MétaCan
Menu
Retour à la cohorte
Enregistrement W2626417943 · doi:10.1128/aem.00989-17

Novel Antibiotic Resistance Determinants from Agricultural Soil Exposed to Antibiotics Widely Used in Human Medicine and Animal Farming

2017· article· en· W2626417943 sur OpenAlexafffundabout
Calvin Ho‐Fung Lau, Kalene van Engelen, Stephen B. Gordon, Justin B. Renaud, Edward Topp

Notice bibliographique

RevueApplied and Environmental Microbiology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensWestern UniversityAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaGovernment of Canada
Mots-clésAntibioticsAgricultureAntibiotic resistanceBiologyAnimal agricultureBiotechnologyHuman medicineVeterinary medicineMedicineMicrobiologyEcologyTraditional medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Antibiotic resistance has emerged globally as one of the biggest threats to human and animal health. Although the excessive use of antibiotics is recognized as accelerating the selection for resistance, there is a growing body of evidence suggesting that natural environments are “hot spots” for the development of both ancient and contemporary resistance mechanisms. Given that pharmaceuticals can be entrained onto agricultural land through anthropogenic activities, this could be a potential driver for the emergence and dissemination of resistance in soil bacteria. Using functional metagenomics, we interrogated the “resistome” of bacterial communities found in a collection of Canadian agricultural soil, some of which had been receiving antibiotics widely used in human medicine (macrolides) or food animal production (sulfamethazine, chlortetracycline, and tylosin) for up to 16 years. Of the 34 new antibiotic resistance genes (ARGs) recovered, the majority were predicted to encode (multi)drug efflux systems, while a few share little to no homology with established resistance determinants. We characterized several novel gene products, including putative enzymes that can confer high-level resistance against aminoglycosides, sulfonamides, and broad range of beta-lactams, with respect to their resistance mechanisms and clinical significance. By coupling high-resolution proteomics analysis with functional metagenomics, we discovered an unusual peptide, PPP AZI 4 , encoded within an alternative open reading frame not predicted by bioinformatics tools. Expression of the proline-rich PPP AZI 4 can promote resistance against different macrolides but not other ribosome-targeting antibiotics, implicating a new macrolide-specific resistance mechanism that could be fundamentally linked to the evolutionary design of this peptide. IMPORTANCE Antibiotic resistance is a clinical phenomenon with an evolutionary link to the microbial pangenome. Genes and protogenes encoding specialized and potential resistance mechanisms are abundant in natural environments, but understanding of their identity and genomic context remains limited. Our discovery of several previously unknown antibiotic resistance genes from uncultured soil microorganisms indicates that soil is a significant reservoir of resistance determinants, which, once acquired and “repurposed” by pathogenic bacteria, can have serious impacts on therapeutic outcomes. This study provides valuable insights into the diversity and identity of resistance within the soil microbiome. The finding of a novel peptide-mediated resistance mechanism involving an unpredicted gene product also highlights the usefulness of integrating proteomics analysis into metagenomics-driven gene discovery.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,267
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations90
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueApplied and Environmental MicrobiologyMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207