2022, Vol. 14 
介水传染病是由于饮用或接触受病原体污染的水而引起的一类传染病，其病原体主要包括细菌、病毒、原生动物等[1]。近年来，全球范围内介水传染病的暴发已经严重危害各国人民生命健康，据世界卫生组织报道，介水传染病每年造成220多万人死亡[1-2]。市政污水处理厂作为城市水循环的重要节点，既通过污水管网承接城市污水，又将处理后的污水排放进入自然水体，是人类致病菌(Human pathogenic bacteria，HPB)传播的重要源和汇。
以活性污泥为代表的生化处理工艺是市政污水处理厂的核心，是污水中有机质和营养盐去除的关键单元。随着高通量测序技术被广泛应用于污水和污泥细菌群落结构的解析[3]，生化处理工艺在塑造污水细菌群落结构尤其是HPB群落结构中的作用得到越来越多关注。污水中微生物种类繁多[4]，包括志贺氏菌[5]、铜绿假单胞菌[6]、沙门氏菌[7]、结核杆菌[8]、粪肠球菌[9]、鲍氏不动杆菌[10]等多种常见HPB，形成了复杂的HPB群落结构。Ye等[11]利用454焦磷酸测序技术在来自4个国家14座市政污水处理厂中污泥、进水、出水中检测到34个不同属的HPB。研究同时发现，部分HPB在生化处理前后的进水和出水样品中丰度相差较大，如弓形菌属在进水中相对丰度较高，而弧菌属在出水中相对丰度较高。Li等[12]通过宏基因组学方法在香港某污水处理厂中检测到113种HPB，其中79种在该污水处理厂首次检测出，而活性污泥工艺对HPB的总体去除率达到98%，但不同种类的HPB去除效果存在较大差异。Huang等[13]利用454焦磷酸测序技术在某污水处理厂中检测了243种潜在致病菌，活性污泥工艺显著降低了污水HPB群落的多样性。
氧化沟处理工艺是一种常见的活性污泥法变形工艺，具有工艺简单，运行灵活，管理方便，成本较低的特点，被广泛运用于中小型污水处理厂[14]，但氧化沟处理工艺对污水HPB群落组成的影响却鲜有报道[15]。现选择南京市某采用氧化沟处理工艺的城市污水处理厂为研究对象，采集2016年1— 12月份污水处理厂的进水、污泥和生化处理出水样品，基于16S rRNA基因的聚合酶链式反应(PCR)扩增和高通量测序技术，通过致病菌数据库比对的方法解析了HPB群落组成特征，并研究了生化处理过程中水质理化指标与HPB群落组成的相关性，从而有助于加深对污水处理系统HPB群落的动态变化规律的理解，为氧化沟处理工艺去除HPB提供科学支撑。
1 材料与方法 1.1 样品采集选择南京市某城市污水处理厂为研究对象，该污水处理厂除收集生活组团的污水外，同时处理部分工业企业污水，日处理水量约为4.5万m3。该污水处理厂主体工艺采用改进型三槽式氧化沟为生化处理工艺，水力停留时间为18.3 h，污泥龄为18.1 d。于2016年1—12月，每月采集该污水处理厂进水、活性污泥与生化处理出水样品。使用无菌聚乙烯桶采集进水样品200 mL和生化处理出水样品20 L，使用50 mL无菌离心管采集活性污泥样品，并立即以1∶1(V/V)比例将污泥样品与无水乙醇混合，以固定生物质。将上述样品置于冰上并运送至实验室保存于-20 ℃冰箱。
1.2 水质理化指标测定水质理化指标测定包括温度(T)、化学需氧量(COD)、生物需氧量(BOD5)、悬浮颗粒物(SS)、氨氮(NH4+-N)、硝酸盐氮(NO3--N)、总氮(TN)、总磷(TP)。上述指标均采用《城镇污水处理厂污染物排放标准》(GB 18918—2002)中规定的监测分析方法测定。
1.3 样品总DNA提取、PCR扩增与高通量测序进水和生化处理出水样品分别经0.45 μm微孔滤膜过滤，以富集生物质用于总DNA提取。采用FastDNA SPIN试剂盒[安倍医疗器械贸易(上海)有限公司]提取样品总DNA，并采用NanoDrop©ND-2000超微量紫外分光光度计(美国基因有限公司)测定总DNA的浓度与纯度。
总DNA样品送至北京诺禾致源科技股份有限公司，扩增16S rRNA基因v4可变区，采用Hiseq 2500平台进行高通量测序，测序策略为PE250。
1.4 生物信息学分析生物信息学分析采用QIIME2平台进行。首先，采用DADA2对原始测序序列降噪和去除冗余序列，得到扩增子序列变异(amplicon sequence variant, ASV)。其次，选择每个ASV代表序列，采用Blast方法比对包括128种人类致病菌16S rRNA基因全长序列的数据库，比对阈值E设置为10-3，将序列相似度超过97%的ASV鉴定为潜在HPB。最后，HPB的相对丰度和某一样品中HPB总相对丰度按照公式(1)和(2)[16]计算：
