기계 학습 및 메타유전체학을 통해 중국의 여러 양계장 및 도축장에서 공유된 항균제 내성 프로필이 밝혀졌습니다.

Nature Food 4권, 707~720페이지(2023)이 기사 인용

2388 액세스

108 알트메트릭

측정항목 세부정보

중국은 세계 최대의 항균제 소비국이며, 감시 방법을 개선하면 항생제 내성(AMR) 확산을 줄이는 데 도움이 될 수 있습니다. 여기서 우리는 2년 반 동안 중국 3개 성에서 10개의 대규모 양계장과 4개의 연결된 도축장을 감시한 결과를 보고합니다. 기계 학습을 기반으로 한 데이터 마이닝 접근 방식을 사용하여 새, 시체 및 환경에서 461개의 미생물 군집을 분석하여 모든 농장에서 닭과 환경 간에 공유되는 145개의 잠재적으로 이동 가능한 항생제 내성 유전자(ARG)를 식별했습니다. 닭 장내 미생물 군집에서 추출한 233개 ARG와 186개 미생물 종의 핵심 세트는 인간과 임상적으로 관련된 아르코박터(Arcobacter), 아시네토박터(Acinetobacter), 스핑고박테리움(Sphingobacterium)과 임상적으로 관련된 38개 ARG를 포함하여 동일한 장에 서식하는 대장균(Escherichia coli)의 AMR 프로파일과 상관 관계가 있습니다. 헛간의 온도와 습도도 ARG 존재와 상관관계가 있었습니다. 우리는 환경, 미생물 군집 및 AMR 간의 복잡한 상관 관계 네트워크를 공개하여 가축 생산에서 AMR 감시를 개선할 수 있는 다양한 경로를 제안합니다.

중국의 가금류 생산에 항균제 사용은 국제 평균보다 5배 더 높습니다1. 낮은 수준에서도 항생제 사용은 가축의 장내 저항체를 변화시키고 확장시키며, 미생물 군집은 항균 저항성(AMR) 표현형을 형성할 수 있습니다3. 식이, 온도 및 스트레스의 변화와 같은 외부 사건은 새로운 거주 종의 식민지화 또는 종 간 AMR 이동을 초래할 수 있습니다6. 온도, 습도, 박테리아 종의 풍부함과 항생제 내성 유전자(ARG)의 존재7,8,9가 육계의 박테리아 감염에 영향을 미칠 수 있습니다10. 환경 조건과 AMR 사이의 연관성은 특히 중국과 저소득 및 중간 소득 국가(LMIC)와 관련이 있으며, 이들 국가에서는 고소득 국가에 비해 산업 규모 농업에서 안정적인 환경 조건을 유지하는 것이 어려울 수 있습니다11.

비의료 영역에서의 AMR 감시는 널리 채택되지 않았지만12 식품 생산 시스템이 항생제 내성 박테리아(ARB) 및 ARG의 선택 및 전파에 어떻게 기여하는지 이해하는 데 중요합니다. 기계 학습(ML)과 빅 데이터 마이닝은 정밀 가금류 사육을 발전시키는 도구를 제공합니다13,14. 개별 병원체의 전체 게놈 시퀀싱(WGS), 항생제 감수성 테스트 및 ML 기술을 포함하는 배양 기반 접근 방식은 대장균 분리균15,16,17,18 및 기타 박테리아19,20,21,22 모두에 대해 AMR과 연결된 게놈 특성을 효과적으로 예측하는 지표입니다. ,23,24. 그러나 개별 병원체의 WGS에만 초점을 맞춘 감시 접근법은 가축 생산 내 미생물 군집 및 저항체의 다양성을 포착하지 못할 수 있으며 ARG 데이터가 누락될 수 있습니다25. 최근 개념 증명 연구에서 우리는 닭 배설물 저항체에 존재하는 여러 ARG가 동일한 샘플에서 배양된 대장균 분리물의 저항성/감수성 프로파일과 상관관계가 있는 것으로 나타났습니다26.

본 연구에서 우리는 중국과 LMIC에서 일반적으로 경험하는 실험실 자원의 부족을 고려한 접근 방식을 사용하여 AMR 감시가 특히 어려운 중국 축산업을 대상으로 하는 메타게놈 기반 감시를 위한 참조 방법을 개발했습니다. 우리는 닭 내장에 서식하는 미생물 군집의 더 넓은 맥락에서 AMR의 지표 종으로 대장균을 사용했습니다. 더 넓은 맥락을 다루기 위해 우리는 주변 및 연결된 농장 환경, 헛간 온도 및 습도의 미생물군집에 미치는 영향을 조사하고 항균 관리 프로토콜을 채택했습니다.

