度和绝对丰度从上游到下游呈现降低趋势. 相比较而言, 在城市河流水体中具有较高丰度的可移动遗传因子, 这表明人类活动可能促进ARGs水平基因转移[37]. 在本文中, 石家庄城市河流受到人口数量的影响较大, 而人口数量对农村河流的影响较小, 由于城市区域人口密度较大, 相比之下石家庄城市河流的抗生素耐药性更严重. 而在时间关系上, 城市河流的ARGs丰度呈现12月< 4月, 城市区域冬季人类活动相对较少, 对ARGs影响也较小；农村河流的ARGs呈现12月> 4月, 农村区域受牧业养殖影响更大, 12月前后为养殖类消费高峰期, 农村区域的人类活动也会增加, 进而影响ARGs.
在嘉陵江某农区及其218个农村支流的地表水中, 研究表明支流ARGs的丰度明显高于干流；与干流相比, 支流中ARGs的空间变异性更显著, 同时Cu含量对河流ARGs的增加有显著贡献[38]. 在长江口水体和沉积物中, ARGs与污染物(如重金属和抗生素)呈正相关, 且污染物是ARGs的主要驱动因素[39].
经分析石家庄城市河流主要受工业企业数和渔业养殖影响较大, 石家庄作为典型制药城市, 制药企业会排出大量废水, 其中可能会导致水体中抗生素含量的上升, 进而影响ARGs. 已有研究表明, 抗生素在ARGs的发生和传播中发挥了重要作用[40]. 例如, 在海河流域, 磺胺类抗生素的浓度与磺胺类ARGs的丰度呈正相关[41]. 然而, 有其他研究表明, 抗生素浓度与相应的ARGs并没有直接关系[42]. 例如, 在长江下游(江苏段), 尽管氧氟沙星在沉积物中的含量最高(290~8 400 ng·kg-1), 但喹诺酮类ARGs丰度大小与喹诺酮类抗生素的总浓度无关[43]. 同样, 在上海典型的河流-水库系统中, 抗生素浓度和ARGs之间也没有显著相关性[42]. 到目前为止, 关于抗生素和ARGs之间的相关性仍然没有统一的结论. 石家庄农村河流受医疗企业数和牧业养殖的影响, 农村技术条件相对城市较为落后, 部分医疗机构产生的废水未能及时处理, 废水中可能含有重金属等有害物质, 对ARGs的产生和传播产生了影响. 已有研究表明重金属与ARGs也呈显著正相关[44]. 例如, 在广州城市河流中, tetA、tetB、tetC、tetM、qnrS和sul1与抗生素和重金属呈正相关[45]. 同样, 在中国东南部的东江, ARGs与重金属(如Cu和Zn)之间也存在显著的相关性[46]. 此外, 营养物质(包括硝酸盐和铵)对水中ARGs的分布具有协同作用[47]. 因此, 不同的河流中ARGs的主要影响因素存在一定差异.
4 结论(1) 在不同的河流上, 城市和农村河流沉积物中ARGs丰度均呈显著的空间分异特征；城市河流沉积物中ARGs丰度呈汪洋沟 > 洨河 > 滹沱河的趋势, 农村河流沉积物中ARGs丰度呈磁河 > 浩河的趋势.
(2) 在不同区域上, 城市河流沉积物中检出丰度较高的ARGs的种类更多, 主要以SAs和AGs类ARGs为主；而在农村河流沉积物中主要以MDs类ARGs为主, 且不同农村河流存在较大差异.
(3) 在时间变化上, 城市河流沉积物中的ARGs丰度整体呈现12月低于4月的趋势, 而在农村河流沉积物中的ARGs丰度则呈现12月高于4月的趋势.
(4) 社会经济因子影响城市和农村河流中的ARGs的种类和丰度, 主要因子有IE和LGDP等.
