Influence of aquaculture and genomic surveillance techniques on antimicrobial resistance gene profiles and microbiota detected in marine and freshwater sediments
Notice bibliographique
Résumé
Surveillance methods for antimicrobial resistance genes (ARGs) are needed to assess potential risk of antimicrobial resistance, especially in complex environmental samples with limited data on ARG distribution. This study employed target-enrichment metagenomics (bait-capture) and a Resistomap qPCR assay to assess the resistome in marine and freshwater sediments associated with active Canadian finfish aquaculture operations. Differences in resistome profiles were considered with distance to the net-pens, concentrations of three aquaculture-associated chemical residues, and microbial communities as detected with 16S rRNA gene amplicon sequencing. With bait-capture, a total of 194 ARGs and 41 replicon types were detected across the sediment samples. Differences due to aquaculture proximity were noted in the composition of the resistome, which was dominated by tetracycline resistance genes. With qPCR, 37 out of 51 ARGs targets were detected, and proximity to net-pens or region did not show changes in resistome composition. Co-occurrence networks revealed significant correlations among genera and the resistome detected with bait-capture, highlighting a potential influence of aquaculture on ARGs in the environment. This study demonstrates the utility of bait-capture and qPCR assays in detection of ARGs in both freshwater and marine sediments from aquaculture sites that will assist further ARG surveillance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».