|
宏基因组与机器学习共分析：城市气载抗性组特征成因及其宿主菌群 Metagenomic and Machine Learning Meta-Analyses Characterize Airborne Resistome Features and Their Hosts in China Megacities  Article，2023-10-16，[IF = 11.4, Q1] DOI：10.1021/acs.est.3c02593 原文链接：https://pubs./doi/10.1021/acs.est.3c02593 第一作者：武冬1, 2 通讯作者：安太成2 通讯单位：1华东师范大学生态与环境科学学院；2广东工业大学环境科学与工程学院 - 成果简介 - 近日，华东师范大学武冬研究员和广东工业大学安太成教授团队合作在Environmental Science & Technology（Q1, IF = 11.4）上发表了题为“Metagenomic and Machine Learning Meta-Analyses Characterize the Airborne Resistome Features and Their Hosts in China Mega-cites”的学术论文。 论文获取了1.2Tb的宏基因组序列（n = 136，包括中国7个特大城市的医院、城市污水处理厂、垃圾填埋场、公共交通中心和城区地段5种位点），采用机器学习分类、宏基因组分箱和中性群落模型，研究了空气中耐药基因（ARGs）的位点特征耐药性、潜在宿主，以及潜在宿主在空气微生物群落中的生态作用。 通过基于多重机器学习的分类和优化验证，论文发现：ARGs的位点特异性在医院空气中最为明显，对临床使用的利福霉素和（糖）肽具有特征耐药性；在环境中较为流行的ARGs（如对磺胺和四环素耐药）被确定为对非临床空气环境更具特异性；几乎所有具有位点特征耐药性的宏基因组组装基因组（MAGs）都被鉴定为致病类群；在所有中性分布的空气微生物群落中占据了优势性生态位（P < 0.01, m = 0.22 – 0.50, R2 = 0.41 – 0.86），这些具有生态位特性的潜在耐药病原体突显了城市空气中持久的抗生素耐药危害。  图形摘要 - 图文导读 - 1. 城市空气中的耐药性具有位点特异性特征 为了解特定位点空气ARGs的污染特征，首先对所有空气样本（n = 136）基于reads的耐药性数据文件进行表征。如图1a所示，空气ARGs的总丰度随位点的变化而显著变化（P < 0.001），其中医院最高（0.11 ± 0.20 log10(ARGs/16S rRNA gene)）；公共交通中心（-0.05 ± 0.11 log10(ARGs/16S rRNA gene)）空气ARGs浓度近乎是城市垃圾填埋场和污水处理厂（~ -0.6 log10(ARGs/16S rRNA gene)）的5倍；在城市区域空气ARGs总体上在-0.9 − -0.7 log10(ARGs/16S rRNA gene)范围内，市中心的丰度较高（-0.63 ± 0.29 log10(ARGs/16S rRNA gene), P < 0.01）。并且，空气ARGs的组成也在目标位点上表现出明显的差异（P < 0.001）。通过RF算法，可以更精确地区分这一位点特征上的耐药性（stress = 0.12, R2 > 0.95，图1b）。 根据出现模式和丰度，论文选择了每个目标位点中排名前三的重要耐药类型（排名前三的重要特征，> 50%）。具体来说，临床相关ARGs（耐利福霉素类和多肽类（> -1.0 log10(ARGs/16S rRNA gene)，如rpoB2和udg，图1c）被确定为在医院空气中丰度显著较高的特征基因。这意味着在检测临床痕迹方面，该RF算法具有很高的位点特异性（AUC = 0.99，图1d）。尽管垃圾填埋场和污水处理厂均被认为正受到城市污染的影响，但它们具有完全不同的空气耐药特征（图1c），分别以磺胺类（sul1）和大环内酯类（MLS；mphD）为主。这可能是因为垃圾填埋场的运行时间相对较长，所以保存了更多的旧式ARGs（如sul1）。通过比较城市不同环境类型（P < 0.001，图1c，图1d)，基于机器学习对空气ARGs特定位点分布的分类，清楚地表明：地表关键排放源（包括临床活动和废物/废水处理）主要塑造了空气耐药性的丰度和特性。  图1 （a）中国特大城市目标位点中空气ARGs的相对丰度； （b）基于Bray-Curtis距离的机器学习模型选择的抗生素耐药性的多维尺度分布； （c）14种耐药类型被用于位点特异性耐药分类，前3种重要类型被选作位点特异性耐药类型。聚类热图中标记的ARGs是其所属抗性最丰富的物种，并标注了其对区分耐药性位点特异性的重要性（星号越多，重要性越高）。