2025, Vol. 46
2. 新疆土壤与植物生态过程重点实验室，乌鲁木齐 830052
2. Xinjiang Key Laboratory of Soil and Plant Ecological Processes, Urumqi 830052, China
抗生素在人类医疗健康事业、畜牧业以及农业等产业发挥着巨大作用. 然而，由于抗生素的大量生产和过度使用导致环境中抗生素残留量持续升高[1]. 大量残余抗生素给微生物带来了巨大的环境选择压力，进而促进耐药性的产生，同时催生出一种新型的环境污染物——抗生素抗性基因（antibiotics resistance genes，ARGs）[2]，这也被认为是本世纪环境问题和全球性挑战问题之首[3]. 为此，世界卫生组织在2011年发出了“遏制耐药——今天不采取行动，明天就无药可用”的警告，并于2015年发起微生物耐药性全球行动计划. 我国卫生健康委等13部门于2022年联合制定了《遏制微生物耐药国家行动计划（2022~2025年）》，旨在应对当前紧迫的病原微生物耐药形势.
土壤是抗生素和ARGs的重要来源及储存库之一[4]，而农田土壤则是ARGs向人体传播的主要环境[5]. 由于过量使用，抗生素在生物体内无法被完全代谢，未被代谢的抗生素以排泄物的形态，通过有机肥或粪肥施用、污泥农用以及再生水灌溉等方式进入到农田生态系统中[6]. 冉继伟等[7]通过收集整合分析2000~2020年间的超200组数据发现，施用有机肥使农田中ARGs的数量和相对丰度分别增加了110%和91%. 长期施用城市污泥和鸡粪则会显著增加土壤ARGs中丰度和多样性[8]. 废水灌溉导致抗生素积聚在蔬菜的可食用部分，通过食物链传递诱导人体肠道微生物产生耐药性[9]. 然而，环境中ARGs的产生并不是由抗生素这一单一因子所决定的. 有研究指出污水处理厂中的重金属含量与ARGs显著相关，并且会迫使微生物产生金属抗性基因（metal resistance genes，MRGs）[10]，从而形成了ARGs与MRGs的共选择机制[11].
调研结果显示我国农资市场常售农药制剂中均存在一定剂量的重金属，如As、Pb、Cd及Cr等（含量均为0.78~21.2 mg·kg-1），而在非Cu/Zn农药中，ω（Cu）和ω（Zn）高达9.22 mg·kg-1和18.1 mg·kg-1[12]. 除了抗生素以外，畜禽养殖业过度使用重金属制剂，导致大量残余重金属以粪肥施用的途径进入到土壤中，进而增加了土壤中MRGs的丰度[13]. Yi等[14]研究发现，环境中重金属的选择压力可能会推动ARGs和MRGs的共存. 此外，Liu等[15]发现与再生废水灌溉相比，种植制度对温室土壤中抗生素抗性基因组合的影响更强. 这表明，种植制度会影响ARGs在环境中的流行和分布. 然而，针对当前普通存在的集约化连作种植模式，目前鲜有连作模式下农田土壤ARGs赋存特征的相关报道.
随着集约化农业的高速发展，作物复种指数不断提升. 连作致使土壤理化性质、养分特征以及土壤微生物群落结构发生显著变化[16]. 持续的单一类型作物种植会引入特定的环境选择压力，可能会促进某些特定微生物的增殖，进而使土壤抗生素抗性基因组发生改变[17，18]. 尽管有研究指出在不同作物土壤中ARGs的种类组成和丰度水平存在显著差异[19，20]，但目前并不清楚在集约化连作种植模式下ARGs赋存特征的影响因素及其与MRGs的相关性. 因此，本文以新疆干旱区特色经济作物棉花为研究对象，采用宏基因组测序的方法，分析了不同连作程度棉田土壤ARGs和MRGs的多样性、分布特征以及影响因素，以期为干旱区农田土壤健康风险防控提供新的数据支撑.
1 材料与方法 1.1 样品采集本研究供试土壤选自石河子147团不同连作年限棉田土壤：以撂荒地（CK）、连作7 a（L）、连作18 a（M）以及连作33 a（H）棉田为研究对象. 为避免空间因子差异过大，所选样地间直线距离均在5 km以内. 本试验于2023年6月进行土样采集. 去除地表凋落物和腐殖质层后，使用内径5 cm土钻采集表层（0~20 cm）的土壤样品. 每块样地采集4个重复样品，去除植物残体及石砾，一份冰盒带回实验室-80℃保存，用以宏基因组检测；另一份装自封袋带回实验室自然风干后过2 mm筛后用于理化性质检测.
