[论文解读] A Model of the Number of Antibiotic Resistant Bacteria in Rivers

Bonita Lawrence, Anna Mummert+1 more|arXiv (Cornell University)|Jul 8, 2010

Pharmaceutical and Antibiotic Environmental Impacts参考文献 4被引用 4

一句话总结

本文提出了一种非线性数学模型，用于模拟河流中耐药与非耐药细菌的动力学，整合了陆地来源的细菌输入、基因丢失以及河流承载能力。模拟结果表明，频繁的陆地细菌输入会导致耐药菌株占主导地位，而间歇性输入则可通过基因丢失实现恢复，表明减少河流附近的抗生素使用可减轻环境中耐药性的传播。

ABSTRACT

The large reservoir of antibiotic resistant bacteria in raw and treated water supplies is a matter of public health concern. Currently, the National Antimicrobial Resistance Monitoring Systems, a collaborative effort of the Centers for Disease Control, the US Department of Agriculture, and the US Food and Drug Administration, does not monitor antimicrobial resistance in surface waters. Given the serious nature of antibiotic resistance in clinical settings, and the likelihood that antibiotic resistant bacteria can be transmitted to humans from large environmental reservoirs via drinking water, explanations for the distribution of antibiotic resistant bacteria and tools for studying this distribution must be found. Here we focus on mathematical modeling of cultivable bacteria in a river, which will be used to study the distribution of antibiotic resistant bacteria in the environment. We consider both antibiotic resistant and non-antibiotic resistant bacteria in the model, and, taking into account the strong correlation between land use and antibiotic resistant bacteria in rivers, we include a function for the influx of bacteria into the river from the shore. We simulate the model for two different time scales and show that if there is too many bacteria from the land entering the river, the river entirely fills with antibiotic resistant bacteria, while less frequent influxes allows time for the bacteria to lose the antibiotic resistant gene. This mathematically verifies that reduction in antibiotic use near the banks of rivers, will reduce the counts of antibiotic resistant bacteria in rivers.

研究动机与目标

• 为解决地表水环境中抗生素耐药菌缺乏环境监测的问题，特别是临床和食品安全监测之外的领域。
• 对河流系统中可培养的抗生素耐药菌的分布与动力学进行建模，重点关注环境储库。
• 研究土地利用和河岸细菌输入如何影响河流中抗生素耐药性的流行程度。
• 提供一个数学框架，用于预测耐药性动态并指导公共卫生干预措施。

提出的方法

• 通过一组常微分方程对河流中耐药与非耐药细菌的种群动力学进行建模。
• 模型包含一个随时间变化的陆地细菌输入函数（F_S(t) 和 F_I(t)），代表农业、城市和工业来源的贡献。
• 通过动态机制模拟基因转移与丢失，其中耐药细菌可随时间失去耐药性，恢复程度取决于输入事件之间的时间间隔。
• 河流承载能力 K(t) 作为随时间和位置变化的因子，限制总细菌种群数量。
• 模型假设河流中细菌均匀混合，将河流视为一维流动系统，具有均匀条件。
• 通过两个时间尺度的模拟，评估短期输入影响与长期恢复动力学。

实验结果

研究问题

• RQ1 陆地来源的细菌输入频率和规模如何影响河流中耐药细菌的比例？
• RQ2 如果输入事件足够稀疏，使得基因丢失成为可能，河流能否从高浓度的耐药细菌中恢复？
• RQ3 农业和城市开发等土地利用模式在多大程度上与河流系统中抗生素耐药性的增加相关？
• RQ4 河流承载能力在多大程度上影响耐药细菌的持续存在与传播？
• RQ5 抗生素耐药基因的丢失在输入事件后河流细菌种群恢复过程中起什么作用？

主要发现

• 频繁的陆地细菌输入会导致耐药细菌完全占据主导地位，使河流完全被耐药菌株主导。
• 若输入事件之间有足够长的时间间隔，河流可通过耐药细菌丢失耐药基因而实现恢复，非耐药菌株重新建立。
• 模型表明，减少河岸附近的抗生素使用可显著降低环境中耐药细菌的储库。
• 模型的预测对输入函数 F_S(t) 和 F_I(t) 的形式与时间安排高度敏感，强调了基于土地利用的准确输入数据的重要性。
• 模型表明，当前如 NARMS 等监测系统可能遗漏了粪便指示菌无法捕捉到的环境耐药性主要储库。
• 空间与遗传复杂性（如水平基因转移和不同耐药水平）尚未被充分捕捉，表明未来需对模型进行进一步优化。