| $ A_{i}=\frac{N_{\text {HPB-like sequence }}}{N_{16 \mathrm{~S} \text { sequence }}} \times 100 \% $ | (1) |
| $ A_{\mathrm{T}}=\sum\limits_{i=1}^{n} A_{i} $ | (2) |
式中：Ai——某一样品中某一HPB的相对丰度；NHPB-like sequence——比对上的某HPB的序列条数；N16S sequence——样品中微生物总序列条数；AT——某一样品中HPB的总相对丰度；n——某一样品中对应检出的HPB群落数量。
1.5 统计分析采用R语言中vegan包进行HPB群落与水质指标的冗余分析(RDA)，并通过计算Spearman系数反映HPB群落丰度与水质指标的相关性，Spearman相关性系数绝对值|r|＞0.80且P＜0.05，即认为具有显著相关性。
2 结果与讨论 2.1 污水处理厂的水质理化指标污水处理厂在2016年1—12月，进水水质呈现一定波动，但生化处理出水水质较为稳定，均符合《城镇污水处理厂污染物排放标准》(GB 18918—2002)中一级A排放标准，水质理化指标情况见表 1。
|
表 1 污水处理厂进水、生化处理出水水质理化指标 |
利用基于16S rRNA基因的高通量测序技术，在所有进水、污泥和生化处理出水样品中共检测出28种HPB群落。3种样品中HPB检出种类数量与总相对丰度的年内变化见图 1(a)(b)。通过与数据库中128种潜在HPB的信息对比发现，进水、生化处理出水中HPB的检出种类数量较为平稳，基本稳定在14 ~ 20种。污泥中HPB的检出种类数量变化较大，冬、春季节较少，其中1，3月最少，检出12种；夏、秋季节较多，其中9月最多，检出23种。
|
图 1 进水、污泥和生化处理出水中HPB检出种类数量与总相对丰度的年内变化 |
同时，进水和生化处理出水中HPB的总相对丰度变化不大，平均值为3%左右。而污泥中HPB的含量随季节的变化差异明显，2月污泥中HPB总相对丰度最低，为1.7%，5月最高，为15.1%。此外，污泥中HPB的总相对丰度普遍比进水、生化处理出水要高，显示出活性污泥对HPB具有一定的吸附、蓄积潜力。
2.3 进水、污泥和生化处理出水中HPB群落组成本研究共检出28种HPB，检出类型与年内相对丰度变化见图 2，相对丰度值已通过对数标准化处理。其中，共有6种HPB在所有月份的进水、污泥和生化处理出水中均有检出且具有较高的相对丰度，分别是鲍氏志贺菌(Shigella boydii)(0.01%~ 0.28%)、肠道沙门氏菌(Salmonella enterica)(0.05%~1.25%)、铜绿假单胞菌(Pseudomonas aeruginosa)(0.15%~2.46%)、结核分枝杆菌(Mycobacterium tuberculosis)(0.01%~0.31%)、粪肠球菌(Enterococcus faecalis)(0.07%~3.54%)、鲍氏不动杆菌(Acinetobacter baumannii)(0.22%~9.80%)。这6种HPB在市政污水[17]与湖泊[18]、河流[19]等自然水体中均多有报道，是水环境中常见的HPB。
|
图 2 进水、污泥和生化处理出水中HPB组成的年内变化 |
在上述6种HPB中，鲍氏志贺菌、粪肠球菌和鲍氏不动杆菌均呈现污泥中相对丰度高于进水和生化处理出水的分布特征，表明这3种HPB环境存活能力较强，具有在活性污泥中富集的潜力。肠道沙门氏菌、铜绿假单胞菌和结核分枝杆菌则在进水中相对丰度较高，经氧化沟工艺去除后，活性污泥和生化处理出水中相对丰度则均出现下降。
由图 1可见，5和9月的进水与生化处理出水样品检出的HPB种类个数相同，但对比发现，2类样品中检出的HPB种类并不完全相同。首先，在5月的样品中，巴顿氏菌(Bartonella henselae)、布鲁氏菌(Brucella suis)、白喉杆菌(Corynebacterium diphtheriae)在进水中检出，经过氧化沟生化处理后，未在出水中检出。而产气荚膜梭菌(Clostridium perfringens)、杰氏棒杆菌(Corynebacterium jeikeium)、肺炎支原体(Mycoplasma pneumoniae)只在生化处理出水样品中检出。其次，在9月的样品中，流感嗜血杆菌(Haemophilus influenzae)、嗜肺军团菌(Legionella pneumophila)、肺炎链球菌(Streptococcus pneumoniae)在进水中检出，经过氧化沟生化处理后，未在生化处理出水中检出。而蜡样芽孢杆菌(Bacillus cereus)、多形拟杆菌(Bacteroides thetaiotaomicron)、无乳链球菌(Streptococcus agalactiae)只在生化处理出水中检出。2个月份中不同的HPB种类并无重合，说明不同季节进水的多变性和复杂性往往直接影响生化处理的效果以及出水中的HPB群落变化。