1.2 土壤化学性质检测土壤化学性质检测参照《土壤农化分析》（第三版）[21]. 土壤pH测定采用电位法；电导率测定采用电导法；土壤全氮及碱解氮分别使用半微量凯氏法及碱解扩散法测定；使用H2SO4-HClO4-钼锑抗比色法测定土壤总磷，采用NaHCO3浸提-钼锑抗比色法测定土壤速效磷；土壤总钾及速效钾的测定分别使用NaOH熔融-火焰光度法和乙酸铵浸提-火焰光度计法；土壤各样品有机碳（soil organic carbon，SOC）的测定采用重铬酸钾外加热法.
1.3 宏基因组测序根据土壤DNA提取试剂盒（FastDNA® Spin Kit for Soil，美国MP公司）操作说明提取样本DNA. 为保证后期建库质量，首先使用琼脂糖凝胶电泳检测所提取DNA的完整性，其次使用Qubit3.0荧光定量仪检测各DNA样品质量和浓度. 检测合格后，用超声波法随机打断质检合格的DNA样品，对片段化的DNA依次进行末端修复、3′端加（poly）A尾、连接测序接头、连接产物磁珠法纯化、PCR扩增、扩增产物再次使用磁珠法纯化后最终形成测序文库. 再次使用Qubit3.0荧光定量仪对文库进行定量和质检，文库质检合格后用Illumina测序仪进行上机测序. 对测序所得原始reads进行质量控制并过滤得到Clean reads，并对其进行拼接组装、预测编码基因和构建非冗余基因集. 将非冗余基因与CARD（comprehensive antibiotic resistance database）以及BacMet（antibacterial biocide and metal resistance genes database）数据库分别进行比对以获得ARGs以及MRGs的丰度.
1.4 数据分析本文所有的数据分析均在R语言（v4.3.1）中完成. 在未加特殊说明情况下，使用“ggplot2”包完成图的绘制[22]. 为了比较不同丰富度ARGs及MRGs的分配模式，将检出率为100%的ARGs及MRGs定义为“丰富”，其余的定义为“稀有”[23]. 参照Gweon等[24]计算各类ARGs的特异性及占有率，选择特异性和占有率均≥0.7即为该组的特化ARGs，以此来探究各ARGs在各个分组中的分布情况和生境特异性.使用“Hmisc”包计算ARGs与MRGs基于Spearman的相关性系数，其阈值为|r| > 0.7（P < 0.05）[25]. 网络相关性结果、网络模块内及模块间连通度（Zi-Pi）等可视化使用“microeco”包完成[26]. ARGs及MRGs与不同环境因子相关性（Mantel test）使用“vegan”包完成[27]. ARGs与MRGs两者之间的一致性采用普鲁克分析（Procrustes）的方法进行评估. 组间差异显著性分析采用方差分析和Kruskal-Wallis秩和检验进行. 当满足方差分析的条件时使用Tukey HSD检验，否则使用秩和检验.
2 结果与分析 2.1 土壤基本理化性质由表 1可知，棉田土壤主要理化性质与撂荒地显著不同. 连作33 a（H）后棉田土壤pH显著低于7 a连作棉田土壤（L）. 尽管种植棉花显著降低了土壤中的电导率，但检测结果表明长期连作土壤电导率会有所增加. 棉花种植显著改变了SOC含量，但是随着连作年限的增长SOC含量并无明显变化. 此外，长期连作显著增加了全磷含量及速效磷含量. 如连作7 a土壤速效磷含量为20.15 mg·kg-1，连作33 a土壤速效磷含量为24.68 mg·kg-1，增加了22.48%. 连作对全钾含量的影响呈先增加后降低的趋势. 但统计结果显示长期连作对土壤碱解氮含量及速效钾含量的影响并不显著.
|
表 1 不同连作年限棉田土壤理化性质1） Table 1 Physical and chemical properties of soil in cotton fields with different years of continuous cropping |
2.2 不同连作年限棉田土壤ARGs及MRGs的组成
注释结果显示在不同连作棉田土壤中总计检出1 181个ARGs. 其中有617个ARGs在所有地块中均有检出；144个为撂荒地独有ARGs，45个ARGs仅在连作7 a棉田土壤中有检出；连作18 a棉田土壤独有ARGs为46个；另有43个ARGs仅在连作33 a的棉田土壤中检测到[图 1（a）]. 所有样本中总检出MRGs 506个，其中随连作程度的增加各组中独有检出MRGs依次为10、3、5及5个[图 1（b）].