| [1] | Wang G A, Zhou S H, Han X K, et al. Occurrence, distribution, and source track of antibiotics and antibiotic resistance genes in the main rivers of Chongqing city, southwest China[J]. Journal of Hazardous Materials, 2020, 389. DOI:10.1016/j.jhazmat.2020.122110 |
| [2] | Cheng W X, Li J N, Wu Y, et al. Behavior of antibiotics and antibiotic resistance genes in eco-agricultural system: a case study[J]. Journal of Hazardous Materials, 2016, 304: 18-25. DOI:10.1016/j.jhazmat.2015.10.037 |
| [3] | He K, Soares A D, Adejumo H, et al. Detection of a wide variety of human and veterinary fluoroquinolone antibiotics in municipal wastewater and wastewater-impacted surface water[J]. Journal of Pharmaceutical and Biomedical Analysis, 2015, 106: 136-143. DOI:10.1016/j.jpba.2014.11.020 |
| [4] | Wu T Y, Zhang Y T, Wang B, et al. Antibiotic resistance genes in Chishui River, a tributary of the Yangtze River, China: Occurrence, seasonal variation and its relationships with antibiotics, heavy metals and microbial communities[J]. Science of the Total Environment, 2022, 846. DOI:10.1016/j.scitotenv.2022.157472 |
| [5] | Wang L F, Wang Y F, Li H, et al. Occurrence, source apportionment and source-specific risk assessment of antibiotics in a typical tributary of the Yellow River basin[J]. Journal of Environmental Management, 2022, 305. DOI:10.1016/j.jenvman.2021.114382 |
| [6] | Gao F Z, He L Y, Hu L X, et al. The variations of antibiotics and antibiotic resistance genes in two subtropical large river basins of south China: Anthropogenic impacts and environmental risks[J]. Environmental Pollution, 2022, 312. DOI:10.1016/j.envpol.2022.119978 |
| [7] | Jiang L, Hu X L, Xu T, et al. Prevalence of antibiotic resistance genes and their relationship with antibiotics in the Huangpu River and the drinking water sources, Shanghai, China[J]. Science of the Total Environment, 2013, 458-460: 267-272. DOI:10.1016/j.scitotenv.2013.04.038 |
| [8] | Dickinson A W, Power A, Hansen M G, et al. Heavy metal pollution and co-selection for antibiotic resistance: A microbial palaeontology approach[J]. Environment International, 2019, 132. DOI:10.1016/j.envint.2019.105117 |
| [9] | O'Neill J. Antimicrobial resistance: Tackling a crisis for the health and wealth of nations[M]. London: Review on Antimicrobial Resistance, 2014. |
| [10] | Shankar P R. Antimicrobial resistance: Global report on surveillance[J]. Australasian Medical Journal, 2014, 7: 237. |
| [11] | Lee J, Ju F, Maile-Moskowitz A, et al. Unraveling the riverine antibiotic resistome: The downstream fate of anthropogenic inputs[J]. Water Research, 2021, 197. DOI:10.1016/j.watres.2021.117050 |
| [12] | Chen H Y, Bai X M, Jing L J, et al. Characterization of antibiotic resistance genes in the sediments of an urban river revealed by comparative metagenomics analysis[J]. Science of the Total Environment, 2019, 653: 1513-1521. DOI:10.1016/j.scitotenv.2018.11.052 |
| [13] | Zhao Z, Li C C, Jiang L Y, et al. Occurrence and distribution of antibiotic resistant bacteria and genes in the Fuhe urban river and its driving mechanism[J]. Science of the Total Environment, 2022, 825. DOI:10.1016/j.scitotenv.2022.153950 |
| [14] | Yu Q L, Feng T S, Yang J W, et al. Seasonal distribution of antibiotic resistance genes in the Yellow River water and tap water, and their potential transmission from water to human[J]. Environmental Pollution, 2022, 292. DOI:10.1016/j.envpol.2021.118304 |
| [15] | Das B K, Behera B K, Chakraborty H J, et al. Metagenomic study focusing on antibiotic resistance genes from the sediments of River Yamuna[J]. Gene, 2020, 758. DOI:10.1016/j.gene.2020.144951 |
| [16] | Wang Z, Han M Z, Li E H, et al. Distribution of antibiotic resistance genes in an agriculturally disturbed lake in China: Their links with microbial communities, antibiotics, and water quality[J]. Journal of Hazardous Materials, 2020, 393. DOI:10.1016/j.jhazmat.2020.122426 |
