Layer chicken manure as a hotspot for the dissemination of microbial communities and antimicrobial resistance genes: metagenomic insights
Notice bibliographique
Résumé
Abstract Manure contains a diverse range of microbial communities and antimicrobial resistant genes (ARGs), and the use of poultry manure in agricultural fields for soil enrichment may lead to environmental contamination, posing a risk to human and animal health. The current study profiled the microbiome and resistome of manure collected from poultry operations across Alberta, Canada. The sampling was conducted from 15 (cage and floor housed layer chickens) barns across Alberta from 2022–24 and processed via shotgun metagenomics. Taxonomic alignment was performed after mapping the reads via Kraken 2. The resistome of the assembled contig files was analyzed via the AMRFinderPlus database. Bacillota, Actinomycetota and Pseudomonadota were the most relatively abundant phyla in the study samples. ESPEC pathogens ( Enterococcus faecium , Staphylococcus aureus , Klebsiella pneumoniae , Acinetobacter baumannii , and Pseudomonas aeruginosa ) were detected in both types of housing systems, and the relative abundances of S. aureus, P. multocida, and A. baumannii were greater in manure from cage housing, whereas E. coli and K. pneumoniae were relatively more abundant in floor-housed manure. lnu C , aad 9 , aph3-IIIa , sat 4 , and tet W ARG subtypes were found in all 15 samples. The analysis of ARGs revealed that resistance was associated mainly with the tetracycline, aminoglycoside and lincosamide classes of antibiotics. Overall, manure contains potential opportunistic pathogens and ARGs that are resistant to various classes of antibiotics. This study provides strong evidence for the need for policy change regarding the treatment of litter and manure prior to their application on agricultural land in Alberta.
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) | 0,000 | 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 ».