|
圆点颜色表示不同分组，连线表示不同分组样本基因序列的相交情况（与上方柱状图对应），不同颜色柱子表示对应分组样本中的独有基因数目 图 1 不同连作程度棉田ARGs和MRGs分布的UpSet图 Fig. 1 UpSet analysis of ARGs and MRGs across different continuous cropping years in a cotton field |
在不同连作年限棉田土壤中检出的ARGs分别为27种不同的类型. 其中以多重耐药性抗性基因相对丰度最高（34.98%~36.19%），但在各组之间并无显著差异；其次是四环素类抗性基因，在CK组相对丰度为15.66%显著低于其它3组（17.26%~17.91%），但在不同连作年限棉田之间并无显著差异. 相对丰度大于2%的ARGs如图 2（a1）所示. 相对丰度最高的为macB. CK组中macB相对丰度为7.80%显著低于M和H组（10.12%，9.50%），但与L组无显著差异（8.75%）. 其次是TxR、evgS和tetA（58）. 其中TxR（4.84%~9.45%）及evgS（3.78%~5.30%）两种抗性基因在撂荒地中的相对丰度显著低于连作棉田土壤. 而与此相反的是tetA（58）在撂荒地中的相对丰度为4.49%，显著高于连作棉田土壤（3.52%~3.61%）.
|
不同分组中：（a1）和（a2）分别表示ARGs和MRGs的相对丰度（仅展示相对丰度大于2%的ARGs和MRGs），（b）表示各组核心和稀有ARGs和MRG的相对丰度 图 2 不同分组中ARGs和MRGs相对丰度 Fig. 2 Barplot of ARGs and MRGs relative abundance in each group |
如图 2（a2）所示，总计注释出8个相对丰度大于2%的MRGs，统计结果显示这些MRGs在连作棉田土壤中并无显著差异. 相对丰度最高的为fabL/ygaA. 在撂荒地中fabL/ygaA丰度为4.41%，与L组（4.14%）无显著差异，但显著高于M组和H组. 另外，注释结果显示撂荒地中的wtpC、tupC和fbpC均显著低于连作棉田土壤，而corR、nrsS、zraR/hydH以及copR则呈相反趋势. 通过进一步分析不同样本的核心及稀有ARGs和MRGs发现，棉花连作并不会显著改变ARGs的丰度，但会显著增加核心MRGs的相对丰度[图 2（b）].
为了探讨不同连作程度土壤中抗生素抗性基因组分布不同的潜在机制，利用特异性-占有率图对各组中ARGs的分布情况以及环境异质性进行了分析（图 3）. 结果表明，各组ARGs的特异性-占有率变化很大. 在CK组中总计发现54个特异ARGs. 这些ARGs分别为4种不同的抗性机制. 其中以抗生素失活的方式居多（inactivation），共发现38种ARGs. 另有2种ARGs通过替换靶点（target replacement）的方式使宿主产生抗性，6种ARGs抗性机制为外泵（effux）；8种ARGs抗性机制为改变作用靶点（target alteration）；在L组中仅发现3个特化ARGs，抗性机制为抗生素失活和替换靶点；在M组总计发现13个特化ARGs，其中有11个ARGs的抗性机制为抗生素失活；在H组中发现6个特化ARGs，抗性机制均为抗生素失活.
|
X轴表示占有率，Y轴表示特异性；选择特异性和占有率≥0.7的ARGs，即为该组的特化ARGs，用红色虚框表示 图 3 不同连作程度棉田土壤ARGs的特异性-占有率 Fig. 3 Specificity and occupancy of ARGs in cotton field soils with different degrees of continuous cropping |
研究区域中ARGs与MRGs的相关性分析如图 4所示，在共发生网络中（Spearman's |r| > 0.7，P < 0.05），总计有163个节点，平均度指数为28.45，平均路径长度为2.13，网络聚类系数为0.69，共分为7个网络模块；另外在互作网络中总计有2 319条边，其中有1 153条边为负相关，1 166为正相关. 通过计算Zi和Pi指数发现actP基因是研究区域ARGs与MRGs共发生网络中的关键拓扑节点，注释结果显示actP基因为一种铜抗性基因. 普鲁克分析结果进一步表明，两者之间存在极显著的一致性[M2=0.058 6，P=0.001，图 4（c）].