对齐的线形图（Gini index）和条形图（Accuracy）表示各抗生素耐药类型的准确性； （d）使用耐药性数据进行随机森林分类的受试者工作特征（ROC）曲线。 2. ARGs宿主的分类及其相关抗生素耐药性 为了确定ARGs的潜在宿主，论文对各位点进行宏基因组分箱组装。如图2所示，变形菌门（25.5 ± 11.3 GPMR）的莫拉氏菌Moraxellaceae、假单胞菌Pseudomonadaceae和伯克氏菌Burkholderaceae，放线菌门（19.4 ± 18.3 GPMR）的分枝杆菌Mycobacteriaceae，厚壁菌门（11.5 ± 7.6 GPMR）的葡萄球菌Staphylococcaceae占主导地位。这些潜在宿主所含ARGs在不同位点的丰度和耐药类型上存在很大差异。多药耐药性最高，且更有可能发生在垃圾填埋场、污水处理厂和交通中心的MAGs中（图3a）。β内酰胺类、杆菌肽和氟喹诺酮类ARGs表现出的位点特异性很小（图1c），并均匀分布在所有宿主中，而氨基糖苷和利福霉素类ARGs大量存在于医院气载细菌中（图3a）。总之，从宏基因组解析的角度来看，机器学习鉴定的耐药特征也反映在细菌基因组内的ARGs中（Mantel检验，r = 0.54, P < 0.01），表明细菌群落对抗生素耐药性的重要意义。  图2 目标位点中空气ARGs的宏基因组组装基因组（MAGs）的分布和系统发育树。属于同一门的MAGs用相同颜色表示，其中潜在致病菌的颜色深浅不一。MAGs的相对丰度与节点大小成比例。对于耐药性具有位点特异性的MAGs，其节点与饼状图对齐，饼状图显示了特征耐药ARGs（黑色）占基因组内ARGs总数的比例。 3. 与潜在病原体密切相关的特征耐药性 目标空气中大约80%的基因组内ARGs可能与人类致病菌（HPB）有关（图3a）。其中，医院（550 RPKM，占总数的98%）和交通中心（1600 RPKM，占总数的95%）的空气HPB几乎携带了所有ARGs，而城区空气与HPB相关的ARGs占80% ~ 90%。值得注意的是，对于具有特定位点耐药特征的ARGs，HPB在空气ARGs中的重要性变得越来越显著（Mantel检验，P < 0.05），几乎所有ARGs都由潜在病原体宿主（图3a）。具体而言，在医院空气中（图2），通常导致严重呼吸道感染的假单胞菌P. cutibacterium（41.2 GPMR）、葡萄球菌S. staphylococcus（25.3 GPMR）和嗜血杆菌P. haemophilus（8.2 GPMR）携带apH-Stph，mex，bacA和arr-3，并可能分别编码对氨基糖苷类、（糖）肽和利福霉素的临床特定位点耐药性。对于受垃圾影响的环境，潜在病原体（如莫拉氏菌Moraxellaceae和假单胞菌P. pseudomonas）可能拥有与mex相关的多重耐药基因。同时，人类肠道共生体的分枝杆菌M. mycolicibacterium（23.7 GPMR）和消化链球菌Peptostreptococcaceae romboutsia，是污水处理厂特有的大环内酯类（mefA和inuD）和四环素类（tetA）耐药基因的主要宿主。在公共交通中心，分枝杆菌Mycobacteriaceae spp.（19.6 GPMR）、葡萄球菌S. staphylococcus和莫拉氏菌Moraxellaceae spp.携带了编码所有位点特征的利福霉素和多药耐药类ARGs（如arr-1和mtrA)（图3a）。虽然在城区只有5个分类群被确定为潜在病原体（图2），但有4个携带了位点特异性的多药耐药ARGs（如mex, sme和mtrA）。此外，大量编码位点特征耐药性的ARGs被潜在病原体所携带，特别是可流动的潜在病原体（P = 0.005，图3b）。这些发现明确表明，在所有研究环境中，假定的HPB-MAGs不仅是空气ARGs的主要载体，也是具有并可能传播位点特征耐药性的主要分类群。  图3 （a）所有空气样本的基因组内ARGs（每千碱基每百万测序reads，RPKM）根据抗生素耐药类型、位点和宿主的潜在致病性表示。具有位点特征的ARGs用红色表示。 （b）基因组内ARGs的潜在HGT迁移率和log10转化的相对丰度。这些ARGs具有位点特征的耐药性，由潜在致病和非致病的MAGs承载。 4. 具有特征耐药性的潜在病原体作为上层代表类群主导微生物组装 为了进一步验证假定的HPB对耐药性特征的重要性，论文分析了ARGs宿主对微生物组装构建过程的生态优势（图4，P < 0.01）。具体而言，对于医院空气，临床气溶胶中常见的主要成分（葡萄球菌S. staphylococcus和假单胞菌P. cutibacterium等携带特征耐药性的病原体）位于最佳拟合中性群落模型曲线的上方。这意味着HPB分类群（特别是葡萄球菌Staphylococcus，图4）是医院空气生境下的选择优势物种，并且更有可能在微生物组装过程中占据主导地位。