Zoeken
Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.
Boekenmand
Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).
RSS
Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.
nieuwe zoekopdracht
Assessment of global health risk of antibiotic resistance genes
Zhang, Z.; Zhang, Q.; Wang, T.; Xu, N.; Lu, T.; Hong, W.; Peñuelas, J.; Gillings, M.; Wang, M.; Gao, W.; Qian, H. (2022). Assessment of global health risk of antibiotic resistance genes. Nature Comm. 13: 1553. https://dx.doi.org/10.1038/s41467-022-29283-8
In: Nature Communications. Nature Publishing Group: London. ISSN 2041-1723; e-ISSN 2041-1723
|   |
| Auteurs | | Top |
- Zhang, Z.
- Zhang, Q.
- Wang, T.
- Xu, N.
|
- Lu, T.
- Hong, W.
- Peñuelas, J.
- Gillings, M.
|
- Wang, M.
- Gao, W.
- Qian, H.
|
| Abstract |
Antibiotic resistance genes (ARGs) have accelerated microbial threats to human health in the last decade. Many genes can confer resistance, but evaluating the relative health risks of ARGs is complex. Factors such as the abundance, propensity for lateral transmission and ability of ARGs to be expressed in pathogens are all important. Here, an analysis at the metagenomic level from various habitats (6 types of habitats, 4572 samples) detects 2561 ARGs that collectively conferred resistance to 24 classes of antibiotics. We quantitatively evaluate the health risk to humans, defined as the risk that ARGs will confound the clinical treatment for pathogens, of these 2561 ARGs by integrating human accessibility, mobility, pathogenicity and clinical availability. Our results demonstrate that 23.78% of the ARGs pose a health risk, especially those which confer multidrug resistance. We also calculate the antibiotic resistance risks of all samples in four main habitats, and with machine learning, successfully map the antibiotic resistance threats in global marine habitats with over 75% accuracy. Our novel method for quantitatively surveilling the health risk of ARGs will help to manage one of the most important threats to human and animal health. |
IMIS is ontwikkeld en wordt gehost door het VLIZ.
