首页
模型资源
临床前CRO
赛业动态
客户支持
关于我们
商城
集团站群
CN
想了解更多的最新技术和发现?

iMeta
引人注目的新研究揭示极地土壤中的抗生素抗性基因

2025-08-28

小赛推荐:

该研究利用功能宏基因组学技术,首次在极地土壤中鉴定出多种新型抗生素抗性基因(ARGs),并评估其在不同环境中的传播潜力,为环境抗性基因的监测和风险评估提供了新视角。

 

文献概述
本文《Functional metagenomics reveals novel antibiotic resistomes in polar soils》发表于《iMeta》杂志,回顾并总结了极地土壤中新型抗生素抗性基因的鉴定及其传播特性,研究发现极地环境中存在大量功能验证的新型ARGs,但其在人类影响环境中的丰度较低,且主要与冰封微生物相关。

背景知识
抗生素耐药性基因(ARGs)是全球公共健康的重要挑战。随着全球变暖,永久冻土中的微生物逐渐释放,可能携带未知的抗性基因进入生态系统。极地土壤作为相对未受污染的环境,可能蕴藏大量未被充分鉴定的抗性基因。传统基于测序的宏基因组学方法受限于已知基因数据库,无法有效识别功能未知的ARGs。本研究采用功能宏基因组学方法,在大肠杆菌中克隆极地土壤宏基因组DNA,筛选出300多个新型抗性基因,这些基因与已知ARGs的同源性较低,且主要存在于自然未受干扰的环境中,如西藏高原土壤。研究进一步分析了这些基因在病原体和质粒中的分布,发现其水平基因转移能力较弱,且仅极少数与临床病原体相关,表明极地土壤中新型ARGs的健康风险目前较低。

 

构建基因敲除、点突变或过表达小鼠模型,支持疾病机制、药物筛选和功能验证研究。提供快速交付、高特异性及多种定制化服务,满足基础生物学、肿瘤学、神经科学等多个研究方向需求。

 

研究方法与实验
研究团队构建了来自极地土壤样本的8个宏基因组文库,克隆大小为1.5 kb的DNA片段至大肠杆菌中,并筛选其对23种抗生素的抗性。通过功能验证和测序,最终鉴定出342个南极ARGs和329个北极ARGs。所有抗性基因均通过功能宏基因组学技术进行注释,并与NCBI数据库进行比对以评估其序列同源性。

关键结论与观点

  • 在345,833个开放阅读框中,18,657个被注释为抗生素抗性基因。其中671个基因符合新型ARG的筛选标准,约20%的新型极地ARGs与NCBI数据库中的同源基因相似度低于80%。
  • 新型极地ARGs中,约70%与β-内酰胺类抗生素(如头孢噻肟、替卡西林)抗性相关,其余涉及叶酸合成抑制剂、D-环丝氨酸、硝基呋喃和克林霉素。
  • 与已知ARGs相比,新型极地ARGs在质粒和病原体基因组中丰度极低,且在人类影响环境中的传播潜力较低。
  • 新型极地ARGs在相对未受干扰的自然环境中(如西藏高原土壤)中更常见,而传统ARGs则在人类活动频繁区域富集。
  • 研究还发现,仅0.75%的新型极地ARGs与临床病原体相关,包括克雷伯氏菌、志贺氏菌、变形菌等,且这些基因位于质粒上,表明环境与病原体间基因交换可能已经发生。

研究意义与展望
本研究首次在极地土壤中鉴定出大量功能验证的新型抗生素抗性基因,揭示其与传统ARGs在基因转移、宿主范围和环境分布上的显著差异。这为全球抗生素耐药性监测提供了新的参考,并强调了极地环境作为天然ARG库的重要性。未来研究应进一步探索这些基因的生态功能、表达调控机制及其在病原体中的潜在适应性变化,以更全面地评估其潜在健康风险。

 

提供标准化的小鼠表型分析服务,涵盖行为学、生理生化、代谢、病理学等多维度检测,支持基因功能研究、疾病模型评估及药物开发。

 

结语
该研究利用功能宏基因组学方法,首次系统性地揭示了极地土壤中新型抗生素抗性基因的多样性。这些基因具有低序列相似性,主要存在于自然未受干扰的环境中,且在人类影响区域中丰度较低。研究还发现,新型ARGs在病原体基因组和质粒中的比例极低,表明其传播潜力有限。然而,其中四个基因已在临床病原体中检测到,提示环境基因库与临床耐药性之间存在潜在联系。因此,极地土壤不仅是天然抗生素抗性基因库,也可能成为未来耐药基因传播的潜在源头。研究结果强调了对环境中新型抗性基因进行持续监测的必要性,并为抗性基因的生态演化提供了新的研究方向。该研究为理解抗生素耐药性基因的环境来源及其向临床的转移路径提供了重要线索。

 

文献来源:
Xiuqin Xie, Weibin Cheng, Zhaohong Li, Tiangang Luan, and Baowei Chen. Functional metagenomics reveals novel antibiotic resistomes in polar soils. iMeta.
想了解更多的最新技术和发现?
抗生素抗性基因
极地土壤
宏基因组学
环境监测
健康风险
基因转移

上一篇:Cell Genomics 如何利用暴露组学工具补充基因组研究

下一篇:Cell Genomics BigHorn:预测lncRNA功能的新型计算框架

aav