在污水处理厂和垃圾填埋场空气中，假单胞菌P. pseudomonas和杆状分枝杆菌M. corynebacterium、不动杆菌M. acinetobacter和分枝杆菌M. mycolicibacterium分别被确定为微生物组装过程中优势类群（图4）。值得注意的是，那些容易在下呼吸道附着定植的HPB（包括红球菌Rhodococcus和微球菌Micrococus sp.），在城市污水和固体废物中也经常被检测到。这可能意味着与源相关的HPB及其携带的ARGs具有很高的适应垃圾填埋场和污水处理厂空气群落的潜力。在公共交通中心，属于假单胞菌和不动杆菌的潜在HPB占据了微生物群落的优势位（图4）。因此，它们携带的编码多药耐药的ARGs（mtrA和arr-1）被确定为交通中心的典型标志物（图1c）。虽然在城区空气中较少的MAGs具有位点特征的多药类和磺酰胺类耐药基因，但所有潜在致病宿主（包括窄养单胞菌S. stenotrophomonas、不动杆菌M. acinetobacter和链球菌S. streptococcus）都聚为优势类群（m = 0.22, R2= 0.41, N = 88.0，图4）。以上发现表明，致病性耐药基因的宿主（特别是具有位点特征耐药的ARGs）可以在生态位环境中稳定存在，或导致气载微生物抗生素耐药暴露风险的持续存在。  图4 采用中性模型对MetaPhAn4分类的微生物群落进行组装分析。虚线表示这一最佳拟合中性模型的95%置信区间。与空气中其他生态位稳定的微生物（绿色）相比，偏离中性模型的物种要么是在空气中被选择的候选者，要么消失（蓝色和红色点）。潜在的ARG宿主病原体用方框表示，如果鉴定出其MAGs携带位点特征耐药性，则用其分类（属）名称进行标记。 - 总结与展望 - 本论文主要分析了中国几个大城市空气抗生素耐药基因及其潜在宿主的组成特征。研究结果显示了来源特征和HPB分类对空气中ARGs分布影响巨大。高效的机器学习分类方法，为更准确地表征空气耐药性特征识别提供了一个有用的手段。在此应当说明的是，论文结论可能会在一定程度上受到采样策略、地理位置和季节等的影响。因此，迫切需要开展包含多个排放源的更多城市的研究，来进一步对空气环境中特定地点的耐药性特征进行分类和归纳。 - 作者简介 - 第一作者 华东师范大学 生态与环境科学学院 武冬 博士，青年研究员 主要研究方向为环境生物修复与微生物生态，新污染物识别控制与风险评价管控。在PNAS、Microbiome、EST、WR、EI、ES&T Water、JHM等期刊发表论文30余篇，H指数23，它引2200余次。相关成果获上海市自然科学二等奖、科技进步奖三等奖、中国产学研合作促进会优秀奖，等省部级科技奖励和国家级产业协会奖励。研究方向与兴趣：环境中新兴污染物环境行为、效应及其控制；有机固废资源化处理与处置；基于组学的环境微生物生态研究。期待与各位同仁开展合作，欢迎报考研究生。 通讯作者 广东工业大学 环境科学与工程学院 环境健康与污染控制研究院 安太成 博士，教授 广东工业大学环境科学与工程学院院长、环境健康与污染控制研究院院长。国家高层次人才、教育部高层次人才和国家杰出青年科学基金获得者。粤港澳污染物暴露与健康联合实验室和广东省环境催化与健康风险控制重点实验室主任。曾获得全国模范教师、广东省五一劳动奖章和广东省丁颖科技奖等。长期从事毒害污染物的环境地球化学过程与健康效应及其风险消减机理方面工作。在Nature Commun、PNAS、JACS和EST等期刊上发表SCI论文500余篇, 包括ESI高引论文20余篇和热点论文3篇，SCI他引超22000次。2014-2022年连续九年入选爱思唯尔中国高被引学者榜单（环境科学类）。担任国际期刊Global Environ Sci创刊主编，Appl Catal B-Environ和Crt Review Environ Sci Technol期刊副主编和5个国际期刊编委。 猜你喜欢iMeta简介 高引文章 高颜值绘图imageGP 网络分析iNAP 10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature 一文读懂：宏基因组 寄生虫益处 进化树 必备技能：提问 搜索 Endnote 16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun 生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘 写在后面为鼓励读者交流快速解决科研困难，我们建立了“宏基因组”讨论群，己有国内外6000+ 科研人员加入。请添加主编微信meta-genomics带你入群，务必备注“姓名-单位-研究方向-职称/年级”。高级职称请注明身份，另有海内外微生物PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。 |
|
|
