Shotgun metagenomics reveals the microbiome and resistome of water harvesting ponds used by Kenyan rural smallholders
Notice bibliographique
Résumé
Summary Water harvesting ponds are essential to smallholder farming across sub-Saharan Africa, yet their role in antimicrobial resistance (AMR) transmission remains unclear. Using shotgun metagenomics, we characterised the microbiome and resistome of 16 rural Kenyan ponds, detecting 582 antibiotic resistance gene (ARG) subtypes across 27 classes. Five ARG types (bacitracin, multidrug, polymyxin, beta-lactam and rifamycin) accounted for most ARGs (90.6%). Genome-resolved analyses recovered 1,542 metagenome-assembled genomes, including non-tuberculous Mycolicibacterium carrying rifamycin resistance ( rbpA ) and virulence factors including type VII secretion systems, dormancy regulators, and antigen 85 complex. ARG–mobile genetic element co-localisation was rare, and resistome risk scores were moderate (∼22.4), indicating limited horizontal transfer potential compared to agricultural or hospital effluents. These ponds act as moderate, persistent environmental AMR reservoirs linked to farming practices. Strengthened antimicrobial stewardship, improved manure management and vegetative buffer zones could help mitigate AMR dissemination and support safer rural water systems under a One Health framework.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».