同时，在生化处理出水中，HPB的相对丰度还表现出一定的月份差异。粪肠球菌在4—7月，其相对丰度达到1.5% ~ 3.5%，远超出年度平均值1.0%。而某些HPB则在秋、冬季节的生化处理出水中相对丰度较高。鲍氏志贺菌在9—11月，相对丰度分别为0.08% ~ 0.13%，也高于年内其余月份的相对丰度。结核分枝杆菌则在8—10月相对丰度较高。此外，鲍氏不动杆菌在4—5月，以及8—11月出现了2个高相对丰度的时间段。
在生化处理出水中，蜡样芽孢杆菌(Bacillus cereus)、鲍氏志贺菌(Shigella boydii)、脆弱类杆菌(Bacteroides fragilis)、副百日咳博德特菌(Bordetella parapertussis)等10种HPB在超过6个月的样品中检出。此外，还有5种HPB仅在少数月份的生化处理出水中检出，主要包括多形拟杆菌(Bacteroides thetaiotaomicron)、杰氏棒杆菌(Corynebacterium jeikeium)等。
2.4 生化处理出水理化指标与HPB群落组成的相关性生化处理出水理化指标与HPB群落组成的冗余分析可揭示不同月份水样的水质理化指标与生化处理出水HPB群落组成的相关性，分析结果见图 3。由图 3可见，T、BOD5、COD、TN等8个水质理化指标在第1主轴和第2主轴对生化处理出水HPB群落结构的解释度(RDA1和RDA2)分别为19.3%和9.9%。其中，BOD5、COD与第1主轴呈负相关，NO3--N、TN与第1主轴呈正相关。TP、T与第2主轴呈负相关，SS与第2主轴呈正相关[20]。可见，生化处理出水环境的营养盐水平、T、SS均与HPB群落组成具有一定的相关性。
|
图 3 生化处理出水理化指标与HPB群落组成的冗余分析 |
BOD5、COD浓度与生化处理出水中粪肠球菌(Enterococcus faecalis)的相对丰度呈正相关。在4—7月，生化处理出水BOD5和COD浓度、粪肠球菌相对丰度均高于其他月份，而在11，12和1月，生化处理出水BOD5和COD浓度、粪肠球菌相对丰度均较低。此外，NO3--N和TN浓度与鲍氏志贺菌(Shigella boydii)的相对丰度存在正相关，在11，12和1月，生化处理出水中出现明显的NO3--N和TN积累，同时鲍氏志贺菌相对丰度明显上升。
为进一步确定影响生化处理出水HPB群落丰度变化的显著理化指标，本研究利用Spearman相关性系数表征水质理化指标和HPB相对丰度的相关性。以|r|＞0.80、P＜0.05作为标准，发现了6组水质理化指标与HPB相对丰度之间存在显著相关性，见表 2。其中，粪肠球菌(Enterococcus faecalis)的相对丰度与生化处理出水中BOD5的浓度存在显著正相关，与生化处理出水NO3--N、TN的浓度存在显著负相关性；生化处理出水中鲍氏志贺菌(Shigella boydii)的相对丰度与NO3--N、TN的浓度存在显著正相关，与BOD5的浓度存在显著负相关。该结果进一步验证了上述冗余分析的结论。
|
|
表 2 出水HPB丰度与理化指标的Spearman相关性系数 |
(1) 进水、生化处理出水中HPB的检出种类数量较为平稳，总相对丰度变化不大。污泥中HPB的检出种类数量变化较大，夏、秋季多于冬、春季；HPB总相对丰度随季节变化有明显差异，2月总相对丰度最低，5月最高。污泥中HPB的总相对丰度普遍高于进水、生化处理出水。
(2) 进水、污泥、生化处理出水3种样品中检出的HPB具有相似性。其中，优势HPB包括鲍氏志贺菌、肠道沙门氏菌、铜绿假单胞菌、结核杆菌、粪肠球菌和鲍氏不动杆菌。
(3) 生化处理过程中，营养盐水平、T、SS均对生化处理出水中HPB群落组成菌有影响，BOD5、NO3--N、TN是影响最显著的3个理化指标。其中粪肠球菌的相对丰度与BOD5浓度具有显著正相关性，与NO3--N、TN浓度具有显著负相关性；鲍氏志贺菌的相对丰度与NO3--N、TN浓度具有显著正相关性，与BOD5浓度具有显著负相关性。
| [1] |