|
（a）为ARGs与MRGs网络共现性分析（Spearman's r > 0.7或 < -0.7，P < 0.05），节点大小反映与该基因相关的其它基因数目多少；（b）为网络中各节点拓扑特征的Zi-Pi指数，（c）为基于PCoA（Bray-Curtis）的ARGs与MRGs普鲁克分析 图 4 ARGs与MRGs网络共现性分析及普鲁克分析 Fig. 4 Co-occurrence networks and Procrustes analysis of ARGs and MRGs |
环境因子相关性分析结果表明（图 5），除了pH、土壤总磷及土壤速效钾含量之外，电导率与所有其它因子均为显著负相关；土壤pH与总钾含量显著正相关（Spearmans' r=0.64，P < 0.01）；土壤SOC与土壤碱解氮、速效钾、总氮以及总磷含量均为显著正相关. 此外，随着连作年限的增长pH显著降低，与此相反的是磷及SOC含量显著增加. Mantel检验结果表明，不同连作程度棉田土壤ARGs及MRGs与pH、碱解氮、总氮以及总钾不相关（Mantels' P > 0.05）. 尽管电导率与多数环境因子负相关，但与ARGs（Mantels' r=0.69，Mantels' P=0.001）及MRGs（Mantels' r=0.74，Mantels' P=0.001）显著正相关. 值得注意的是连作年限与ARGs（Mantels' r=0.327，Mantels' P=0.007）及MRGs（Mantels' r=0.306，Mantels' P=0.017）存在显著但较弱的相关性.
|
使用Spearman检验各环境因子之间的两两相关性，方框的大小表示相关性的强弱关系（P < 0.05，**P < 0.01，***P < 0.001）；ARGs和MRGs与各环境因子间的相关性分析使用Mantel检验（999次置换） 图 5 ARGs与MRGs赋存模式与环境因子的相关性 Fig. 5 Correlation of ARGs and MRGs distribution with environmental factors |
当前ARGs已然成为主要的农田土壤生物污染类型[28]. 有学者通过对全球1 088个土壤样本的宏基因组学数据分析发现，农业土壤中的ARGs丰度高于非农业土壤[29]. 除了大量除草剂和杀虫剂的使用外，农田土壤环境抗药性问题产生与粪肥和再生水或污泥的应用有关. 有研究指出现用污水处理工艺很难有效去除污水中的抗生素及ARGs[30]，而用污水灌溉可使土壤中ARGs富集高达8 000倍以上[31]，污泥的长期施用则导致ARGs富集高达3 000倍以上[32]. 本研究采用宏基因组技术对棉田土壤抗生素抗性基因进行了分析检测，用以研究连作棉田土壤中ARGs的分布特征及影响因素. 结果显示，棉田连作在一定程度上改变了土壤ARGs的分布特征（图 1）. 不同组内出现了一些特有ARGs和MRGs，这说明现有集约化的连作模式会在一定程度上改变农田土壤ARGs和MRGs的赋存特征. 在不同组内检出种类和丰度最高的是多重药性抗性基因，其中丰度最高的为macB（图 2）. macB是一种大环内酯类的抗性基因，其抗性机制是借助机械作用外排抗生素[33]. 此外，特异性-占有率分析结果发现棉田土壤ARGs的抗性机制具有一定的生境异质性. 这可能与棉田的不同连作程度有关（图 5）. 因此，在土壤大健康（one health）理念的背景下，未来应重点关注集约化连作农田土壤的环境抗药性问题.
