Impact of Swine and Cattle Manure Treatment on the Microbial Composition and Resistome of Soil and Drainage Water
Notice bibliographique
Résumé
Evaluating potential environmental and clinical impacts of industrial antibiotic use is critical in mitigating the spread of antimicrobial resistance. Using soil columns to simulate field application of swine or cattle manure and subsequent rain events, and a targeted qPCR-based approach, we tracked resistance genes from source manures and identified important differences in antimicrobial resistance gene transport and enrichment over time in the soil and water of artificially drained cropland. The source manures had distinct microbial community and resistance gene profiles, and these differences were also reflected in the soil columns after manure application. Antibiotic resistance genes (ARGs) were only significantly enriched in effluent samples following the first rain event (day 11) for both soil types compared to the control columns, illustrating the high background level of resistance present in the control soils chosen. For swine, the genes tetQ, tet(36), tet44, tetM, sul2 and ant(6)-ib persisted in the soil columns, whereas tetO, strB and sul1 persisted in effluent samples. Conversely, for cattle manure sul2 and strB persisted in both soil and effluent. The distinct temporal dynamics of ARG distribution between soil and effluent water for each manure type can be used to inform potential mitigation strategies in the future.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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 tête enseignante, 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 ».