ALHAMLAN F S, AL-QAHTANI A A, AL-AHDAL M N. Recommended advanced techniques for waterborne pathogen detection in developing countries[J]. Journal of Infection in Developing Countries, 2015, 9(2): 128-135. DOI:10.3855/jidc.6101 |
| [2] |
RAMIREZ-CASTILLO F Y, LOERA-MURO A, JACQUES M, et al. Waterborne pathogens: detection methods and challenges[J]. Pathogens (Basel, Switzerland), 2015, 4(2): 307-334. |
| [3] |
YE L, ZHANG T, WANG T T, et al. Microbial structures, functions, and metabolic pathways in wastewater treatment bioreactors revealed using high-throughput sequencing[J]. Environmental Science & Technology, 2012, 46(24): 13244-13252. |
| [4] |
WOLLMANN F, DIETZE S, ACKERMANN J U, et al. Microalgae wastewater treatment: Biological and technological approaches[J]. Engineering in Life Sciences, 2019, 19(12): 860-871. DOI:10.1002/elsc.201900071 |
| [5] |
ROLLAND K, LAMBERT-ZECHOVSKY N, PICARD B, et al. Shigella and enteroinvasive Escherichia coli strains are derived from distinct ancestral strains of E-coli[J]. Microbiology-Sgm, 1998, 144: 2667-2672. DOI:10.1099/00221287-144-9-2667 |
| [6] |
BENAMI M, GILLOR O, GROSS A. Potential microbial hazards from graywater reuse and associated matrices: A review[J]. Water Research, 2016, 106: 183-195. DOI:10.1016/j.watres.2016.09.058 |
| [7] |
ABBOTT S L, NI F C Y, JANDA J M. Increase in extraintestinal infections caused by salmonella enterica subspecies Ⅱ-Ⅳ[J]. Emerging Infectious Diseases, 2012, 18(4): 637-639. |
| [8] |
ERNST J D, TREVEJO-NUNEZ G, BANAIEE N. Genornics and the evolution, pathogenesis, and diagnosis of tuberculosis[J]. Journal of Clinical Investigation, 2007, 117(7): 1738-1745. DOI:10.1172/JCI31810 |
| [9] |
VAN TYNE D, MARTIN M J, GILMORE M S. Structure, function, and biology of the enterococcus faecalis cytolysin[J]. Toxins, 2013, 5(5): 895-911. DOI:10.3390/toxins5050895 |
| [10] |
WANG X, QIN L J. A review on Acinetobacter baumannii[J]. Journal of Acute Disease, 2019, 8(1): 16-20. DOI:10.4103/2221-6189.250373 |