3.2 连作棉田土壤ARGs及MRGs的相关性分析环境中ARGs的产生并不是仅由抗生素决定，而是受多种环境因子影响决定的[34]. 有研究发现土壤中的Hg含量与ARGs丰度显著正相关[35]，可能的原因在于金属（如Cu、Zn、As、Cd和Hg等）可以驱使一些革兰氏阴性菌（Aeromonas、Comamonas、Pseudomona、Shewanella和Vibrio）产生耐药性[36]. 因此，环境中普遍存在抗生素与金属的共选择抗性[37]. 本研究中普鲁克分析结果表明ARGs与MRGs具有显著的一致性（图 4）. 在共现性网络拓扑结构分析结果发现，一种铜抗性基因（actP）在维持ARGs与MRGs共现性方面具有重要作用. 这可能是由于除草剂和杀虫剂等农药带来的环境选择压力导致农田土壤微生物产生了协同抗性. 多数农药中含有一定剂量的重金属（如Cu和Zn），与抗生素诱导微生物产生协同抗性，并对ARGs的产生和传播具有重要影响[38]. 此外，在有机农业中有机肥的使用也加剧了这一风险. 为降低畜禽病死病害率，养殖过程中通常会使用大量抗生素和部分重（类）金属制剂，代谢不完全的抗生素和部分重（类）金属制剂随粪肥施用进入到土壤中，促进了ARGs和MRGs的共存及传播，严重威胁农业生态系统健康[39].
3.3 干旱区连作棉田土壤抗性基因的驱动机制土壤理化性质在塑造土壤抗生素抗性基因组方面具有重要作用[40]. 先前的研究表明土壤pH是影响土壤微生物群落结构与功能的重要基础因子[41]. 在中性土壤环境中ARGs的多样化程度最高[42]，而在酸性环境（pH：4.0~5.5）中与ARGs的组成显著正相关[43]. 然而在本研究中棉田土壤pH与ARGs的组成并不相关，但与电导率显著正相关（图 5）. 这可能是因为本研究区域土壤为偏碱性环境有关. 盐度被认为是影响土壤中抗生素抗性基因（ARGs）种类和分布的重要因素之一. 有研究指出土壤盐碱化可改变细菌的抗生素抗性组，并提高ARGs的多样性[44]. 但Sun等[45]的研究发现盐度对ARGs具有低剂量促进和高剂量抑制的作用. 因此，关于干旱区土壤pH及盐度对抗生素抗性基因组形成过程的作用机制仍有待进一步研究.
干旱区连作棉田土壤中ARGs组成与SOC显著正相关，这与之前的研究结果相一致[46]，可能的原因在于SOC对抗生素有一定的吸附能力[47]. Mantel检验结果表明，土壤总磷及速效磷与ARGs及MRGs显著正相关（Mantels' P=0.001）. 有研究表明长期施磷肥可以显著改变土壤功能微生物和基因的丰度组成[48]，但其对土壤抗性基因组的影响机制仍不清楚. 此外，分析结果表明连作年限与ARGs及MRGs组成显著正相关（图 5）. 有研究表明蔬菜根际与非根际土壤中重叠的微生物可能会驱动ARGs转移到植物体中[49]，进而沿食物链等途径进入人体[50]. 在当前大力推进农业绿色可持续发展的背景下，农田土壤安全问题是事关土壤大健康的关键问题. 然而本研究并未检测连作棉田根际土壤的抗生素抗性基因组. 根际是土壤微生物抗性到植物微生物抗性的可能传播载体[51]，根际同样也是抵御植物致病菌的第一道屏障，因此未来应系统研究作物根际与非根际土壤微生物抗生素抗性基因组.
4 结论（1）不同连作程度棉田土壤抗生素抗性基因以及金属抗性基因的种类和丰度不同，集约化的连作模式可能会影响土壤抗生素抗性基因及金属抗性基因的赋存特征.
（2）棉田土壤ARGs与MRGs两者之间存在显著一致性；在两者相关性网络中，actP基因是连接不同网络模块的关键节点.
（3）土壤pH与ARGs及MRGs的组成无显著相关性；电导率及SOC与ARGs及MRGs的组成显著正相关；连作模式下电导率和SOC是干旱区棉田土壤抗性基因组赋存模式的主要驱动力.