| [17] | Elder F C T, Proctor K, Barden R, et al. Spatiotemporal profiling of antibiotics and resistance genes in a river catchment: Human population as the main driver of antibiotic and antibiotic resistance gene presence in the environment[J]. Water Research, 2021, 203. DOI:10.1016/j.watres.2021.117533 |
| [18] | Böger B, Surek M, De O Vilhena R, et al. Occurrence of antibiotics and antibiotic resistant bacteria in subtropical urban rivers in Brazil[J]. Journal of Hazardous Materials, 2021, 402. DOI:10.1016/j.jhazmat.2020.123448 |
| [19] | 周长铭. 探究我国生物制药技术的现状及趋势[J]. 中外企业家, 2018(3): 108. |
| [20] |
高银珍. 石家庄市生物医药产业集群竞争力评价与提升研究[D]. 石家庄: 河北科技大学, 2017. Gao Y Z. Research on evaluation and promotion of the cluster competitiveness of bio-medicine industry in Shijiazhuang[D]. Shijiazhuang: Hebei University of Science & Technology, 2017. |
| [21] |
剧泽佳, 赵鑫宇, 陈慧, 等. 石家庄市水环境中喹诺酮类抗生素的空间分布特征与环境风险评估[J]. 环境科学学报, 2021, 41(12): 4919-4931. Ju Z J, Zhao X Y, Chen H, et al. The characteristics of spatial distribution and environmental risk assessment for Quinolones antibiotics in the aquatic environment of Shijiazhuang City[J]. Acta Scientiae Circumstantiae, 2021, 41(12): 4919-4931. |
| [22] |
剧泽佳, 付雨, 赵鑫宇, 等. 喹诺酮类抗生素在城市典型水环境中的分配系数及其主要环境影响因子[J]. 环境科学, 2022, 43(9): 4543-4555. Ju Z J, Fu Y, Zhao X Y, et al. Distribution coefficient of quinolone antibiotics in typical urban water environment and its main environmental impact factors[J]. Environmental Science, 2022, 43(9): 4543-4555. |
| [23] | Guo X P, Liu X R, Niu Z S, et al. Seasonal and spatial distribution of antibiotic resistance genes in the sediments along the Yangtze Estuary, China[J]. Environmental Pollution, 2018, 242: 576-584. DOI:10.1016/j.envpol.2018.06.099 |
| [24] |
刘叶新, 周志洪, 区晖, 等. 珠江广州河段沉积物中典型抗生素的污染特征[J]. 华南师范大学学报(自然科学版), 2018, 50(4): 48-54. Liu Y X, Zhou Z H, Ou H, et al. Occurrence of typical antibiotics in sediments of Guangzhou section of the Pearl River[J]. Journal of South China Normal University (Natural Science Edition), 2018, 50(4): 48-54. |
| [25] |
刘潇. 汪洋沟入河抗生素废水污染源削减技术集成研究[D]. 石家庄: 河北科技大学, 2014. Liu X. Pollutant reduction technology integration of antibiotic wastewater in Wangyang ditch[D]. Shijiazhuang: Hebei University of Science & Technology, 2014. |
| [26] | Jiang Y H, Li M X, Guo C S, et al. Distribution and ecological risk of antibiotics in a typical effluent-receiving river (Wangyang River) in north China[J]. Chemosphere, 2014, 112: 267-274. DOI:10.1016/j.chemosphere.2014.04.075 |
| [27] | Tang T T, Chen Y, Du Y, et al. Effects of functional modules and bacterial clusters response on transmission performance of antibiotic resistance genes under antibiotic stress during anaerobic digestion of livestock wastewater[J]. Journal of Hazardous Materials, 2023, 441. DOI:10.1016/j.jhazmat.2022.129870 |
| [28] | Li R L, Zhu L J, Wang Y J, et al. Metagenomic insights into environmental risk of field microplastics in an urban river[J]. Water Research, 2022, 223. DOI:10.1016/j.watres.2022.119018 |
| [29] | Zhang L, Ji L, Liu X, et al. Linkage and driving mechanisms of antibiotic resistome in surface and ground water: Their responses to land use and seasonal variation[J]. Water Research, 2022, 215. DOI:10.1016/j.watres.2022.118279 |
| [30] | Zhang L L, Ju Z J, Su Z G, et al. The antibiotic resistance and risk heterogeneity between urban and rural rivers in a pharmaceutical industry dominated city in China: The importance of social-economic factors[J]. Science of the Total Environment, 2022, 852. DOI:10.1016/j.scitotenv.2022.158530 |
| [31] | Gao H, Zhao F Q, Li R J, et al. Occurrence and distribution of antibiotics and antibiotic resistance genes in water of Liaohe River Basin, China[J]. Journal of Environmental Chemical Engineering, 2022, 10(5). DOI:10.1016/j.jece.2022.108297 |