| [11] |
YE L, ZHANG T. Pathogenic bacteria in sewage treatment plants as revealed by 454 pyrosequencing[J]. Environmental Science & Technology, 2011, 45(17): 7173-7179. |
| [12] |
LI B, JU F, CAI L, et al. Profile and fate of bacterial pathogens in sewage treatment plants revealed by high-throughput metagenomic approach[J]. Environmental Science & Technology, 2015, 49(17): 10492-10502. |
| [13] |
HUANG K L, MAO Y P, ZHAO F Z, et al. Free-living bacteria and potential bacterial pathogens in sewage treatment plants[J]. Applied Microbiology and Biotechnology, 2018, 102(5): 2455-2464. DOI:10.1007/s00253-018-8796-9 |
| [14] |
陈钢沐. 关于污水处理中氧化沟工艺的应用分析[J]. 科技视界, 2019(14): 3-4. |
| [15] |
LU X, ZHANG X X, WANG Z, et al. Bacterial pathogens and community composition in advanced sewage treatment systems revealed by metagenomics analysis based on high-throughput sequencing[J]. PLOS ONE, 2015, 10(5): e0125549. DOI:10.1371/journal.pone.0125549 |
| [16] |
LI B, YANG Y, MA L P, et al. Metagenomic and network analysis reveal wide distribution and co-occurrence of environmental antibiotic resistance genes[J]. Isme Journal, 2015, 9(11): 2490-2502. DOI:10.1038/ismej.2015.59 |
| [17] |
OLUSEYI C, SELVARAJAN R, MAMBA B B, et al. Profiling bacterial diversity and potential pathogens in wastewater treatment plants using high-throughput sequencing analysis[J]. Microorganisms, 2019, 7(11): 506. DOI:10.3390/microorganisms7110506 |
| [18] |
MOHIUDDIN M M, SALAMA Y, SCHELLHORN H E, et al. Shotgun metagenomic sequencing reveals freshwater beach sands as reservoir of bacterial pathogens[J]. Water Research, 2017, 115: 360-369. DOI:10.1016/j.watres.2017.02.057 |
| [19] |
CUI Q, HUANG Y, WANG H, et al. Diversity and abundance of bacterial pathogens in urban rivers impacted by domestic sewage[J]. Environmental Pollution, 2019, 249: 24-35. DOI:10.1016/j.envpol.2019.02.094 |
| [20] |
秦宇, 郑望, 张曦, 等. 三峡库区中段水体微生物群落结构与环境因子相关性研究[J]. 长江流域资源与环境, 2021, 30(5): 1184-1193. |