| [1] | Zhu Y G, Zhao Y, Zhu D, et al. Soil biota, antimicrobial resistance and planetary health[J]. Environment International, 2019, 131. DOI:10.1016/j.envint.2019.105059 |
| [2] | Pruden A, Pei R T, Storteboom H, et al. Antibiotic resistance genes as emerging contaminants: studies in northern colorado[J]. Environmental Science & Technology, 2006, 40(23): 7445-7450. |
| [3] | Tiedje J M, Wang F, Manaia C M, et al. Antibiotic resistance genes in the human-impacted environment: a one health perspective[J]. Pedosphere, 2019, 29(3): 273-282. |
| [4] | Martínez J L. Antibiotics and antibiotic resistance genes in natural environments[J]. Science, 2008, 321(5887): 365-367. |
| [5] |
李泽楷, 韩淼, 秦超, 等. 土壤环境中抗生素抗性基因污染研究进展和热点分析[J]. 生态与农村环境学报, 2024, 40(1): 11-22. Li Z K, Han M, Qin C, et al. Research progress and hot spot analysis on antibiotic resistance gene pollution in soil environment[J]. Journal of Ecology and Rural Environment, 2024, 40(1): 11-22. |
| [6] |
张宁, 李淼, 刘翔. 土壤中抗生素抗性基因的分布及迁移转化[J]. 中国环境科学, 2018, 38(7): 2609-2617. Zhang N, Li M, Liu X. Distribution and transformation of antibiotic resistance genes in soil[J]. China Environmental Science, 2018, 38(7): 2609-2617. |
| [7] |
冉继伟, 肖琼, 黄敏, 等. 施肥对农田土壤抗生素抗性基因影响的整合分析[J]. 环境科学, 2022, 43(3): 1688-1696. Ran J W, Xiao Q, Huang M, et al. Impacts of fertilization on soil antibiotic resistance genes across croplands: a meta-analysis[J]. Environmental Science, 2022, 43(3): 1688-1696. |
| [8] | Liu W, Ling N, Guo J, et al. Dynamics of the antibiotic resistome in agricultural soils amended with different sources of animal manures over three consecutive years[J]. Journal of Hazardous Materials, 2021, 401. DOI:10.1016/j.jhazmat.2020.123399 |
| [9] | Gudda F O, Waigi M G, Odinga E S, et al. Antibiotic-contaminated wastewater irrigated vegetables pose resistance selection risks to the gut microbiome[J]. Environmental Pollution, 2020, 264. DOI:10.1016/j.envpol.2020.114752 |
| [10] | Selvam A, Xu D L, Zhao Z Y, et al. Fate of tetracycline, sulfonamide and fluoroquinolone resistance genes and the changes in bacterial diversity during composting of swine manure[J]. Bioresource Technology, 2012, 126: 383-390. |
| [11] | Di Cesare A, Eckert E M, D'Urso S, et al. Co-occurrence of integrase 1, antibiotic and heavy metal resistance genes in municipal wastewater treatment plants[J]. Water Research, 2016, 94: 208-214. |
| [12] |
叶雪珠, 陈德, 肖文丹, 等. 不同类型农药中重金属分布特征及风险分析[J]. 农药学学报, 2023, 25(1): 227-236. Ye X Z, Chen D, Xiao W D, et al. Distribution characteristics and risk analysis of heavy metals in pesticides[J]. Chinese Journal of Pesticide Science, 2023, 25(1): 227-236. |
| [13] | Zhang N, Juneau P, Huang R L, et al. Coexistence between antibiotic resistance genes and metal resistance genes in manure-fertilized soils[J]. Geoderma, 2021, 382. DOI:10.1016/j.geoderma.2020.114760 |
| [14] | Yi X Z, Liang J L, Su J Q, et al. Globally distributed mining-impacted environments are underexplored hotspots of multidrug resistance genes[J]. The ISME Journal, 2022, 16(9): 2099-2113. |
| [15] | Liu Y, Neal A L, Zhang X X, et al. Cropping system exerts stronger influence on antibiotic resistance gene assemblages in greenhouse soils than reclaimed wastewater irrigation[J]. Journal of Hazardous Materials, 2022, 425. DOI:10.1016/j.jhazmat.2021.128046 |
| [16] |
瞿瑜婷, 张前前, 俞叶飞, 等. 根际微生态视角下药用植物连作障碍机制和缓解措施研究进展[J]. 浙江大学学报(农业与生命科学版), 2022, 48(4): 403-414. Qu Y T, Zhang Q Q, Yu Y F, et al. Research advances on mechanisms and preventions of the medicinal plants' continuous cropping obstacles from the perspective of rhizosphere microecology[J]. Journal of Zhejiang University (Agriculture & Life Sciences), 2022, 48(4): 403-414. |
