绘制各种环境中抗体风险的潜在驱动因素的地图

科学领域:

• 环境微生物学环境微生物学
• 基因组学就是基因组学.
• 一个健康,一个健康.

背景情况:

• 了解抗菌素耐药性 (AMR) 驱动因素对于One Health至关重要.
• 在MetaCompare框架中,使用ARG并发来评估抗组风险.
• 扩展的MetaCompare 2.0区分了生态 (ERR) 和人类健康 (HHRR) 耐药性风险评分.

研究的目的:

• 在各种环境中分析影响ERR和HHRR得分的因素.
• 使用1326个元基因组绘制全球ERR和HHRR景观的地图.
• 识别抗体风险的生物,生态和技术调节剂.

主要方法:

• 使用MetaCompare 2.0管道分析了1,326个元基因组.
• 网络分析,机器学习和多变量回归来识别风险因素.
• 评估ARG的相对丰度,分类学多样性和样本覆盖范围.

主要成果:

• ERR和HHRR得分高度相关,并且在不同环境中存在显著差异.
• 过渡性,与人类相关的环境 (废水,肠道) 显示出最高风险;稳定的环境 (沉积物,土壤) 显示出最低风险.
• 较低的分类学多样性与较高的抗体风险相关,这表明生态屏障效应.

结论:

• "MetaCompare 2.0"有效地解开了ARG与环境背景之间的关系.
• 在高多样性,低覆盖率的样本 (例如土壤,沉积物) 中,框架性能可能受到限制.
• 提供了MetaCompare 2.0使用案例的建议.