Impact of liquid hog manure applications on antibiotic resistance genes concentration in soil and drainage water in field crops
Notice bibliographique
Résumé
Agricultural practices such as manure applications could contribute to the spread of antibiotic resistance genes (ARGs) within the environment. Our objective was to assess the impact of certain fertilization methods (mineral or manure) and tillage practices (reduced or conventional) on the presence of ARGs and bacteria in soil and drainage water under wheat and grain corn crops. Targeted ARGs tet(T), sul1, and blaCTX-M-1 in liquid hog manure, soil, and water samples were quantified by qPCR. Conventional PCR was used to detect mcr-1 and mcr-2. ARGs in control plots were detected despite the absence of manure, representing an environmental reservoir of resistant microorganisms. The manure application rate higher than 39 m3/ha increased tet(T) and sul1 gene concentrations in soil for more than 180 days. Tillage practices had no impact on ARG concentrations in soil and water samples. The blaCTX-M-1 gene was only detected in seven water samples in 2016, but no link was established with the treatments. The mcr-1 and mcr-2 genes were not detected in all tested samples. This study demonstrated that tet(T) and sul1 gene concentrations increased in soil after liquid hog manure application as well as in drainage water in the next weeks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».