| [17] |
焦硕, 戚杰军, 刘纪爱, 等. 旱区土壤微生物组与土壤健康评价[J]. 土壤学报, 2023, 60(5): 1350-1362. Jiao S, Qi J J, Liu J A, et al. Soil microbiome and soil health assessment in arid regions[J]. Acta Pedologica Sinica, 2023, 60(5): 1350-1362. |
| [18] |
生弘杰, 王芳, 相雷雷, 等. 土壤中抗生素抗性基因的环境行为与阻控研究进展[J]. 土壤学报, 2023, 60(1): 39-49. Sheng H J, Wang F, Xiang L L, et al. Environmental behavior and control of antibiotic resistance genes in soil-a review[J]. Acta Pedologica Sinica, 2023, 60(1): 39-49. |
| [19] |
黄福义, 周曙仡聃, 王佳妮, 等. 不同作物农田土壤抗生素抗性基因多样性[J]. 环境科学, 2021, 42(6): 2975-2980. Huang F Y, Zhou S Y D, Wang J N, et al. Profiling of antibiotic resistance genes in different Croplands[J]. Environmental Science, 2021, 42(6): 2975-2980. |
| [20] |
黄福义, 周曙仡聃, 苏建强, 等. 荒漠绿洲土壤抗生素抗性基因分布特征及驱动机制[J]. 环境科学, 2023, 44(7): 4052-4058. Huang F Y, Zhou S Y D, Su J Q, et al. Distribution and driving mechanisms of antibiotic resistance genes in desert-oasis continuum[J]. Environmental Science, 2023, 44(7): 4052-4058. |
| [21] | 鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000, (第三版). |
| [22] | Wickham H. ggplot2[J]. WIREs Computational Statistics, 2011, 3(2): 180-185. |
| [23] | Jiang C X, Zhao Z L, Zhu D, et al. Rare resistome rather than core resistome exhibited higher diversity and risk along the Yangtze River[J]. Water Research, 2024, 249. DOI:10.1016/j.watres.2023.120911 |
| [24] | Gweon H S, Bowes M J, Moorhouse H L, et al. Contrasting community assembly processes structure lotic bacteria metacommunities along the river continuum[J]. Environmental Microbiology, 2021, 23(1): 484-498. |
| [25] |
徐秋鸿, 刘曙光, 娄厦, 等. 长江口近岸地区抗生素抗性基因与微生物群落分布特征[J]. 环境科学, 2023, 44(1): 158-168. Xu Q H, Liu S G, Lou S, et al. Distributions of antibiotic resistance genes and microbial communities in the nearshore area of the Yangtze River Estuary[J]. Environmental Science, 2023, 44(1): 158-168. |
| [26] | Liu C, Cui Y M, Li X Z, et al. microeco: an R package for data mining in microbial community ecology[J]. FEMS Microbiology Ecology, 2021, 97(2). DOI:10.1093/femsec/fiaa255 |
| [27] | Dixon P. VEGAN, a package of R functions for community ecology[J]. Journal of Vegetation Science, 2003, 14(6): 927-930. |
| [28] |
朱永官, 李宝值, 吝涛. 培育健康土壤, 助力乡村振兴[J]. 科技导报, 2021, 39(23): 54-58. Zhu Y G, Li B Z, Lin T. Fostering healthy soil to push forward rural revitalization[J]. Science & Technology Review, 2021, 39(23): 54-58. |
| [29] | Zheng D S, Yin G Y, Liu M, et al. Global biogeography and projection of soil antibiotic resistance genes[J]. Science Advances, 2022, 8(46). DOI:10.1126/sciadv.abq8015 |
| [30] | An X L, Su J Q, Li B, et al. Tracking antibiotic resistome during wastewater treatment using high throughput quantitative PCR[J]. Environment International, 2018, 117: 146-153. |
| [31] | Chen C Q, Li J, Chen P P, et al. Occurrence of antibiotics and antibiotic resistances in soils from wastewater irrigation areas in Beijing and Tianjin, China[J]. Environmental Pollution, 2014, 193: 94-101. |
| [32] | Chen Q L, An X L, Li H, et al. Long-term field application of sewage sludge increases the abundance of antibiotic resistance genes in soil[J]. Environment International, 2016, 92-93: 1-10. |
| [33] | Greene N P, Kaplan E, Crow A, et al. Antibiotic resistance mediated by the MacB ABC transporter family: a structural and functional perspective[J]. Frontiers in Microbiology, 2018, 9. DOI:10.3389/fmicb.2018.00950 |
| [34] | Andersson D I, Hughes D. Antibiotic resistance and its cost: is it possible to reverse resistance?[J]. Nature Reviews Microbiology, 2010, 8(4): 260-271. |
| [35] |
