MétaCan
Menu
Retour à la cohorte
Enregistrement W4200422302 · doi:10.1101/2021.12.13.472531

A glyphosate-based herbicide cross-selects for antibiotic resistance genes in bacterioplankton communities

2021· preprint· en· W4200422302 sur OpenAlexafffund
Marie‐Pier Hébert, Vincent Fugère, Yves Terrat, Gregor F. Fussmann, Andrew Gonzalez, B. Jesse Shapiro

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiquePesticide and Herbicide Environmental Studies
Établissements canadiensMcGill Genome CentreUniversité du Québec à Trois-RivièresMcGill UniversityUniversité du Québec à MontréalUniversité de MontréalGDG Environnement
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaLiber Ero FoundationGroupe de recherche interuniversitaire en limnologie
Mots-clésGlyphosateBiologyBacterioplanktonMetagenomicsEffluxBacteriaAntibiotic resistancePlasmidResistomeGeneAntibioticsHorizontal gene transferBiotechnologyGeneticsMicrobiologyEcologyGenomeIntegronNutrient

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Agrochemicals often contaminate freshwater bodies, affecting microbial communities that underlie aquatic food webs. For example, Roundup, a widely-used glyphosate-based herbicide (GBH), has the potential to indirectly select for antibiotic resistant bacteria. Such cross-selection could occur, for example, if the same genes ( e . g . encoding efflux pumps) confer resistance to both glyphosate and antibiotics. To test for cross-resistance in natural aquatic bacterial communities, we added Roundup to 1,000-L mesocosms filled with water from a pristine lake. Over 57 days, we tracked changes in bacterial communities with shotgun metagenomic sequencing, and annotated metagenome-assembled genomes (MAGs) for the presence of known antibiotic resistance genes (ARGs), plasmids, and resistance mutations in the enzyme targeted by glyphosate (enolpyruvyl-shikimate-3-phosphate synthase; EPSPS). We found that high doses of GBH significantly increased ARG frequency and selected for multidrug efflux pumps in particular. The relative abundance of MAGs after a high dose of GBH was predictable based on the number of ARGs encoded in their genomes (17% of variation explained) and, to a lesser extent, by resistance mutations in EPSPS. Together, these results indicate that GBHs have the potential to cross-select for antibiotic resistance in natural freshwater bacteria. IMPORTANCE Glyphosate-based herbicides (GBHs) such as Roundup may have the unintended consequence of selecting for antibiotic resistance genes (ARGs), as demonstrated in previous experiments. However, the effects of GBHs on ARGs remains unknown in natural aquatic communities, which are often contaminated with pesticides from agricultural runoff. Moreover, the resistance provided by ARGs compared to canonical mutations in the glyphosate target enzyme, EPSPS, remains unclear. Here we used freshwater mesocosm experiments to show that GBHs strongly select for ARGs, particularly multidrug efflux pumps. These selective effects are evident after just a few days, and at glyphosate concentrations that are high but still within short-term (1-4 day) regulatory limits. The ability of bacteria to survive and thrive after GBH stress was predictable by the number of ARGs in their genomes, and to a lesser extent by mutations in EPSPS. GBHs are therefore likely to select for higher ARG frequencies in natural streams, lakes, and ponds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,228
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetPesticide and Herbicide Environmental StudiesTravaux en français237 207