생물학적 샘플은 10개의 대규모 상업용 가금류 농장에서 수집되었습니다(방법, 보충 정보, 보충 그림 1 및 보충 표 1 및 2 참조). 미생물 군집과 ARG는 농장 소스와 농장과 도살장간에 차별화되었습니다 (보충 정보, 보충 그림 2-5 및 보충 표 3-5). 유전자 이동성은 소스 전반에 걸쳐 ARG 존재에 영향을 미칠 수 있고 효과적인 감시 시스템 개발에서 MGE(이동 유전 요소)의 잠재적 중요성으로 인해 MGE26의 5킬로베이스(kb) 내에 있는 ARG를 찾고 다음 MGE를 고려했습니다. ARG 조합은 잠재적으로 모바일 ARG가 될 수 있습니다. 총 661개의 서로 다른 MGE-ARG 조합(잠재적으로 모바일 ARG)이 발견되었으며, 이는 195개의 고유한 ARG를 특징으로 합니다(보충 표 6). 이 중 75개 ARG(38%)는 하나의 MGE-ARG 조합에서만 발견되었으며 나머지 120개(62%)는 여러 조합(2~22, 그림 1a)에서 발견되었습니다. 661개의 잠재적으로 이동 가능한 ARG 중 절반 이상(56%)이 3개의 MGE-ARG 조합(IS1216-poxtA, IS15-APH(3')-Ia 및 ISCfr1-AAC(그림 1b)과 함께 두 개 이상의 소스에 존재했습니다(그림 1b). 3)-IId) 깃털을 제외한 모든 출처에 존재합니다. 닭 배설물은 잠재적으로 이동할 수 있는 ARG 수가 가장 많았지만 분산도 가장 컸습니다(그림 1c). 깃털과 헛간 바닥에는 잠재적으로 이동 가능한 ARG가 많이 들어 있었는데, 이는 평균 수치가 대변과 통계적으로 동일합니다(Dunn의 테스트에서 P > 0.05로 조정됨). 실외 토양, 시체, 가공 라인 및 폐수는 일반적으로 샘플당 잠재적으로 이동 가능한 ARG 패턴의 수가 더 낮았으며, 이러한 수치는 대변 및 깃털과 크게 다르지만(Dunn의 테스트는 P < 0.01로 조정) 서로 다릅니다. 전체적으로 10개 농장 모두에서 145개의 서로 다른 MGE-ARG 조합이 동일한 농장의 조류 및 환경 소스에서 발견되었으며 이들 중 일부는 여러 농장에서 나타났습니다. 이 중 46개에는 임상적으로 관련된 ARG30이 포함되어 있습니다(그림 1d). 특히 우리는 닭 배설물, 깃털 및 환경 헛간 바닥 샘플에서 blaNDM-5를 발견했습니다. 이 유전자는 인간, 동물, 식품 및 환경에 전파될 수 있는 IncX3 플라스미드에서 흔히 발견되지만31 짧은 판독 메타게놈 시퀀싱(MGS) 데이터에서 플라스미드 존재를 확인하지는 않았습니다. 또 다른 중요한 임상 관련 유전자인 qnrS1은 닭 배설물, 깃털, 환경 헛간 바닥 및 폐수 샘플에서 발견되었습니다. 이 플라스미드 매개 퀴놀론 저항성 유전자는 닭 공급망에 존재하는 것으로 알려져 있으며 다른 박테리아로 전달될 수 있습니다.

0.90./p>2,000 bp) were mapped to single assemblies and co-assemblies using Burrows–Wheeler Aligner–Maximal Exact Match (BWA-MEM v2-2.1)80 and SAMtools (v1.9)77 to produce the Binary Alignment Map (BAM) files. METABAT2 (v2.15)81 was used obtain the depth of coverage. The taxonomic classification and composition (relative species abundances) of the metagenome reads were profiled using MetaPhlAn (v3.0)82 with Bowtie 2 (v2.3.4.1)76 using the default settings –bowtie2out–input_type fastq. Nonmetric multidimensional scaling (NMDS) of the relative species abundance was performed in R (v3.6.2) using the vegan83 package with Bray–Curtis dissimilarity. Analysis of variance was performed in R using PERMANOVA from the vegan package83 with pairwise testing using the pairwise adonis function84 with Holm correction for multiple comparisons. Relative abundances were visually analysed by combining violin plots and categorical scatter plots, and differences were assessed by Wilcoxon rank sum test with Holm correction (adjusted P = 0.05)./p>500 bp) in each assembly were searched for ARGs and MGEs by a BLASTn search against the CARD61 and ISfinder (https://isfinder.biotoul.fr/) databases using an identity threshold of 95% and coverage threshold of 95% to prevent false positives and variant uncertainty88. The distance between an ARG and MGE was calculated from the positions of the ARG and MGE in the contig26. ARG-carrying contigs with a distance of more than 5 kb between ARG and MGE were discarded68,89,90,91, with the remaining contigs classed as potentially mobile ARGs. Contigs were annotated using Prokka (v1.14.6)92. Potentially mobile ARG patterns found in only a single sample were discounted in the analysis. ARGs were further classified as clinically important if the ARG was included in the Risk I category (clinically important ARGs dataset) according to Zhang et al.30. These genes were classed as Risk I if they were (1) present in human-associated environments, (2) potentially mobile genes and (3) present in ESKAPE pathogens (Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa and Enterobacter species). The structures of the potentially mobile ARG patterns (MGE type, ARG carried, MGE carried, sample source, farm, number of samples carrying potentially mobile ARG and distance) are summarized in Supplementary Table 8. For ISAba125–blaNDM-1, the gene structure was visualized using EasyFig93./p> 0.9 were considered./p>