胡石磊, 瞿剑里, 章丽, 等. 青海湖周边地区表层土壤重金属含量和抗性基因丰度及相关性[J]. 环境科学, 2023, 44(1): 336-346. Hu S L, QU J L, Zhang L, et al. Heavy metal content and resistance gene abundance and related properties in the surface soil around Qinghai Lake[J]. Environmental Science, 2023, 44(1): 336-346. |
| [36] | Henriques I, Tacão M, Leite L, et al. Co-selection of antibiotic and metal(loid) resistance in gram-negative epiphytic bacteria from contaminated salt marshes[J]. Marine Pollution Bulletin, 2016, 109(1): 427-434. |
| [37] | Li L G, Xia Y, Zhang T. Co-occurrence of antibiotic and metal resistance genes revealed in complete genome collection[J]. The ISME Journal, 2017, 11(3): 651-662. |
| [38] | Baker-Austin C, Wright M S, Stepanauskas R, et al. Co-selection of antibiotic and metal resistance[J]. Trends in Microbiology, 2006, 14(4): 176-182. |
| [39] | Liu Z T, Ma R A, Zhu D, et al. Organic fertilization co-selects genetically linked antibiotic and metal(loid) resistance genes in global soil microbiome[J]. Nature Communications, 2024, 15(1). DOI:10.1038/s41467-024-49165-5 |
| [40] | Han B H, Ma L, Yu Q L, et al. The source, fate and prospect of antibiotic resistance genes in soil: a review[J]. Frontiers in Microbiology, 2022, 13. DOI:10.3389/fmicb.2022.976657 |
| [41] | Sun R B, Zhang X X, Guo X S, et al. Bacterial diversity in soils subjected to long-term chemical fertilization can be more stably maintained with the addition of livestock manure than wheat straw[J]. Soil Biology and Biochemistry, 2015, 88: 9-18. |
| [42] | Xie W Y, Yuan S T, Xu M G, et al. Long-term effects of manure and chemical fertilizers on soil antibiotic resistome[J]. Soil Biology and Biochemistry, 2018, 122: 111-119. |
| [43] | Lemos L N, Pedrinho A, De Vasconcelos A T R, et al. Amazon deforestation enriches antibiotic resistance genes[J]. Soil Biology and Biochemistry, 2021, 153. DOI:10.1016/j.soilbio.2020.108110 |
| [44] | Xu Y, You G X, Yin J B, et al. Salt tolerance evolution facilitates antibiotic resistome in soil microbiota: Evidences from dissemination evaluation, hosts identification and co-occurrence exploration[J]. Environmental Pollution, 2023, 317. DOI:10.1016/j.envpol.2022.120830 |
| [45] | Sun J B, Zhang D, Peng S, et al. Critical insights into the Hormesis of antibiotic resistome in saline soil: Implications from salinity regulation[J]. Journal of Hazardous Materials, 2024, 472. DOI:10.1016/j.jhazmat.2024.134616 |
| [46] | Wu J, Wang J Y, Li Z T, et al. Antibiotics and antibiotic resistance genes in agricultural soils: a systematic analysis[J]. Critical Reviews in Environmental Science and Technology, 2023, 53(7): 847-864. |
| [47] | Alvarez-Esmorís C, Conde-Cid M, Fernández-Sanjurjo M J, et al. Environmental relevance of adsorption of doxycycline, enrofloxacin, and sulfamethoxypyridazine before and after the removal of organic matter from soils[J]. Journal of Environmental Management, 2021, 287. DOI:10.1016/j.jenvman.2021.112354 |
| [48] | Liu L, Gao Y, Yang W J, et al. Community metagenomics reveals the processes of nutrient cycling regulated by microbial functions in soils with P fertilizer input[J]. Plant and Soil, 2024, 499(1-2): 139-154. |
| [49] | Wang F H, Sun R B, Hu H W, et al. The overlap of soil and vegetable microbes drives the transfer of antibiotic resistance genes from manure-amended soil to vegetables[J]. Science of the Total Environment, 2022, 828. DOI:10.1016/j.scitotenv.2022.154463 |
| [50] | Chen Q L, Cui H L, Su J Q, et al. Antibiotic resistomes in plant microbiomes[J]. Trends in Plant Science, 2019, 24(6): 530-541. |
| [51] | Wang J H, Wang L J, Zhu L S, et al. Antibiotic resistance in agricultural soils: source, fate, mechanism and attenuation strategy[J]. Critical Reviews in Environmental Science and Technology, 2022, 52(6): 847-889. |