Comparative analysis of qPCR and metagenomics for detecting antimicrobial resistance in wastewater: a case study
Notice bibliographique
Résumé
OBJECTIVE: The World Health Organization (WHO) has declared antimicrobial resistance (AMR) as one of the top threats to global public health. While AMR surveillance of human clinical isolates is well-established in many countries, the increasing threat of AMR has intensified efforts to detect antibiotic resistance genes (ARGs) accurately and sensitively in environmental samples, wastewater, animals, and food. Using five ARGs and the 16S rRNA gene, we compared quantitative PCR (qPCR) and metagenomic sequencing (MGS), two commonly used methods to uncover the wastewater resistome. We compared both methods by evaluating ARG detection through a municipal wastewater treatment chain. RESULTS: Our results demonstrate that qPCR was more sensitive than MGS, particularly in diluted samples with low ARG concentrations such as oxidation pond water. However, MGS was potentially more specific and has less risk of off-target binding in concentrated samples such as raw sewage. MGS analysis revealed multiple subtypes of each gene which could not be distinguished by qPCR; these subtypes varied across different sample types. Our findings affect the conclusions that can be drawn when comparing different sample types, particularly in terms of inferring removal rates or origins of genes. We conclude that both methods appear suitable to profile the resistome of wastewater and other environmental samples, depending on the research question and type of sample.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| 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 ».