| [32] | Chen B W, Liang X M, Huang X P, et al. Differentiating anthropogenic impacts on ARGs in the Pearl River Estuary by using suitable gene indicators[J]. Water Research, 2013, 47(8): 2811-2820. DOI:10.1016/j.watres.2013.02.042 |
| [33] | Yang Y Y, Liu W Z, Xu C, et al. Antibiotic resistance genes in lakes from middle and lower reaches of the Yangtze River, China: effect of land use and sediment characteristics[J]. Chemosphere, 2017, 178: 19-25. DOI:10.1016/j.chemosphere.2017.03.041 |
| [34] | Zhang J J, Chen J, Wang C, et al. Distribution characteristics and controlling factors of typical antibiotics and antibiotic resistance genes in river networks in western area of Wangyu River, China[J]. Water Science and Engineering, 2022, 15(4): 318-327. DOI:10.1016/j.wse.2022.08.001 |
| [35] | Thompson C, Garcia G, Masi B P, et al. Brumadinho dam collapse induces changes in the microbiome and the antibiotic resistance of the Paraopeba River (Minas Gerais, Brazil)[J]. Science of the Total Environment, 2023, 865. DOI:10.1016/j.scitotenv.2022.161278 |
| [36] | Wu Y, Qi D Q, Yao H, et al. Antibiotic resistome and its driving factors in an urban river in northern China[J]. Science of the Total Environment, 2022, 838. DOI:10.1016/j.scitotenv.2022.156536 |
| [37] | Huang Y L, Wang F P, Li Y, et al. Influence of anthropogenic disturbances on antibiotic resistance gene distributions along the Minjiang River in Southeast China[J]. Journal of Environmental Management, 2022, 323. DOI:10.1016/j.jenvman.2022.116154 |
| [38] | Lu L, He Y, Peng C, et al. Dispersal of antibiotic resistance genes in an agricultural influenced multi-branch river network[J]. Science of the Total Environment, 2022, 830. DOI:10.1016/j.scitotenv.2022.154739 |
| [39] | Chen Y R, Guo X P, Niu Z S, et al. Antibiotic resistance genes (ARGs) and their associated environmental factors in the Yangtze Estuary, China: From inlet to outlet[J]. Marine Pollution Bulletin, 2020, 158. DOI:10.1016/j.marpolbul.2020.111360 |
| [40] | Rodriguez-Mozaz S, Chamorro S, Marti E, et al. Occurrence of antibiotics and antibiotic resistance genes in hospital and urban wastewaters and their impact on the receiving river[J]. Water Research, 2015, 69: 234-242. DOI:10.1016/j.watres.2014.11.021 |
| [41] | Luo Y, Mao D Q, Rysz M, et al. Trends in antibiotic resistance genes occurrence in the Haihe River, China[J]. Environmental Science & Technology, 2010, 44(19): 7220-7225. |
| [42] | Li P, Wu Y F, He Y L, et al. Occurrence and fate of antibiotic residues and antibiotic resistance genes in a reservoir with ecological purification facilities for drinking water sources[J]. Science of the Total Environment, 2020, 707. DOI:10.1016/j.scitotenv.2019.135276 |
| [43] | Zhang G D, Lu S Y, Wang Y Q, et al. Occurrence of antibiotics and antibiotic resistance genes and their correlations in lower Yangtze River, China[J]. Environmental Pollution, 2020, 257. DOI:10.1016/j.envpol.2019.113365 |
| [44] | Lu L H, Liu J, Li Z, et al. Antibiotic resistance gene abundances associated with heavy metals and antibiotics in the sediments of Changshou Lake in the three Gorges Reservoir area, China[J]. Ecological Indicators, 2020, 113. DOI:10.1016/j.ecolind.2020.106275 |
| [45] | Huang Y H, Liu Y, Du P P, et al. Occurrence and distribution of antibiotics and antibiotic resistant genes in water and sediments of urban rivers with black-odor water in Guangzhou, South China[J]. Science of the Total Environment, 2019, 670: 170-180. DOI:10.1016/j.scitotenv.2019.03.168 |
| [46] | Su H C, Pan C G, Ying G G, et al. Contamination profiles of antibiotic resistance genes in the sediments at a catchment scale[J]. Science of the Total Environment, 2014, 490: 708-714. DOI:10.1016/j.scitotenv.2014.05.060 |
| [47] | Guo J, Zheng Y Y, Teng J H, et al. The seasonal variation of microbial communities in drinking water sources in Shanghai[J]. Journal of Cleaner Production, 2020, 265. DOI:10.1016/j.jclepro.2020.121604 |