2024 Bangladesh Floodwaters Harbour Regional Hotspots of Pathogens and Antimicrobial Resistance
Notice bibliographique
Résumé
Seasonal flooding in Bangladesh poses severe public health risks through waterborne disease, yet a comprehensive, genomic-level understanding of the associated microbial hazards is lacking. This study presents a comprehensive shotgun metagenomic analysis of floodwaters from four districts of Bangladesh (Cumilla, Feni, Lakshmipur, and Noakhali) during the devastating 2024 floods, profiling the distribution of pathogenic bacteria, antimicrobial resistance genes, and virulence factors. A total of 12 samples were collected during peak flooding periods and processed using Illumina sequencing. Taxonomic profiling and resistome analysis were performed using MetaPhlAn4, ABRicate, and MEGAHIT, referencing the NCBI and CZ ID databases. Across all regions, 301 operational taxonomic units were identified. Feni exhibited the highest diversity of pathogenic species, including multidrug-resistant Klebsiella pneumoniae, toxigenic Pseudomonas aeruginosa, and mobilizable resistance plasmids (e.g., IncP1, Col440I). Noakhali samples revealed co-detection of zoonotic and emerging pathogens such as Aliarcobacter spp. and Streptococcus suis, along with key resistance genes like blaOXA and ermB. Microbial community clustering revealed strong spatial heterogeneity. This study provides genomic evidence that floodwaters harbour emerging pathogens and AMR. It strongly advocates for incorporating metagenomic tools into Bangladesh's national flood response and AMR monitoring frameworks.
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 | 0,001 |
| 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) | 0,000 | 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 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 ».