Validated predictive modelling of sulfonamide and beta-lactam resistance genes in landfill leachates

论文题目：Validated predictive modelling of sulfonamide and beta-lactam resistance genes in landfill leachates
作者：DongWu, Bing-Han Wang, Bing Xie*

文章简介：
      城市垃圾卫生填埋场被证明含有大量的的抗性基因（ARGs），该类污染物通过渗滤液的流出，会对周边环境带来极大的抗性污染。然而，相比于抗生素、重金属、农药等新型污染物，ARGs再填埋过程中的丰度变化的预测仍然缺少相应的模型研究。本研究通过建立实验室填埋反应器，并对渗滤液中的磺胺类（sulR）和贝塔内酰胺类（blaR）ARGs进行跟踪测试，并通过建立数学模型，预测其丰度变化，预测结果与实际老港填埋场的测试结果进行比对，实现对该预测模型的进一步优化和预测结果的印证（图-1）。

       

       研究建立20L实验室填埋反应器，填埋垃圾参照本地填埋场垃圾组成，并运行220余天，其中整合子基因（intl1）与sulR均呈现显著上升趋势，而blaR类ARGs则有显著下降，从5.0 log10(ARGs/ngDNA) 逐渐降为2.0 log10(ARGs/ngDNA)。通过与环境因子拟合发现，渗滤液中的sulR的丰度主要受到pH值和氮类化合物含量的影响，sulR abundance=log10(intl1 abundance)*0.15 + TN*0.00091- NH3-N*0.0014 + 2.6+ pH*0.19，且该拟合结果与现场显著一致，比简单的sulR-intl拟合程度更高（图2）。而blaR类基因则主要受到环境中COD的影响较大，通过LOESS模拟可以实现准确预测，且预测结果与现场显著一致（P = 0.57）。

 

       将COD与其他影响因子带入实际渗滤液进行分析，可发现该拟合方式和因子的影响不变，说明该模型可用于实际填埋环境ARGs的预测评估（图-3）。该研究结果，是首次针对渗滤液ARGs的丰度精准预测的尝试，且该方法运用的预测因子，均为常规碳氮检测指标，该结果对环境ARGs预测评估模型进一步发展的指导意义，并对ARGs的风险定量评估有了积极推动作用。

 

 

全文链接地址：https://doi.org/10.1016/j.jenvman.2019.04.026

该论文于2019年7月发表在SCI  2 区刊物Journal of Environmental Management （影响因子：4.00）上。

我学院武冬为第一作者，谢冰为通讯作者。